Исследование и разработка системы оценки положения БПЛА с помощью методов визуальной одометрии в системе технического зрения для системы автоматического управления БПЛА

Содержание

Введение

1⠄ Теоретические основы визуальной одометрии и ее применения в системах управления БПЛА
1⠄1⠄ Основные понятия и принципы визуальной одометрии: обзор методов и алгоритмов
1⠄2⠄ Классификация систем технического зрения для беспилотных летательных аппаратов
1⠄3⠄ Роль оценки положения в задачах автоматического управления БПЛА: обзор подходов и требований

2⠄ Анализ существующих методов и средств оценки положения БПЛА на основе визуальной информации
2⠄1⠄ Сравнительный анализ алгоритмов визуальной одометрии (монокулярная, стерео, RGB-D)
2⠄2⠄ Анализ аппаратных $$$$$$$$ и $$$$$$$$, $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$ $$$$$$ БПЛА
2⠄$⠄ $$$$$$$$$$$$ $$$$$$$$$$$ и $$$$$$$$$$$$ визуальной одометрии $ $$$$$$$$ $$$$$$$$$ $$$$$$

$⠄ $$$$$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$
$⠄$⠄ $$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$$ $$$$$$$$$
$⠄$⠄ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$
$⠄$⠄ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$: $$$$$$ $$$$$$$$, $$$$$$$$$$$$$$ $ $$$$$$$$$$$$

$$$$$$$$$$

$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$

Введение

Современный этап развития беспилотной авиации характеризуется стремительным расширением областей применения беспилотных летательных аппаратов (БПЛА), выполняющих задачи мониторинга, картографирования, поисково-спасательных операций и логистики в условиях отсутствия или недоступности глобальных навигационных спутниковых систем (ГНСС). В таких условиях ключевым фактором, определяющим автономность и безопасность полета, становится способность аппарата достоверно оценивать собственное положение в пространстве, используя лишь бортовые сенсоры. Одним из наиболее перспективных подходов к решению данной задачи является визуальная одометрия — метод определения положения и ориентации по последовательности изображений, получаемых с бортовой камеры. Интеграция алгоритмов визуальной одометрии в контур автоматического управления БПЛА представляет собой актуальную научно-техническую проблему, требующую глубокого исследования как теоретических основ, так и практических аспектов реализации.

Актуальность темы исследования обусловлена нарастающей потребностью в создании надежных систем навигации, функционирующих в условиях радиоэлектронного подавления, в помещениях, под мостами и в каньонах, где сигналы ГНСС ослаблены или полностью отсутствуют. Разработка эффективной системы оценки положения на основе технического зрения способна значительно повысить степень автономности БПЛА, снизить зависимость от внешних источников навигационной информации и расширить спектр выполняемых миссий. Кроме того, совершенствование методов визуальной одометрии вносит вклад в развитие смежных областей робототехники и компьютерного зрения.

Проблематика работы заключается в наличии ряда противоречий между высокими требованиями к точности, вычислительной эффективности и устойчивости алгоритмов визуальной одометрии, с одной стороны, и ограниченными вычислительными ресурсами бортовых систем БПЛА, а также сложными условиями эксплуатации (изменение освещения, быстрые перемещения, затенения), с другой стороны. Существующие алгоритмы часто демонстрируют недостаточную робастность при резких маневрах или в текстуро-бедных сценах, что требует разработки специализированных решений, адаптированных к динамике полета БПЛА.

Объектом исследования является процесс автоматического управления БПЛА, $$$$$$$$$$ $$ $$$$$$ $$$$$$$$ $$$$$$$$. $$$$$$$$$ исследования $$$$$$$$$ $$$$$$ $ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$ $$$ $$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$ БПЛА $ $$$$$$$ $$$$$$$$$$$$ $$$$$$, $ $$$$$ $$ $$$$$$$$$$ $ $$$$$$ управления.

$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $ $$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$.

$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$:
$. $$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$ $$$$$$$$$$ $$$ $$$$$$$$$ $$$$.
$. $$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$ $$ $$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$.
$. $$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$-$$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$ $$$$$$ $$$$$$$$$$ $$$$$$$$$.
$. $$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$$$ $ $$$$$$$$ $$$ $$$$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$.
$. $$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$ $$ $$$$$$$$$$ $ $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$.

$ $$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$$: $$$$$$ $$$$$$-$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$, $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$, $$$$$$$$$$$$$$$$$ $$$$$$ $$$$$ $ $$$$$$$$$ $$$$$$, $ $$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$ $ $$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$.

$$$$$$$$$$$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $$ $$$$$$$$$$$$$ $$$$$$$$ ($$$$$$$ $$$$$$$, $$$$$$$$$$$$$ $ $$$$$ $$$$$$ $ $$$ $$ $$$$$$$), $$$$$$$$$$ $$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$, $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$ ($$$$, $$$$, $$$$), $ $$$$$ $$$$$$$ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$$ $$$$ $ $$$$$$$$ $$$$$$$$$$$$. $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$$$ $$ $$$$$$$$$ $$$$ $$$, $$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$.

Основные понятия и принципы визуальной одометрии: обзор методов и алгоритмов

Визуальная одометрия представляет собой процесс оценки положения и ориентации движущегося агента (робота, транспортного средства, беспилотного летательного аппарата) в пространстве на основе анализа последовательности изображений, получаемых с одной или нескольких бортовых камер. Данный метод является одной из ключевых составляющих систем технического зрения, обеспечивающих автономную навигацию в условиях отсутствия или недоступности сигналов глобальных навигационных спутниковых систем. В отличие от одометрии, основанной на показаниях инерциальных датчиков (IMU), визуальная одометрия не подвержена накоплению систематических ошибок со временем, однако чувствительна к условиям внешней среды и качеству входных данных. В современных научных исследованиях визуальная одометрия рассматривается как самостоятельное направление, тесно связанное с задачами построения карт окружающей среды и локализации (SLAM), но отличающееся от последнего отсутствием требования к глобальной согласованности карты.

Фундаментальным принципом, лежащим в основе визуальной одометрии, является триангуляция характерных точек сцены по последовательным кадрам. Процесс оценки положения включает несколько последовательных этапов: захват изображений, выделение и сопоставление особых точек, вычисление геометрических преобразований между кадрами, а также фильтрацию и оптимизацию полученных оценок. Выделение особых точек осуществляется с помощью детекторов, таких как Harris, FAST, SIFT, SURF или ORB, каждый из которых обладает определенными преимуществами и недостатками с точки зрения вычислительной сложности, устойчивости к изменениям масштаба и освещения. Сопоставление точек между последовательными кадрами производится на основе дескрипторов, описывающих локальные окрестности точек, что позволяет установить соответствия даже при частичном изменении ракурса съемки.

По количеству используемых камер различают монокулярную, стереоскопическую и мультисенсорную визуальную одометрию. Монокулярный подход, основанный на использовании одной камеры, является наиболее простым в аппаратной реализации, однако страдает от проблемы масштабной неопределенности: по одному изображению невозможно однозначно определить абсолютное расстояние до объектов сцены. Для преодоления этого ограничения применяются методы восстановления масштаба с использованием дополнительных датчиков (например, высотомера или IMU) либо априорной информации о геометрии сцены. Стереоскопическая визуальная одометрия, напротив, позволяет получать трехмерную информацию непосредственно из пары изображений за счет известного расстояния между камерами (базиса), что обеспечивает оценку абсолютных масштабов и более высокую точность определения положения.

В работах российских исследователей последних лет активно рассматриваются $$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$. $$$, $ $$$$$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$ $$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$, $$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$ $$$$$ [$$]. $$$$$$ $$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$, $$$ $$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$ $$$$$$$$$.

$$$$$$ $$$$$$$$, $$$$$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$, $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$$$$-$$$$$$$$$$$$ $$$$$$$$$ ($$$). $$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$ $$$$$$$: $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$, $ $$ $$$$$ $$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $$$ $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$, $$$$$$$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ [$$].

$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$, $$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$, $$$ $$$$$$$, $$$$$ $$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$. $ $$$$$ $ $$$$ $$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$, $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $ $-$ $$$$ $$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ [$$].

$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$ $$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$$$$: $$ $$$$ $$$$$$$$$$$$ $$$$$$$$$ ($$$$$$$$$$ $$$ $$$$$$$$$), $$ $$$$$$ $$$$$$$$$$$ ($$$$$$$$$$ $$ $$$$$$ $$$ $$$ $$$$$$$$ $$$$$$$$$$$), $$ $$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ ($$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$). $$$$$$ $$ $$$$ $$$$$$$$ $$$$$ $$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$.

$$$$$ $$$$$$$, $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$ $$$$$$$ $$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$, $$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $ $$$$$$$$ $$$$$$$.

Продолжая рассмотрение фундаментальных принципов визуальной одометрии, необходимо более детально остановиться на методах оценки геометрических преобразований между последовательными кадрами. После установления соответствий между характерными точками на двух изображениях возникает задача вычисления матрицы преобразования, описывающей движение камеры. В зависимости от размерности решаемой задачи и доступной информации о сцене используются различные математические модели. Для случая плоского движения или при наличии достаточного количества точек на одной плоскости применяется модель гомографии, описываемая матрицей размерности 3x3. В общем же случае трехмерного движения камеры в пространстве используется модель, основанная на вычислении существенной матрицы (essential matrix) или фундаментальной матрицы (fundamental matrix). Существенная матрица применяется в случае откалиброванной камеры, когда известны внутренние параметры, в то время как фундаментальная матрица работает с некалиброванными изображениями. Вычисление этих матриц осуществляется с использованием алгоритмов, основанных на восьмиточечном методе, предложенном Лонге-Хиггинсом, или его модификациях, устойчивых к выбросам, таким как алгоритм RANSAC (Random Sample Consensus).

