Мультиспектральное оптико-электронное устройство для автономной мобильной платформы экологического мониторинга


DOI: 10.34759/trd-2020-114-14

Авторы

Чернецкая И. Е. *, Спевакова С. В. **

Юго-Западный государственный университет, ЮЗГУ, ул. 50 лет Октября, 94, Курск, 305040, Россия

*e-mail: white731@yandex.ru
**e-mail: sspev@yandex.ru

Аннотация

В статье обосновывается использование мультиспектральных оптико-электронных датчиков, для решения задачи повышения быстродействия устройства для автономной мобильной платформы экологического мониторинга. Предложена математическая модель функционирования разработанного устройства. Приведена структурно-функциональная организация мультиспектрального оптико-электронного устройства для автономной мобильной платформы экологического мониторинга. Представлены схема программно-аппаратного стенда и результаты экспериментальных исследований.

Ключевые слова:

мультиспектральный датчик, устройство управления, автономная мобильная платформа, экологический мониторинг, распознавание изображений

Библиографический список

  1. Хафизов Р.Г., Охотников С.А. Распознавание непрерывных комплекснозначных контуров изображений // Известия высших учебных заведений. Приборостроение. 2012. Т. 55. № 5. С. 3 – 8.

  2. Спеваков А.Г. Метод выделения движущихся объектов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2013. № 1. С. 233 – 237.

  3. Spevakov A.G., Spevakova S.V., Matiushin I.S. Detection objects moving in space from a mobile vision system // Radio Electronics, Computer Science, Control, 2019, no. 4 (51), pp. 103 – 110. DOI: https://doi.org/10.15588/1607-3274-2019-4-10

  4. Спевакова С.В. Построение маршрута мобильного робота на основе анализа мультиспектральных данных // Интеллектуальные и информационные системы. Интеллект-2019: сборник трудов (Тула, 19-20 ноября 2019).  – Тула: Тульский государственный университет, 2019. С. 334 – 337.

  5. Антюфеев В.И., Быков В.Н. Сравнительный анализ алгоритмов совмещения изображений в корреляционно-экстремальных системах навигации летательных аппаратов // Авиационно-космическая техника и технология. 2008. № 1. С. 70 – 78.

  6. Ширабакина Т.А. Стереоскопическая оптико-электронная система определения параметров динамических объектов в реальном времени // Датчики и системы. 2004. № 6. С. 65 – 67.

  7. Барабин Г.В., Гусев В.Ю. Фотограмметрический метод построения единого изображения при спутниковой съемке секционированным датчиком изображений // Труды МАИ. 2013. № 71. URL: http://trudymai.ru/published.php?ID=46740

  8. Зубарев, Ю.Б., Сагдуллаев Ю.С., Сагдуллаев Т.Ю. Спектрозональные методы и системы в космическом телевидении // Вопросы радиоэлектроники. Серия техника телевидения. 2009. № 1. С. 47 – 64.

  9. Шипко В.В. Метод и алгоритмы межканальной градиентной реконструкции многоспектральных изображений в оптико-электронных комплексах воздушной и космической разведки // Труды МАИ. 2019. № 104. URL: http://trudymai.ru/published.php?ID=102211

  10. Бондаренко М.А., Дрынкин В.Н. Оценка информативности комбинированных изображений в мультиспектральных системах технического зрения // Программные системы и вычислительные методы. 2016. № 1. С. 64 – 79.

  11. Казбеков Б.В. Совмещение инфракрасных изображений с изображениями видимого диапазона в задачах идентификации подвижных наземных целей с борта беспилотного летательного аппарата // Труды МАИ. 2013. № 65. URL: http://trudymai.ru/published.php?ID=35912

  12. Князь В.В., Бусурин В.И. Автоматическое обнаружение препятствий на взлётно-посадочной полосе средствами технического зрения // Труды МАИ. 2014. № 81. URL: http://trudymai.ru/published.php?ID=57839

  13. Krishnamoorthy S., Soman K.P. Implementation and comparative study of image fusion algorithms // International Journal of Computer Applications, 2010, vol. 9, no. 2, pp. 25 – 35. DOI:10.5120/1357-1832

  14. Jiang G. et al. A simultaneous localization and mapping (SLAM) framework for 2.5 D map building based on low-cost LiDAR and vision fusion //Applied Sciences, 2019, vol. 9, no. 10, pp. 2105. DOI: 10.3390/app9102105

  15. Бехтин Ю.С., Емельянов С.Г., Титов Д.В. Теоретические основы цифровой обработки изображений встраиваемых оптико-электронных систем: монография. – М.: Аргамак-Медиа, 2016. – 296 с.

  16. Kalutskiy I., Spevakova S., Matiushin Ju. Method of Moving Object Detection from Mobile Vision System // International Russian Automation Conference «RusAutoCon −19», 2019, Sochi, Russia. DOI: 10.1109/RUSAUTOCON.2019.8867632

  17. Newcombe R.A. et al. KinectFusion: Real-time dense surface mapping and tracking // 10th IEEE International Symposium on Mixed and Augmented Reality, 2011, pp. 127 – 136. DOI: 10.1109/ISMAR.2011.6162880

  18. Kerl C., Sturm J., Cremers D. Dense visual SLAM for RGB-D cameras // In Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, IL, USA, 14–18 September 2014, pp. 2100–2106. DOI:10.1109/IROS.2013.6696650

  19. Шипко В.В. Помехоустойчивое комплексирование мультии гиперспектральных изображений в оптико-электронных комплексах информационного обеспечения современных и перспективных вертолетов // Труды МАИ. 2020. № 110. URL: http://trudymai.ru/published.php?ID=112863. DOI: 10.34759/trd-2020-110-12

  20. Спевакова С.В., Калуцкий И.В. Подвижное стереоскопическое устройство выделения динамических объектов. Патент RU 2 714 603 C1, опубл. 23.01.2020.


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2020

Вход