Алгоритм RANSAC играет ключевую роль в обеспечении робастности визуальной одометрии, поскольку позволяет отфильтровывать ложные соответствия (outliers), неизбежно возникающие при сопоставлении точек в реальных условиях. Принцип работы RANSAC заключается в итеративном выборе случайных подмножеств соответствий, вычислении по ним модели преобразования и оценке количества точек, согласующихся с данной моделью (inliers). Модель, получившая наибольшую поддержку, принимается в качестве итоговой. Вариации данного алгоритма, такие как PROSAC (Progressive Sample Consensus) или MLESAC (Maximum Likelihood Sample Consensus), позволяют ускорить сходимость и повысить точность за счет использования априорной информации о качестве соответствий. В контексте задач управления БПЛА, где время обработки каждого кадра критично, выбор эффективной стратегии отбора выбросов имеет первостепенное значение. Российские исследователи активно работают над адаптацией алгоритмов RANSAC для бортовых систем, предлагая методы сокращения числа итераций без потери качества оценки [27].

После вычисления относительного движения между парами последовательных кадров возникает задача восстановления траектории движения БПЛА в глобальной системе координат. Наиболее простым подходом является последовательное накопление (интегрирование) относительных перемещений, что приводит к неизбежному накоплению ошибки (дрейфу) с течением времени. Для минимизации этого эффекта применяются методы оптимизации, учитывающие информацию не только о соседних, но и о более удаленных кадрах. Одним из распространенных подходов является использование графовой оптимизации (graph-based optimization), где вершины графа представляют собой положения камеры в различные моменты времени, а ребра — относительные преобразования, полученные из визуальной одометрии. Оптимизация такого графа позволяет перераспределить ошибку между узлами, обеспечивая более гладкую и точную траекторию. В работах российских авторов предложены эффективные реализации графовой оптимизации с использованием библиотек g2o и GTSAM, адаптированные для работы в реальном времени на встраиваемых платформах, таких как NVIDIA Jetson и Raspberry Pi.

Отдельного внимания заслуживают методы прямого отслеживания (direct methods), которые в отличие от методов на основе характерных точек (feature-based methods) работают непосредственно с интенсивностью пикселей изображения. Наиболее известными представителями данного подхода являются алгоритмы семейства LSD-SLAM (Large-Scale Direct SLAM) и DSO (Direct Sparse Odometry). Прямые методы позволяют использовать всю доступную информацию изображения, включая слабо текстурированные области, что может быть преимуществом в сценах с недостаточным количеством характерных точек. Однако они значительно более чувствительны к изменениям освещения и требуют более высоких вычислительных затрат. В контексте БПЛА, где сцены часто содержат как текстурированные (земля, здания), так и слабо текстурированные ($$$$, $$$$$$$ $$$$$$$$$$$) области, $$$$$ $$$$$ $$$$$$$$ на основе $$$$$$$$$ и $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$ и $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$.

$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$. $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$ $$$$ $$$$$$: $$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$ ($$$$$$$$$$, $$-$$$) $$ $$$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$ ($$$$$$, $$$$$). $$$$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$ $$$$$$$ $$$$$$$ $$$$$$, $$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$. $$$$$$ $$ $$$$$$$$$$ $$ $$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$ $$$$$$$$ $$$$$ $$$$$$. $$$ $$ $$$$$, $ $$$$$$$$$ $$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$, $$$$$$$$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$, $$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$ $$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$$$ [$].

$$$$$$ $$$$$$$$, $$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$, $$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$$$. $$$ $$$ $$$$$$$$$$, $$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$ ($$$). $$$$$$ $$$$$$ $ $$$ $$$$$ $$$$$$$$$$$$$$ $ $$$$$$ $$$$$$$: $$$$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$$$, $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$, $ $$$$$ $$$$$$$$$ $$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$. $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$ $$$$$$ $$ $$$$$$$$$ $$$$$$$$. $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$ $$ $$$$$$$$$$$, $$$ $$$$$$$$ $$$$$$$$$$$ $$$ $$$$$$ $$$$$$ $$$$$$$$$ $$$ $$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$.

$$$$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$ $ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$ $$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$ $$ $$$$$$ $$$$$ $ $$$$$$ $$$$$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$. $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$ $$$$$$$ $$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$, $$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$.

Классификация систем технического зрения для беспилотных летательных аппаратов

Системы технического зрения (СТЗ), применяемые на борту беспилотных летательных аппаратов, представляют собой сложные аппаратно-программные комплексы, предназначенные для получения, обработки и анализа визуальной информации об окружающей среде. Классификация таких систем может быть проведена по множеству оснований, включая тип используемых сенсоров, архитектуру обработки данных, решаемые функциональные задачи и условия эксплуатации. Понимание многообразия существующих подходов к построению СТЗ является необходимым условием для обоснованного выбора конфигурации, наиболее подходящей для решения задачи оценки положения БПЛА методами визуальной одометрии.

По типу используемых сенсоров системы технического зрения для БПЛА подразделяются на пассивные и активные. Пассивные системы основываются на регистрации естественного излучения сцены, в первую очередь в видимом диапазоне спектра. К ним относятся монокулярные, стереоскопические и мультикамерные системы, работающие с обычными CMOS или CCD матрицами. Преимуществами пассивных систем являются относительно низкая стоимость, компактность и малое энергопотребление, что особенно важно для легких БПЛА. Однако их работоспособность существенно зависит от условий освещения: в сумерках, ночью или при резких перепадах освещенности качество получаемых изображений может значительно снижаться. Активные системы, напротив, используют собственные источники излучения, такие как лазерные дальномеры (LiDAR), структурированная подсветка или инфракрасные прожекторы. В российских исследованиях активно рассматриваются комбинированные системы, объединяющие пассивные и активные сенсоры для достижения максимальной надежности в широком диапазоне условий [6].

По количеству используемых камер различают монокулярные, бинокулярные (стереоскопические) и мультиокулярные системы. Монокулярные системы, использующие одну камеру, являются наиболее простыми и компактными, что делает их привлекательными для миниатюрных БПЛА. Однако, как уже отмечалось, они не могут обеспечить прямое измерение глубины сцены, что требует применения дополнительных алгоритмов для восстановления трехмерной структуры. Стереоскопические системы, состоящие из двух синхронизированных камер с известным базисом, позволяют получать карты глубины методом триангуляции. Точность стереоизмерений зависит от величины базиса и разрешения камер: чем больше базис, тем выше точность на больших расстояниях, но тем больше размеры и масса системы. Мультиокулярные системы, включающие три и более камеры, используются в специализированных задачах, требующих панорамного обзора или повышенной точности оценки глубины, однако их применение на БПЛА ограничено из-за возрастающих массогабаритных характеристик и вычислительной нагрузки.

По способу обработки информации системы технического зрения делятся на централизованные и распределенные. В централизованных системах все данные с сенсоров поступают на единый вычислительный модуль, где производится их обработка и принятие решений. Такой подход упрощает синхронизацию данных и реализацию сложных алгоритмов, но предъявляет высокие требования к производительности центрального процессора и пропускной способности шин передачи данных. Распределенные системы предполагают предварительную обработку данных непосредственно на сенсорных модулях, оснащенных собственными микроконтроллерами или FPGA. Это позволяет разгрузить центральный вычислитель и повысить общую отказоустойчивость системы за счет децентрализации. В контексте визуальной одометрии распределенная архитектура может быть реализована путем выделения этапов выделения признаков и вычисления дескрипторов на специализированных сопроцессорах.

По функциональному назначению СТЗ для БПЛА $$$$$$$$$$$$$$$$ $$ $$$$$$$ $$$$$$$$$, $$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$, $$$$$$$ $$$$$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$. $$$$$$$ $$$$$$$$$, $ $$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ для $$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$. $$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$$$$$$ $$$$$$$$ $$ $$$$$ $$$ $ $$$$$$$, $$$ $$$$$$$$$ для $$$$$$$$-$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$ $$$$$$. $$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ для $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$. $$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ для $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$, $$$ $$$$$$$ $$ $$$$$$$$$ $$$$$$$$$ $$$ $$$$$$ $$$$$$$$$$$. $$$$$ $$$$$$$$, $$$ $ $$$$$$$$$$$ БПЛА $$$ $$$$$$$ $$$$$ $$$$$$$$$$$$$ $ $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$, $$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$ $$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$.

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$ $$ $$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$. $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$ $$$$$$ $ $$$$$$$$ $$$$$$ $ $$$$$$$$$$. $$$$$$ $$$ $$ $$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$: $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$, $$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$ $$$$$$$$$, $ $$ $$$$$ $$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$ $$$$$$$ $$$$$$$$$$ $$ $$$$$$$ $$$$$$$$$$$, $$ $$$$$$$$$$$$ $$$$ $$$$$$. $$$$$$$$$$$$$$ ($$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$) $$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$ $$$$ $$$$$$, $$$$$$ $$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$ $$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$ $$$ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$ $$ $$$$$$ $$$$$ $ «$$$$$$ $$$$$$» ($$$$$$$) $$$ $$$$$$$$$$$$$$$$$ $$$$$$, $$$$$$$$$$$$$$ $$$$$ $$ $$$ $$$$$$$$, $$$ $$$$$$$$ $$$$$ $$$ $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ [$$].

$$ $$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $$$$$ $$$$$$$$$ $$ $$$ $$$$$$$$$. $$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$ $$ $$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$ ($$$$$$$$$ $$, $$$$$$), $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$ $$$$$$$$$$$$$$$$$. $$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $ $$$ ($$$$$$ $$$$$$ $$$$$ $$$, $$$$$$ $$, $$$$), $$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$, $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$, $ $$$$$$$$ $$$$$$$. $$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$ $ $$$$$$$$$$$$$$ $$$$ $$$ $$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$, $$ $$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$. $$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$$$, $$$$$$$$$$$$$$$$$, $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $, $ $$$$$$$$ $$$$$, $$$$$$$ $$$$$$$$ $$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$ $ $$$$$$$ $$$$$$$$$$$$. $$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$ $$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$$$, $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$. $$$$$$$$ $$$$$$$$$$$$$$ $$$ $$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$ $$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$, $$$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$ $$$$$ $$$$.

Продолжая рассмотрение классификации систем технического зрения для беспилотных летательных аппаратов, необходимо более детально остановиться на аспектах, связанных с калибровкой и синхронизацией сенсоров, которые имеют критическое значение для точной работы визуальной одометрии. Калибровка системы технического зрения включает определение внутренних параметров камер (фокусное расстояние, координаты главной точки, коэффициенты дисторсии) и внешних параметров (взаимное расположение камер в стереосистеме, а также расположение камер относительно корпуса БПЛА и других бортовых датчиков). Процедура калибровки выполняется, как правило, на этапе наземной подготовки и требует использования специализированных калибровочных стендов и программного обеспечения. Однако в условиях эксплуатации возможно смещение оптических элементов вследствие вибраций, температурных деформаций или механических воздействий, что приводит к необходимости периодической перекалибровки или применения алгоритмов онлайн-калибровки. Российскими исследователями разработаны методы автоматической калибровки стереосистем непосредственно в полете с использованием визуальных ориентиров и данных IMU, что позволяет поддерживать точность измерений на протяжении всего срока службы БПЛА [14].

Синхронизация данных между различными сенсорами является еще одной важнейшей задачей при построении систем технического зрения для оценки положения. Визуальная одометрия требует точной временной привязки каждого кадра изображения к соответствующим показаниям IMU, магнитометра и других датчиков. Рассинхронизация даже на несколько миллисекунд при высоких угловых скоростях БПЛА может привести к значительным ошибкам в оценке ориентации. Для обеспечения синхронизации применяются как аппаратные методы (использование общего тактового генератора или сигнала синхронизации), так и программные методы (интерполяция данных датчиков к моментам захвата кадров). В работах российских авторов предложены эффективные схемы программно-аппаратной синхронизации для мультисенсорных навигационных систем, обеспечивающие временную согласованность данных с точностью до долей миллисекунды при минимальных аппаратных затратах [30].

Важным направлением классификации систем технического зрения является разделение по типу используемых алгоритмов обработки изображений. Традиционно выделяют два основных подхода: методы на основе характерных точек (feature-based) и прямые методы (direct methods). Однако в последние годы все большее распространение получают гибридные методы, объединяющие преимущества обоих подходов. Например, полупрямые методы (semi-direct methods) используют прямое отслеживание для быстрой оценки движения между кадрами и выделение признаков для коррекции накопленной ошибки и обнаружения замкнутых циклов. Такие гибридные алгоритмы демонстрируют высокую эффективность в задачах визуальной одометрии для БПЛА, обеспечивая баланс между вычислительной скоростью и точностью. Кроме того, в зависимости от решаемой задачи, алгоритмы могут быть ориентированы на работу в реальном времени с минимальной задержкой (low-latency) или на максимальную точность с возможностью постобработки данных.

По способу представления и хранения картографической информации системы технического зрения для БПЛА делятся на метрические и топологические. Метрические системы строят количественные карты окружающей среды с указанием точных координат объектов и препятствий. Такие карты необходимы для точной навигации и планирования маршрута, однако их построение требует значительных вычислительных ресурсов и памяти. Топологические системы представляют среду в виде графа, где узлы соответствуют характерным точкам или областям, а ребра — связям между ними. Топологические карты более компактны и устойчивы к малым изменениям среды, но менее пригодны для точной локализации. В контексте визуальной одометрии для БПЛА часто используется комбинированный подход: метрическая карта строится для локальной области вокруг аппарата, в то время как глобальная навигация осуществляется с использованием топологической информации. Такой подход позволяет снизить вычислительную нагрузку и обеспечить работу в реальном времени.

Отдельного внимания заслуживает классификация систем технического зрения по степени автономности обработки данных. Различают $$$$$$$ $ $$$$$$ $$$$$$$$ $$$$$$$$$$, $$$$$$$ $ $$$$$$$$$ данных $$ $$$$$$$$ $$$$$$$ $ $$$$$$$$$ $$$$$$$. $$$$$$$ $ $$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$ обработки $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$ $$ $$$$$ $$$$. $$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$ $ $$$$$$ $$$$$, $$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$. $$$$$$$ $ $$$$$$$$$ данных $$ $$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$ $$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ по $$$$$$$$$$$, $$$ $$$$$$$$$$$$ $$ $$$$$$ $$ $$$$$ $$$$$$ $$$$$$$$$$. $$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$, $$ $$$$$$$$$$ $$$$$$$ $$ $$$$$$$$ $ $$$$$$$$$$$$ $$$$$$ $$$$$. $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$ обработки $$ $$$$$ ($$$$$$$$, $$$$$$$$$ $$$$$$$$$ $ $$$$$$ данных), $ $$$$$ $$$$$$$ $$$$$$$$$$ ($$$$$$$$, $$$$$$$$$$ $$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$) $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$. $ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$, $$$ $$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ [$].

$$$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$. $$$$ $$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$, $$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $ $$$. $$$$$$$, $$$$$$$$$$$$$$$ $$$ $$$$$$ $ $$$$$$$$ $$$$$$ $$$$$$$$$ ($$$$$, $$$, $$$$), $$$$$ $$$$$$$$$$$$ $$$$$$, $$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$ $$$$$$$$$. $$$$$$$ $$$ $$$$$$ $ $$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$. $$$$$$$ $$$ $$$$$$$$$$$$$$$$ $$$$ $$$$$$$ $$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$ $ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$$$$ $$$, $$$$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$ $$$$ $ $$$$$$$$ $$ $$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$. $$-$$$$$$, $$$$$$$$$$$$ $$$$$ $$$ $$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$ $$$$$ $ $$$$$$$ $$$$$$$$$$$$, $$$ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$ $$$$$$$$$$$$ $$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$. $$-$$$$$$, $$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$, $$$$$$$$ $$$ $ $$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$ $$$$$$$$$ $$$$$$, $$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$, $ $$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$. $-$$$$$$$, $$$$$$$$ $$$$$$$$$$$$$$ $$$ $$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$.

Роль оценки положения в задачах автоматического управления БПЛА: обзор подходов и требований

Оценка положения беспилотного летательного аппарата в пространстве является фундаментальной задачей, без решения которой невозможно обеспечить автономное выполнение полетных миссий. Под положением БПЛА понимается совокупность пространственных координат (обычно три координаты в глобальной или локальной системе отсчета) и углов ориентации (крен, тангаж, рыскание), описывающих положение и поворот аппарата относительно выбранной системы координат. Точность и частота обновления оценки положения напрямую влияют на качество работы системы автоматического управления, определяя такие характеристики, как точность выдерживания траектории, устойчивость к внешним возмущениям и безопасность полета в целом. В современных системах управления БПЛА оценка положения является входным сигналом для регуляторов, формирующих управляющие воздействия на рулевые поверхности и двигатели.

Требования к точности оценки положения существенно различаются в зависимости от режима полета и решаемой задачи. На этапе крейсерского полета на большой высоте допустимы погрешности порядка нескольких метров, тогда как при выполнении точного захода на посадку, облете препятствий или работе в стесненных условиях (например, внутри помещений) требуемая точность может достигать нескольких сантиметров. Аналогично, требования к частоте обновления данных определяются динамикой БПЛА: для медленно летящих мультикоптеров достаточно частоты 10-20 Гц, в то время как для высокоскоростных самолетного типа необходима частота не менее 50-100 Гц. В российских исследованиях подчеркивается, что система оценки положения должна обеспечивать не только высокую точность, но и детерминированную задержку выдачи данных, поскольку непредсказуемые задержки могут привести к потере устойчивости замкнутого контура управления [5].

Традиционно основным источником информации о положении БПЛА являются глобальные навигационные спутниковые системы (ГНСС), такие как GPS, ГЛОНАСС, BeiDou и Galileo. В условиях открытой местности при хорошем приеме сигналов спутников ГНСС обеспечивают точность порядка нескольких метров в плане и порядка 5-10 метров по высоте. Использование дифференциальных режимов (DGPS, RTK) позволяет повысить точность до сантиметрового уровня. Однако ГНСС имеют ряд принципиальных ограничений: сигнал спутников недоступен в помещениях, под плотным лесным пологом, в городских каньонах и под водой. Кроме того, ГНСС подвержены радиоэлектронному подавлению и спуфингу (подмене сигнала), что создает угрозу безопасности полета в условиях противодействия. Эти ограничения стимулируют развитие альтернативных и вспомогательных методов навигации, среди которых визуальная одометрия занимает одно из ведущих мест.

Инерциальные навигационные системы (ИНС), основанные на измерении ускорений и угловых скоростей с помощью акселерометров и гироскопов, обеспечивают высокую частоту обновления данных и не зависят от внешних источников сигнала. Однако ИНС подвержены накоплению ошибки со временем (дрейфу), что приводит к неограниченному росту погрешности оценки положения при длительной работе без коррекции. Комбинирование ИНС с ГНСС в рамках алгоритмов фильтрации Калмана позволяет компенсировать недостатки каждого метода: ГНСС обеспечивает долговременную стабильность, а ИНС — высокую частоту и кратковременную точность. Однако в условиях отсутствия сигнала ГНСС $$$$$$$ $$$$$$$$ без $$$$$$$ коррекции, и $$$$$$ ИНС $$$$$$$$ $$$$$$ $$$$$. $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$ в $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$ коррекции, $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ ИНС на $$$$$$$$$$ $$$$$$ в $$$$$$$ $$$$$$$$$$$ $$$$$$$.

$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$$$$ $$$$$, $$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$ $$$$$$$$$$$ $ $$$$$$$ $$$$$$ $$$$$$$$$. $$$$$$$$ $$$$$ $$-$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$, $$$$$$$$ $$$ $$$$$$$ $$$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$$. $$$$$ $$$$, $$$$$$$$$ $$$$$$ $$$$ $$$$$$$$$ $ $$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ ($$$$$$$$, $$$ $$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$ $$$ $$$$$$ $$$$$$$$$ $$$$$$$$$) $ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$ $$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$ $ $$$$$$ $$$ $$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$ $$$ $$$$$$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$$$ [$$].

$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$ $$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$. $$$$$$$$$$$ $$$$$$$$$$ $$$$, $$$ $$$$$$$, $$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$ $$$$$ $$$$$$$$ $$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$. $ $$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$, $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$ $$$$$$$$$$$$ $$$$$$$$$$ [$$].

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$. $ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$: $$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$, $$$$ $ $$$$$$ $$$. $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$, $$$$$$$$ $ $$$$$$$$$ $$$$$$ $$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$. $$$ $$$$$ $ $$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$, $$$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$. $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$ $$$$$$ $$$$$$ $$$ $$$$ $$$$$$$$$$ $$$$$$$$.

$$$$$ $$$$$$$, $$$$ $$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$$$$$$ $$$$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$. $$$$$$$$$$$$ $$$$$$ $$ $$$$$$ $$$$ $ $$$ $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$$, $$$$$$$ $$$$$$$$$$, $$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$, $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$, $$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$.

Продолжая рассмотрение роли оценки положения в задачах автоматического управления БПЛА, необходимо более детально остановиться на архитектуре современных систем управления, интегрирующих визуальную одометрию в качестве одного из ключевых источников навигационной информации. Типовая архитектура системы автоматического управления БПЛА включает несколько иерархических уровней. На нижнем уровне находятся регуляторы углового положения и скорости, работающие с высокой частотой (100-1000 Гц) и использующие данные инерциальных датчиков. На среднем уровне располагается регулятор траекторного управления, который формирует заданные значения углов и скорости на основе текущей оценки положения и заданной траектории. На верхнем уровне находятся модули планирования миссии и маршрута, работающие с более низкой частотой и использующие картографическую информацию. Визуальная одометрия, как правило, интегрируется на среднем уровне, обеспечивая коррекцию оценки положения, получаемой от инерциальной системы, и позволяя реализовать точное следование по траектории в условиях отсутствия сигналов ГНСС.

Одним из ключевых подходов к интеграции визуальной одометрии в контур управления является использование расширенного фильтра Калмана (Extended Kalman Filter, EKF) или его вариантов, таких как фильтр Калмана с пониженным порядком (Reduced-Order EKF) или сигма-точечный фильтр Калмана (Unscented Kalman Filter, UKF). В рамках фильтра Калмана производится слияние данных от различных датчиков: инерциального измерительного блока, визуальной одометрии, магнитометра, барометрического высотомера и, при наличии, приемника ГНСС. Фильтр Калмана позволяет получить оптимальную оценку состояния системы с учетом статистических характеристик шумов каждого датчика. Важной особенностью является то, что визуальная одометрия может быть интегрирована как в качестве непосредственного измерения положения (если доступна метрическая оценка), так и в качестве измерения относительного перемещения между кадрами. Второй подход является более распространенным, поскольку он не требует привязки к глобальной системе координат и позволяет избежать накопления ошибки при долговременной работе.

Альтернативным подходом к интеграции является использование методов графовой оптимизации, которые получили широкое распространение в задачах SLAM. В этом случае оценка положения БПЛА формируется путем оптимизации графа, узлы которого соответствуют положениям аппарата в различные моменты времени, а ребра — относительным измерениям, полученным от визуальной одометрии и других датчиков. Графовая оптимизация позволяет учитывать информацию не только о соседних, но и о более удаленных кадрах, что обеспечивает более гладкую и точную траекторию по сравнению с последовательной фильтрацией. Однако графовая оптимизация требует большего объема памяти и вычислительных ресурсов, что ограничивает ее применение на бортовых системах с жесткими ограничениями. В российских исследованиях предложены методы разреженной графовой оптимизации, адаптированные для работы на встраиваемых платформах, которые обеспечивают приемлемое качество оценки при ограниченных ресурсах [1].

Важным аспектом, определяющим эффективность интеграции визуальной одометрии в систему управления, является обеспечение синхронизации между контуром оценки положения и контуром управления. Как уже отмечалось, задержка между получением изображения и выдачей оценки положения может существенно влиять на качество управления. Для компенсации этой задержки применяются методы прогнозирования положения на основе динамической модели БПЛА и данных IMU. Например, если задержка визуальной одометрии составляет 50 миллисекунд, то на момент получения оценки положение БПЛА уже изменилось, и использование устаревшей оценки может привести к ошибке управления. Методы прогнозирования позволяют экстраполировать оценку положения на текущий момент времени, используя интегрирование угловых скоростей и ускорений, полученных от IMU. Российскими авторами разработаны алгоритмы адаптивного прогнозирования, учитывающие динамику изменения задержки и обеспечивающие стабильность контура управления в широком диапазоне режимов полета [24].

Отдельного рассмотрения заслуживают вопросы обеспечения надежности и отказоустойчивости системы оценки положения при $$$$$$$$$$ $ $$$$$$ $$$$$$$$$$. $ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$, $$$$$ $$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$ ($$$$$$$$, при $$$$$$$ $$$ $$$$$$ $$$$$$$$$$$$ $$$ при $$$$$$ $$$$$$$$$ $$$$$$$$$), $$$$$$$$ $$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ при $$$$$$ $$$$$$$$$$, $ $$$$$ $$$$ $ $$$$$$ $$$$$$$$$$$$ $$$$$$$$. $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$, $$$$$$$$ $ $$$$$$$$$ $$$$$$ $$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$. $$$ $$$$$ $ $$$$$$$$$ системы оценки положения $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$, $$$$$$$$$$ $$ $$$$$$$ $$$$$$$ $$$$$$$$$ и $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$. $$$ $$$$$$$$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$ $$$$$$$ $ $$$$$ $$$$$$$$$$$$$$$ $$ $$$$$$ $$$$$$$$$$$$ $$$$$$. $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ при $$$$$$ $$$$$$ $$$ $$$$ $$$$$$$$$$ $$$$$$$$.

$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$ $$$$$ $$$$. $$$ $$$$$$$$$$$$$$, $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$ $$$$$$$ $$ $$$$$, $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$ $$$$$$$ $$$$$$$ $$$$$$$$, $$$ $$$$$$$$ $$$$$ $$$ $$$$$ $$$$$$$$$$$$$$$$ $$$ $$$$$$$ $$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$. $$$ $$$$ $$$$$$$$$$$ $$$$, $$$$$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$$, $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$. $$$$$ $$$$, $$$ $$$$$$$$$$$ $$$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$, $$ $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$$ $$$ $$$$$$$ $$$$ $$$$, $$$$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$ $$$$$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$ $$$$ $$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$. $$-$$$$$$, $$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$. $$-$$$$$$, $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$ $$$$ $$$$$$$$$$$$$ $$$$$, $$$$$$$ $$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $ $$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$ $$$$. $-$$$$$$$, $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$ $$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$ $ $$$$ $$$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$, $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$, $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$ $ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$.

Сравнительный анализ алгоритмов визуальной одометрии (монокулярная, стерео, RGB-D)

Выбор типа алгоритма визуальной одометрии является одним из ключевых решений при проектировании системы оценки положения БПЛА, поскольку он определяет как точность и надежность навигации, так и требования к аппаратному обеспечению. На сегодняшний день наибольшее распространение получили три основных подхода: монокулярная, стереоскопическая и RGB-D визуальная одометрия. Каждый из этих подходов имеет свои достоинства и недостатки, которые необходимо учитывать в зависимости от конкретных условий эксплуатации и требований к системе управления. Проведение сравнительного анализа данных методов позволяет обоснованно выбрать наиболее подходящий вариант для реализации в рамках разрабатываемой системы.

Монокулярная визуальная одометрия, использующая изображения с одной камеры, является наиболее простым и компактным решением с точки зрения аппаратной реализации. Основным преимуществом монокулярного подхода является минимальная масса, габариты и энергопотребление, что особенно важно для легких БПЛА с ограниченной полезной нагрузкой. Однако монокулярная одометрия имеет фундаментальное ограничение, связанное с масштабной неопределенностью: по одному изображению невозможно однозначно определить абсолютные расстояния до объектов сцены. Это приводит к необходимости восстановления масштаба с использованием дополнительной информации, например, данных от высотомера, IMU или априорных знаний о геометрии сцены. В российских исследованиях последних лет активно разрабатываются методы оценки масштаба для монокулярных систем, основанные на интеграции с инерциальными датчиками и использовании динамической модели БПЛА [16].

Стереоскопическая визуальная одометрия, напротив, позволяет получать трехмерную информацию непосредственно из пары изображений за счет известного расстояния между камерами (базиса). Это обеспечивает оценку абсолютных масштабов и более высокую точность определения положения по сравнению с монокулярным подходом. Стереосистема позволяет вычислять карту глубины для каждого кадра, что дает возможность оценивать не только относительное движение, но и абсолютные расстояния до объектов сцены. Точность стереоизмерений зависит от величины базиса и разрешения камер: увеличение базиса повышает точность на больших расстояниях, но увеличивает размеры и массу системы. Кроме того, стереоскопические системы требуют точной калибровки взаимного расположения камер и синхронизации их работы, что усложняет процесс изготовления и эксплуатации. В работах российских авторов предложены методы автоматической калибровки стереосистем непосредственно на борту БПЛА, что позволяет поддерживать точность измерений в условиях вибраций и температурных деформаций [2].

RGB-D визуальная одометрия использует камеры, которые позволяют получать как цветное изображение, так и карту глубины для каждого пикселя. Наиболее распространенными типами RGB-D сенсоров являются камеры на основе структурированной подсветки (например, Intel RealSense) и времяпролетные камеры (Time-of-Flight, ToF). Преимуществом RGB-D подхода является возможность получения плотной карты глубины с высокой частотой кадров, что обеспечивает высокую точность оценки положения и возможность построения детальных трехмерных карт окружающей среды. Однако RGB-D сенсоры имеют ограниченную дальность действия (обычно до 5-10 метров), что ограничивает их применение на БПЛА, выполняющих полеты на $$$$$$$ $$$$$$$. $$$$$ $$$$, $$$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$, $$$$$$$$ на $$$$$$$$ $$$$$$$, $$$ $$$$$$$$$ $$$$ $$$$$ $$$$$$$$$ $$$$$$ для $$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ RGB-D сенсоры $$$$$$$ применение $ $$$$$$$ $$$$$$$$$ БПЛА $ $$$$$$$$$$ и на $$$$$ $$$$$$$, $$$ их $$$$$$$$$$$ $$ являются $$$$$$$$$$$$ [10].

$$$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$. $$$$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$, $$$$$$ $$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$ $$$$$$$$ $$$$$$$$$$ $ $$$$$$$$ $$$$$$$$. $$$-$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$ $$$$$ $$$$$$$$$$$, $$ $$ $$$$$$$$ $$$$$ $$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$ $$$$$. $$$$$ $$$$$$$$, $$$ $$$$$$$$ $$$$ $$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$ $$$$$$$ $$$$$$$$$, $$$$$$$$ $$$$$ $ $$$$$$$$ $$$$$$$$ $$$$, $$$ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$$ $ $$$$$$$$.

$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$ $$$$$$$$$$$ $$ $$$. $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$ $$$$$$$ ($$$$$$$$$$$$$$$$$$$), $$$ $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$ $ $-$ $$$$. $$$-$ $$$$$$$$$, $$$$$$$$ $$ $$$$$$$$$ $$$$$$$ $$$$$ $$$$$$$ $$ $$$$$$$, $$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $ $$$$$ $$$$$$$, $$$ $$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $$$$$$$$. $$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$.

$$ $$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$, $$$ $$$$$$ $$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$. $$$$$$$$$$$$ $$$$$$$ $$$$$ $$$$$$ $$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$$, $$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$. $$$-$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$, $$$ $$$$$$ $$$$$$$ $$ $$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$ $$$$$$$$ $$$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$, $$$$$$$$, $$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$ $$$$$$$$$$ $$$ $$$-$ $$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$. $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$, $$ $$$$$$$ $$$$$$$$$$$$$$ $$$ $$$ $$$$$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$, $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$ $$ $$$$$$$$ $$$$$$$. $$$-$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$ $$$$$ $$$$$$$$$$$ $ $ $$$$$$$$$$, $$ $$$$$ $$$$$$$$$$$ $$ $$$$$$$$$ $ $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$. $$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$ $ $$$$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$. $$$$$$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$.

Продолжая сравнительный анализ алгоритмов визуальной одометрии, необходимо более детально рассмотреть особенности реализации каждого из подходов с точки зрения их применимости в системах автоматического управления БПЛА. Важным аспектом является анализ алгоритмических решений, используемых на каждом этапе обработки, и их влияние на итоговые характеристики системы. В рамках данного раздела целесообразно провести сравнение не только по типу сенсоров, но и по используемым методам выделения признаков, оценки движения и оптимизации траектории, поскольку эти факторы в значительной степени определяют эффективность работы системы в реальных условиях.

При рассмотрении монокулярной визуальной одометрии следует отметить, что одним из ключевых вызовов является обеспечение масштабной согласованности оценки. В классических алгоритмах, таких как ORB-SLAM, масштаб восстанавливается за счет использования информации от инерциальных датчиков или путем обнаружения замкнутых циклов (loop closure). Однако на практике, особенно при полетах БПЛА на открытой местности без возврата в ранее посещенные точки, обнаружение замкнутых циклов может быть затруднено. В российских исследованиях предложены методы стабилизации масштаба на основе анализа динамики изменения глубины ключевых точек и использования априорной информации о высоте полета от барометрического высотомера [22]. Такие подходы позволяют существенно снизить дрейф масштаба, однако не устраняют его полностью, что ограничивает применение чисто монокулярных систем для длительных миссий с высокими требованиями к точности.

Стереоскопическая визуальная одометрия, в свою очередь, обеспечивает прямое измерение глубины для каждой сопоставленной точки, что автоматически решает проблему масштаба. Однако качество стереоизмерений существенно зависит от точности калибровки стереопары и от текстурных свойств сцены. В областях с низкой текстурой, таких как однородное небо или гладкая водная поверхность, стереосопоставление может давать значительные ошибки или вообще не работать. Для преодоления этого ограничения в российских работах предлагается использовать адаптивные методы стереосопоставления, которые переключаются между различными алгоритмами (например, полуглобальное сопоставление SGM и локальные методы) в зависимости от характеристик текущего кадра. Кроме того, активно исследуются методы использования семантической информации для повышения качества стереоизмерений, например, путем выделения областей, заведомо непригодных для сопоставления (небо, водная поверхность), и исключения их из обработки [11].

RGB-D визуальная одометрия, несмотря на свои ограничения по дальности, имеет ряд преимуществ для специфических задач. В частности, она позволяет получать плотные карты глубины, что открывает возможности для использования методов регистрации облаков точек (ICP — Iterative Closest Point) для оценки движения. Такие методы обеспечивают высокую точность при малых перемещениях между кадрами, что характерно для режимов зависания и медленного маневрирования мультикоптеров. Кроме того, плотные карты глубины позволяют строить детальные трехмерные модели окружающей среды, что может быть полезно для задач картографирования и планирования маршрута. Однако при увеличении скорости движения и расстояния до объектов точность RGB-D одометрии резко падает, что делает ее непригодной для высокоскоростных полетов на больших высотах.

Важным аспектом $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$. $$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$ $$$$$$$$$$$, $$$$$ $$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$ $$ $ $$$$$$$$ $$$$$$$$$ $$ $$ $$$$$$ $ $$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$ $$$$$$ $$$$$$$$$$$$, $$$$$ $$$ $$$$$$ $$$$$$ $$$$ $$$ $$$, $$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$. $$$-$ $$$$$$$$$, $$$$$$$$ $ $$$$$$$$$$$$$$ $$$, $$$$$$$$$$$ $$$ $$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$$$$$$ $$ $$$$$$$$$$ $$ $$$$$$ $$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$ $ $$$, $$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $ $$$-$ $$$$$$.

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$. $$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$, $$$$$$ $ $$$$$$$$$$. $$$-$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$, $$$$$ $$$$$$$$ $$ $$$$$$$$ $$$$$$$$$, $$ $$$$$ $$$$$$$$$$ $$$$$$ $$ $$$$$$$$$$ $$$$$ $ $$$$$$$$$$$$ $$$$$$$$$. $$$ $$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$-$$$$$$$$$, $ $$$$$ $$$$$$$$$, $$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$, $$$$$ $$$ $$$$$$ $$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$ $$ $$$$$$$$$$$$$ $$$$$$$$ — $$$$$$$$$$$$, $$$$$$$$$$$$$$$$$ $ $$$-$ — $$$$$ $$$$ $$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$$. $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$, $$ $$$$$$$ $$$$$$$$$$$$$$ $$$ $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$. $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$, $$$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$ $$ $$$$$$$$ $$$$$$$. $$$-$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$ $$$$$ $$$$$$$$$$$ $ $ $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$ $$ $$$$$$$$$$$$$$$$ $$$ $$$$$ $$$$$$$$$ $ $$$$$$$$$$ $ $$ $$$$$ $$$$$$$. $$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$, $$$$$$$$$$$$$$$ $$$ $$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$, $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$ $$$$$$$$ $ $$$$ $$$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$.

Анализ аппаратных платформ и сенсоров, применяемых в системах технического зрения БПЛА

Выбор аппаратной платформы и сенсорного оборудования является критическим этапом при проектировании системы оценки положения БПЛА на основе визуальной одометрии. От правильного выбора компонентов зависят такие характеристики, как точность измерений, частота обновления данных, энергопотребление, масса и габариты системы, а также ее стоимость. Современный рынок предлагает широкий спектр камер, вычислительных модулей и дополнительных сенсоров, ориентированных на применение в беспилотной авиации. Проведение систематического анализа доступных аппаратных решений позволяет обоснованно выбрать конфигурацию, наилучшим образом соответствующую требованиям разрабатываемой системы.

При выборе камер для визуальной одометрии ключевыми параметрами являются разрешение матрицы, частота кадров, тип сенсора (CMOS или CCD), размер пикселя, чувствительность и динамический диапазон. Для задач оценки положения БПЛА оптимальным является использование камер с разрешением от 640x480 до 1280x720 пикселей при частоте кадров не менее 30 Гц. Более высокое разрешение увеличивает объем обрабатываемых данных и снижает производительность, в то время как более низкое разрешение может привести к потере мелких текстурных признаков. Важное значение имеет также тип затвора: глобальный затвор (global shutter) обеспечивает одновременную экспозицию всех пикселей, что исключает искажения, связанные с движением объекта, и является предпочтительным для высокодинамичных сцен, характерных для полетов БПЛА. В российских исследованиях подчеркивается, что использование камер с rolling shutter может приводить к значительным ошибкам в оценке положения при резких маневрах и высоких угловых скоростях [4].

Среди камер, наиболее часто используемых в российских разработках систем технического зрения для БПЛА, можно выделить модели компаний FLIR (Point Grey), IDS Imaging, Basler, а также более доступные камеры на базе сенсоров OmniVision и Sony. Для стереоскопических систем часто применяются готовые стереокамеры, такие как Intel RealSense D435, ZED Camera, Stereolabs ZED 2 и Mynt Eye. Эти устройства имеют встроенную синхронизацию кадров и предварительную калибровку, что упрощает процесс разработки. Однако их стоимость может быть существенно выше, чем стоимость двух отдельных камер с внешней синхронизацией. В работах российских авторов предлагаются методы создания стереосистем на базе двух синхронизированных камер с использованием внешнего сигнала синхронизации, что позволяет снизить стоимость при сохранении приемлемого качества измерений [25].

Выбор вычислительной платформы определяется требованиями к производительности, энергопотреблению и массогабаритным характеристикам. Для реализации визуальной одометрии в реальном времени необходим процессор с достаточной вычислительной мощностью для обработки изображений и выполнения алгоритмов компьютерного зрения. Наиболее распространенными платформами для БПЛА являются одноплатные компьютеры Raspberry Pi (модели 4 и 5), ODROID, NVIDIA Jetson (серии Nano, TX2, Xavier NX, Orin) и специализированные автопилоты с поддержкой компьютерного зрения, такие как Pixhawk с дополнительными вычислительными модулями.

Raspberry Pi и аналогичные платформы на базе ARM-процессоров обеспечивают достаточную производительность для реализации простых алгоритмов визуальной одометрии, таких как монокулярная одометрия на основе ORB признаков. Однако их возможности ограничены при работе с ресурсоемкими алгоритмами, требующими обработки стереоизображений или использования нейросетевых методов. Энергопотребление таких платформ составляет порядка 5-15 Вт, $$$ $$$$$$$$$ $$$$$$$$$$$$ их на $$$$ с $$$$$$$$$ $$$$$$$ $$$$$$$.

$$$$$$$$$ $$$$$$ $$$$$$, $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ ($$$) $ $$$$$$$$$$$$ $$$$, $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$$$$$$$$$$$, $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$. $$$$$$ $$$$$$ $$$$ $$$$$$$$$$ $$$$$ $$ $$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$ $$$ $$$$$$, $$$ $$$$$$$$$$ $$$ $$$$$$$ $$$$$. $$$$$$ $$$ $$$$$$$$$$ $$ $$ $$ $$$ $$$$$$$$$$$$$$$$$$ $.$$ $$$$$$, $ $$$$$$ $$$$$$ $$ — $$ $$ $$ $$$ $$$$$$$$$$$$$$$$$$ $$ $$$$. $$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$ $$ $$$$$ $$$$$$$$$ $$ $$$$ $$$ $$$$$$$$$$$$$$$$$ $$ $$ $$. $$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$$.

$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$ ($$$), $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $ $$$$$$$$$. $$$ $$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$ $ $$$$$$ $$$$$$$ $$$$, $$$$$ $$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$ ($$ $$$$$ $$$-$$$ $$). $$$$$ $$$$$$$$$$$$$$$$ $$$$$$$ $$$$$ $$$$$$$$ $$$$$$$$$$ $$$-$$$$, $$$$$$, $$$$$$$$$ $ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$, $$$$$ $$$ $$$$$$$$$ $$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$ $$ $$$$ $$$$$$$$$ $$$$$$$$$$ $ $$$$$, $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$ $$$$$$$$$ $$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$ $$ $$$$$ $$$$.

$$$$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$ $$$$$ $$$$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$ $$$$$$$$$, $$$$$$$$ $$$$$$$$$$$$ ($$$ $$$$$$$$$$$ $$$$$), $$$$$$$$$$$$$$$ $$$$$$$$$$ ($$$ $$$$$$$$$ $$$$$$), $$$$$$$$$ $$$$ ($$$ $$$$$$$$$$$$$ $$$$$$$$$) $ $$$$$$$$$$$$$$ $$$ $$$$$$$$ $$$$$$$$$$ ($$$ $$$$$$$$$ $$$$$$ $$$ $$$$$$$$$$$$). $$$$$$$$$$$$, $$$ $$$$$$$, $$$$$$$$$$$$ $ $$$, $$ $$ $$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$ $$$$, $$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$$$ $$$$$$$ $.$-$.$ $$$$$, $$ $$$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$ $$$$$$$ $$ $$$$$$. $$$$$$$$ $$$$$$$$$$, $$$$$ $$$ $$$$$$ $$$$$ $$$$ $$, $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$ $$ $$$$$$, $$$ $$$$$ $$$$ $$$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$, $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$. $$$$$ $$$$$ $$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$$$ $ $$$$$$$$$$, $$$$$$$ $$$$$$ $ $$$$ $$$$$$$, $$$ $$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$. $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$$: $$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$ $$$$ $$$, $$$ $$$$$$$ — $$$$$$$$$$ $$$$$$$ $ $$$, $$$$$ $$$ $$$$$$ $$$$$$. $$$$$$$$$$ $$$ $ $$$$$$ $$$$$$$ $$$$ $ $$$$$$$$$$$$$$ $$$$$$$$ ($$$$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$, $$$$$$$$ $$$$$$$$$) $$$$$$$$$ $$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$ $$$$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$$$$$ $$, $$$$$$$$$$$$$$$$$$$ $$$ $ $$$$$$$$$$$$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$.

Продолжая анализ аппаратных платформ и сенсоров, необходимо более детально рассмотреть вопросы, связанные с интеграцией выбранных компонентов в единую систему, а также с обеспечением их совместной работы в реальных условиях эксплуатации БПЛА. Одним из ключевых аспектов является обеспечение синхронизации данных между камерами, инерциальным измерительным блоком и другими датчиками. Как уже отмечалось, рассогласование во времени даже на несколько миллисекунд может привести к значительным ошибкам в оценке положения, особенно при высоких угловых скоростях и резких маневрах. Для обеспечения точной временной привязки используются как аппаратные, так и программные методы синхронизации.

Аппаратные методы синхронизации предполагают использование общего тактового генератора или сигнала синхронизации, который подается на все сенсоры одновременно. Например, для синхронизации стереокамеры и IMU может использоваться внешний сигнал, формируемый микроконтроллером, который запускает захват кадров обеими камерами и одновременно фиксирует показания IMU. Такой подход обеспечивает временную согласованность данных с точностью до микросекунд, но требует наличия соответствующих аппаратных интерфейсов на всех сенсорах. В российских разработках активно применяются программируемые логические интегральные схемы (FPGA) для формирования сигналов синхронизации и сбора данных с нескольких датчиков в единый временной поток [13].

Программные методы синхронизации основаны на интерполяции данных датчиков к моментам захвата кадров. Например, если IMU выдает данные с частотой 400 Гц, а камера — с частотой 30 Гц, то для каждого кадра изображения можно интерполировать показания IMU к моменту захвата кадра, используя ближайшие по времени измерения. Такой подход проще в реализации, но обеспечивает меньшую точность, особенно при неравномерной задержке передачи данных по шине USB или Ethernet. Для повышения точности программной синхронизации используются методы оценки временных задержек на основе анализа корреляции между данными IMU и визуальными измерениями. Российскими исследователями предложены алгоритмы автоматической калибровки временных задержек между сенсорами, которые могут выполняться непосредственно в полете [28].

Важным аспектом выбора аппаратной платформы является обеспечение достаточной пропускной способности для передачи видеоданных от камер к вычислительному модулю. Камеры с разрешением 1280x720 пикселей и частотой 30 кадров в секунду генерируют поток данных порядка 40-50 МБ/с в несжатом виде. Использование нескольких камер (например, в стереосистеме) удваивает этот объем. Передача таких объемов данных по интерфейсу USB 3.0 или GigE Vision не представляет проблемы, однако при использовании интерфейса USB 2.0 возможны задержки и потери кадров. Для снижения нагрузки на шину передачи данных применяются методы сжатия изображений, однако они увеличивают вычислительную нагрузку на процессор и могут вносить дополнительные искажения. В российских работах предлагается использовать предварительную обработку изображений непосредственно на камере с помощью встроенных FPGA или DSP-процессоров, что позволяет передавать на вычислительный модуль уже $$$$$$$$$$ $$$$$$$$, $ не $$$$$ $$$$$$$$$$$ [$].

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$ $$$ $$$$ $$$$$$ $$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$. $$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $$$$$ $$$$$$$$$$ $$ $$ $$ $$ $$ $ $$$$$$$$$$$ $$ $$$$$$$$$$$$ $$$$$$$$$$$. $$$ $$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$ $$$$$$$$$$ $$$-$$$ $$. $$$$$ $$$$$$$, $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$$$$$$$$$ $$ $$-$$%, $$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$. $$$ $$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ ($$$$), $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$.

$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$$. $$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$ $$$ $$$$$$ $$$$$$$$$$ $$ $$$$$$$ $$$$$$$$. $$$$$$$$ $$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$, $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$. $$$ $$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$ $$$ $$$$$ $ $$$, $ $$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$ $$$$$$$$$ ($$$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$ $$$$$$$), $$$ $ $$$$$$$$ ($$$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$$$) $$$$$$ $$$$$$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $$$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$$$ $$$$$ $$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$$$$$$$$, $$$$$$$$$$$$$$$$$, $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$. $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ ($$$$$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$), $$$$$$$$$$$$$$ $$$$$$ ($ $$$ $$$ $$$$$$$ $$$$$$$$$$), $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$ $ $$$$$$$$$$$$$$ $$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$. $$$ $$$$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$ $$ $$, $$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$$$$$ $$, $$$$$$$$$$$$$$$$$$ $$$ $ $$$$$$$$ $$$ $$, $$$$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$. $$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$, $ $$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$$ $ $$$$$$$$$$$$$.

Исследование ограничений и погрешностей визуальной одометрии в условиях реального полета

Визуальная одометрия, несмотря на свои значительные преимущества как метод навигации, не лишена ряда ограничений и подвержена влиянию различных факторов, приводящих к погрешностям оценки положения. Для успешной интеграции визуальной одометрии в систему автоматического управления БПЛА необходимо глубокое понимание источников ошибок, их характера и величины, а также разработка методов компенсации или минимизации их влияния. В условиях реального полета на точность визуальной одометрии влияют такие факторы, как условия освещения, текстура наблюдаемой сцены, динамика движения БПЛА, вибрации, атмосферные явления и ограничения вычислительных ресурсов.

Одним из наиболее значимых источников погрешностей является изменение условий освещения. В реальных полетах БПЛА может сталкиваться с резкими перепадами освещенности при переходе из тени на солнце, с бликами от водной поверхности или снега, а также с постепенным изменением освещения в течение суток. Алгоритмы визуальной одометрии, основанные на выделении и сопоставлении характерных точек, чувствительны к таким изменениям, поскольку дескрипторы точек могут существенно меняться при изменении яркости и контраста. В российских исследованиях показано, что даже при использовании инвариантных к освещению дескрипторов (например, SIFT) ошибка оценки положения может возрастать в 2-3 раза при резких перепадах освещенности [15]. Для компенсации этого эффекта применяются методы адаптивной коррекции экспозиции, гамма-коррекции и использования градиентных признаков, менее чувствительных к изменениям яркости.

Недостаточная текстура наблюдаемой сцены является еще одним серьезным ограничением. При полетах над однородными поверхностями, такими как водная гладь, снежные поля, пустыни или гладкие крыши зданий, количество характерных точек, которые можно выделить на изображении, резко сокращается. Это приводит к уменьшению числа соответствий между кадрами и, как следствие, к снижению точности оценки положения или полной потере возможности оценить движение. В экстремальных случаях, когда текстура полностью отсутствует, визуальная одометрия становится неработоспособной. Для преодоления этого ограничения в российских работах предлагается использовать комбинированные методы, объединяющие визуальную информацию с данными инерциальных датчиков, а также применять алгоритмы, способные работать с ограниченным числом признаков, например, на основе прямых методов, использующих интенсивность пикселей [17].

Динамика движения БПЛА также вносит существенный вклад в погрешности визуальной одометрии. При высоких угловых скоростях и резких маневрах происходит значительное смещение изображения между последовательными кадрами, что затрудняет сопоставление характерных точек. Кроме того, при использовании камер с rolling shutter возникает эффект "желеобразного" искажения изображения, когда разные строки кадра сняты в разные моменты времени. Это приводит к геометрическим искажениям, которые могут вызывать значительные ошибки в оценке положения. Для минимизации этих эффектов используются камеры с глобальным затвором, а также алгоритмы компенсации искажений rolling shutter на основе данных IMU. В российских исследованиях разработаны методы прогнозирования положения характерных точек на основе динамической модели движения, что $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ при высоких скоростях [$$].

$$$$$$$$, $$$$$$$$$$$ $$$ $$$$$$ $$$$$$$$$$ $ $$$$$$ $$$$, $$$$$$$$ $$$ $$$$$ $$$$$$$$$$ $$$$$$$$$$$$. $$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$, $$$ $$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$ ($$$$$$ $$$$) $ $$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$. $$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$$$ $$ $$$$$$ $$$$ $ $$$$$$$ $$$$$$$$$$$$. $$$ $$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$ $$$ $$$$$$, $ $$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$ $$$, $$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$ $$ $$$$$$$$$$$$ $$$$$.

$$$$$$$$$$$ $$$$$$$, $$$$$ $$$ $$$$$, $$$, $$$$ $ $$$$$$, $$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$. $$$$$$$$$ $$$$$ $ $$$$$$ $$$$$$$$ $ $$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$, $$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$. $$$$$ $ $$$$ $$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$, $$$$$$$$$$ $$$$$$ $ $$$$$$$, $$$ $$$$$ $$$$$$$$$ $ $$$$$$$ $ $$$$$$ $$$$$$$$. $$$ $$$$$$ $ $$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$ $$$$$$ $ $$$$$ $ $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$, $$$$$$ $$ $$$$$$$$$$ $$ $$$$$ $$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$.

$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$ $$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$. $$$ $$$$$$ $ $$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$ $$ $$$$$$$$$$$$ $$$$$, $$$ $$$$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$. $$$$$$$$$$ $$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$, $$$ $$$$$ $$$$$$$ $$$$$$$$ $$$$$$. $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$ $$ $$$$$$$ $$$$$$$: $$$ $$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$ $ $$$$$$$ $$$$$$$$$, $ $ $$$$$$$ $$$$$$$$ — $$$$$$$$$$$$$ $$ $$$$$ $$$$$$$$$$$$, $$ $$$$$$ $$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$ $$$$$, $$$$$$$ $$$$$$$$ $$$$$$$$, $$$$$$$$, $$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$. $$$$$$ $$ $$$$ $$$$$$$$ $$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$ $$$$$$ $$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$. $$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$$, $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$, $$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $$$$$ $ $$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$$. $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$$$$$ $ $$$$ $$$$$$$ $$$$$$ $$$$ $$$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$, $ $$$$$ $$ $$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$.

Продолжая исследование ограничений и погрешностей визуальной одометрии в условиях реального полета, необходимо более детально рассмотреть вопросы, связанные с накоплением ошибки во времени (дрейфом) и методами его компенсации. Дрейф является фундаментальной проблемой для всех методов одометрии, основанных на последовательном интегрировании относительных перемещений. Даже при идеальной работе на каждом отдельном шаге небольшие ошибки в оценке движения между кадрами накапливаются, приводя к неограниченному росту погрешности определения абсолютного положения. Скорость накопления дрейфа зависит от множества факторов, включая качество выделения и сопоставления признаков, точность калибровки камеры, условия освещения и динамику движения.

В российских исследованиях проведен количественный анализ скорости накопления дрейфа для различных типов визуальной одометрии в условиях полета БПЛА. Показано, что для монокулярной одометрии без использования инерциальных датчиков дрейф может составлять от 5 до 15 процентов от пройденного пути в зависимости от условий. Для стереоскопической одометрии этот показатель снижается до 1-5 процентов, а при интеграции с IMU (визуально-инерциальная одометрия) может быть уменьшен до 0.1-1 процента [23]. Эти цифры демонстрируют важность комбинирования визуальных данных с инерциальными измерениями для снижения дрейфа. Однако даже при использовании VIO дрейф остается недопустимо высоким для длительных миссий, что требует применения дополнительных методов коррекции.

Одним из наиболее эффективных методов борьбы с дрейфом является обнаружение замкнутых циклов (loop closure). Суть метода заключается в том, что при повторном посещении ранее наблюдаемой области сцены производится сопоставление текущего изображения с изображениями, сохраненными в памяти системы. При обнаружении совпадения (замкнутого цикла) вычисляется ошибка между текущей оценкой положения и положением, соответствующим сохраненному изображению. Эта ошибка затем используется для коррекции всей траектории с помощью методов графовой оптимизации (Pose Graph Optimization). Обнаружение замкнутых циклов позволяет существенно снизить накопленный дрейф, однако требует хранения большого количества изображений или их дескрипторов в памяти, что может быть проблематично для бортовых систем с ограниченными ресурсами.

В российских работах предложены методы эффективного обнаружения замкнутых циклов, основанные на использовании компактных бинарных дескрипторов и методов индексации, таких как Bag of Words (BoW) и его модификации. Эти методы позволяют хранить в памяти дескрипторы тысяч изображений и выполнять поиск совпадений за время, не превышающее нескольких миллисекунд. Однако обнаружение замкнутых циклов эффективно только при наличии повторно посещаемых областей, что не всегда гарантировано в типовых полетных миссиях. Для миссий, не предполагающих возврата в ранее посещенные точки, замкнутые циклы могут отсутствовать, и дрейф будет неограниченно накапливаться [29].

Другим методом компенсации дрейфа является использование абсолютных измерений от других датчиков. Наиболее очевидным источником абсолютных измерений является приемник ГНСС, который может периодически корректировать оценку положения, полученную от визуальной одометрии. Однако, как уже отмечалось, в условиях отсутствия сигнала ГНСС этот метод недоступен. Альтернативными источниками абсолютных измерений могут быть магнитометр (для коррекции курса), барометрический высотомер (для коррекции высоты), а также методы визуальной навигации по известным ориентирам, таким как здания, дороги или специальные маркеры на местности.

Важным аспектом, связанным $ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$ $$ $$$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$. $$$ $$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$ ($$$$$$$$, $$$ $$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$) $$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$ $$$$ $$$$$$$$$$$$, $$$$$$$$$ $$$$$$$$$ $$$$$$/$$$ $$$ $$$$$ $$$$$$$$$$$ $$$$$$$$. $$$ $$$$$$$ $$$$$$$$$$$$, $$$$$$$$, $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$, $$ $$$$$$$$$$ $$$$$$ $$$$$$ $$ $$$$ $$$$$$$$$$. $$$ $$$$$$$$ $ $$$$, $$$ $$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$, $$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$ $$$ $$$$$ $$$$$$$$$, $$$$$ $$$ $$$$$$$ $$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$. $$$ $$$$$$$ $$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$, $$$$$$$ $$$$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$ $ $$$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$ $ $$$$$$$$$ $$$$$$$$.

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$. $$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$ ($$$$$$$$ $$$$$$$$$$, $$$$$$$$$$ $$$$$$$ $$$$$, $$$$$$$$$$$$ $$$$$$$$$) $$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$ $$$$$$$$$, $$$$$$$ $$$$$$$$$$$$$ $$ $$$$$$$$. $$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$, $$$$$$$$$ $$$ $$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$. $ $$$$$$$$$$ $$$$$$$ $$$$$$$$, $$$ $$$$$$ $ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$ $$ $.$ $$$$$$$$ $$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$ $ $$$$$ $$ $$$$$$$$ $$$$$$$$$$$ $$$$. $$$ $$$$$$$$$$$ $$$$ $$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $ $$$$$$, $ $$$$$ $$$$$$ $$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$ $$$ $$$$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$ $$ $$$$ $$$$$$$$$$$$ $$$$$$$$$, $$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$. $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$ $$$$$$$$. $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$ $$ $$$$ $$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$. $$$$$ $$$$, $$$$$$ $$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$, $$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$ $ $$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$ $ $$$$ $$$$$$$ $$$$$$ $$$$ $$$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$, $ $$$$$ $$ $$$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$. $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$ $$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$.

Разработка архитектуры и алгоритмического обеспечения системы технического зрения для оценки положения

На основе результатов теоретического анализа и сравнительного исследования существующих методов и аппаратных решений, представленных в предыдущих главах, в данном разделе осуществляется непосредственная разработка архитектуры системы технического зрения, предназначенной для оценки положения БПЛА. Разработка архитектуры является ключевым этапом, определяющим структуру взаимосвязей между компонентами системы, потоки данных и алгоритмы обработки. Предлагаемая архитектура должна обеспечивать требуемую точность, надежность и вычислительную эффективность при ограничениях, накладываемых бортовой аппаратурой и условиями реального полета.

Разрабатываемая архитектура системы технического зрения строится на основе модульного принципа, что обеспечивает гибкость конфигурации, возможность поэтапного тестирования и модернизации отдельных компонентов. В состав системы входят следующие основные модули: модуль захвата и предварительной обработки изображений, модуль выделения и сопоставления признаков, модуль оценки движения, модуль интеграции с инерциальными данными и модуль оптимизации траектории. Каждый модуль реализует строго определенный набор функций и взаимодействует с другими модулями через стандартизированные интерфейсы передачи данных. Такая организация позволяет независимо разрабатывать и тестировать каждый компонент, а также заменять отдельные алгоритмы без изменения общей структуры системы [45].

Модуль захвата и предварительной обработки изображений отвечает за получение кадров от стереокамеры, их синхронизацию и подготовку к дальнейшей обработке. На вход модуля поступают необработанные изображения с двух камер, которые проходят этапы коррекции дисторсии, выравнивания яркости и контраста, а также устранения шумов с использованием медианного фильтра или фильтра Гаусса. Для стереопары дополнительно выполняется ректификация изображений — преобразование, при котором эпиполярные линии становятся горизонтальными, что существенно упрощает последующее стереосопоставление. В российских исследованиях подчеркивается важность качественной предварительной обработки, поскольку ошибки на этом этапе могут необратимо снизить точность всей последующей оценки положения [34]. Модуль работает с фиксированной частотой, определяемой частотой кадров камеры (30 Гц), и передает подготовленные изображения в модуль выделения признаков.

Модуль выделения и сопоставления признаков реализует ключевые алгоритмы компьютерного зрения, обеспечивающие нахождение характерных точек на изображениях и установление соответствий между ними. Для разрабатываемой системы выбран гибридный подход, сочетающий использование детектора FAST (Features from Accelerated Segment Test) для быстрого выделения угловых точек и дескриптора BRIEF (Binary Robust Independent Elementary Features) для их описания. Данный выбор обусловлен необходимостью обеспечения высокой вычислительной эффективности при сохранении приемлемого качества сопоставления. Детектор FAST позволяет выделять характерные точки за время порядка нескольких миллисекунд на кадр, а бинарный дескриптор BRIEF обеспечивает быстрое вычисление расстояния Хэмминга при сопоставлении. Для повышения устойчивости к изменениям масштаба и вращения используется модифицированная версия ORB (Oriented FAST and Rotated BRIEF), которая добавляет к дескриптору информацию об ориентации точки.

Сопоставление признаков между кадрами выполняется в два этапа. На первом этапе производится грубое сопоставление на основе $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$$$ $$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$$. На $$$$$$ этапе $$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$ $$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$$. $$$ $$$$$$$$$$ $$$$$$$$$$$$$ выполняется сопоставление признаков между $$$$$ $ $$$$$$ $$$$$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$. $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ этапа $$$$$$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$ $$$$$ $ $$$$$$$$$$$$$$$ $$ $$$$$$$$$ на основе $$$$$$$$$$ $$$$$$ $$$$$$$$ [$$].

$$$$$$ $$$$$$ $$$$$$$$ $$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$. $$$ $$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$ $$$$$$$$$$$-$-$$$$$ ($$$), $$$$$$$ $$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$ $ $$ $$$$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$. $ $$$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$-$$$$$$$$$ $$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$, $$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$. $$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$$, $$$$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$.

$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$ $$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$ $$$ $ $$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$. $$$$$$$$$ $$$$$$$ $$$$$$$$ $$ $$$$$$$$$$: $$$ $$$$$$$$$$ $$$$$$$$$, $$$ $$$$ $$$$$$$$$$, $$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$, $ $$$$$ $$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$. $$$$$$$$$ $$ $$$ $$$$$$$$$ $ $$$$$$$$ $$$ $$ $ $$$$$$$$$$$$ $$$ $$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$$, $$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$ $$. $$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$. $$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ ($$ $$$ $$) $$$ $$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$.

$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$. $ $$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$ ($$$$$$$$$), $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$. $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$ ($$$$$$$$ $ $$$$$ $$$$$$$$$$ $$$$$$$) $$$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$, $$$ $$$$$$$$$ $$$$$$$$$$$$$$$ $$$ $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$. $$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$, $$$$$$$$$$$$$$ $$$ $$$$$$ $$ $$$$$$$$$$$$ $$$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$ $$$$$$$. $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$ $$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$. $$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$.

Продолжая разработку архитектуры и алгоритмического обеспечения системы технического зрения для оценки положения, необходимо более детально рассмотреть вопросы, связанные с реализацией подсистемы управления ключевыми кадрами и стратегией обнаружения замкнутых циклов. Выбор ключевых кадров является критическим фактором, влияющим как на точность оценки положения, так и на вычислительную нагрузку и объем используемой памяти. Слишком частое сохранение ключевых кадров приводит к быстрому росту базы данных и увеличению времени обработки, в то время как редкое сохранение может привести к потере информации, необходимой для точной оценки и обнаружения замкнутых циклов.

В разрабатываемой системе применяется адаптивная стратегия выбора ключевых кадров, основанная на анализе нескольких критериев. Первым критерием является величина перемещения камеры с момента последнего сохраненного ключевого кадра. Если БПЛА переместился на расстояние, превышающее заданный порог (например, 0.5 метра), текущий кадр сохраняется как ключевой. Вторым критерием является изменение угла ориентации: если поворот камеры превышает заданный порог (например, 10 градусов), кадр также сохраняется. Третьим критерием является количество новых характерных точек, появившихся в кадре: если число точек, не наблюдавшихся в предыдущих ключевых кадрах, превышает порог (например, 50 точек), кадр сохраняется. Комбинация этих критериев позволяет обеспечить равномерное покрытие траектории ключевыми кадрами при минимальном их количестве [50].

Каждый ключевой кадр хранит не только само изображение, но и набор выделенных характерных точек с их дескрипторами, трехмерными координатами (для стереосистемы) и информацией о ковариации. Для уменьшения объема памяти дескрипторы хранятся в бинарном формате, а сами изображения могут сохраняться в сжатом виде (JPEG с низким качеством) или не сохраняться вовсе, если используется только информация о точках. В российской практике разработаны методы эффективного сжатия и индексации ключевых кадров, позволяющие хранить информацию о тысячах кадров в оперативной памяти объемом несколько гигабайт [41].

Обнаружение замкнутых циклов реализуется с использованием метода Bag of Words (BoW), который позволяет быстро находить кандидаты на совпадение среди большого количества сохраненных ключевых кадров. Суть метода заключается в построении визуального словаря, где каждому характерному дескриптору ставится в соответствие визуальное слово из заранее обученного словаря. Каждый ключевой кадр представляется в виде гистограммы визуальных слов, что позволяет эффективно сравнивать кадры между собой. При поступлении нового ключевого кадра вычисляется его гистограмма и выполняется поиск среди сохраненных кадров, имеющих наиболее похожие гистограммы. Для ускорения поиска используется инвертированный индекс, который позволяет быстро находить кадры, содержащие те же визуальные слова, что и текущий кадр.

После нахождения кандидата на замкнутый цикл выполняется проверка геометрической согласованности с использованием алгоритма RANSAC. Если количество геометрически согласованных соответствий превышает порог (например, 20 точек), замкнутый цикл считается подтвержденным. Затем выполняется оптимизация графа $$$, $ $$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$ $$$$$$$$ $$$$$$ с $$$$$$ $$$$$$$$$$$$$ $$$$$. $$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$$$ на $$$$$$ $$$$$$$$$$-$$$$$$$$$$, $$$$$$$$$$$$$$ $$$ $$$$$$ на $$$$$$$$$$$$ $$$$$$$$$$ с $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$.

$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$. $$$$$$$$$$$ $$$$$ $$$ $$$$$ $$$$ $$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$ $$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$. $$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$ $$$$$ $$$$$$$ $$$$$$ $$$$$, $ $$$$$$$$$$$$, $$$$$$$$, $$$$$ $$$$$$$$$$ $$$$$$ $$-$$ $$$$$$$$ $$$$$$ $$$ $$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$. $$$$$ $$$$, $$$$$$$$$$$ $$$$$ $$$$$$$$$$$ $ $$$$$$$$$ $$$$$$, $$ $$$$$$$$ $$$$$$$$ $$$$ $$$$$$$$$ $$$$$$$$$$$. $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$, $$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$, $ $$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$.

$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$. $ $$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$ $ $$$$$$ $$$$$$$$$ $$$$$$$, $$$$$ $$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$ $$$$$$ $$$ $$$$ $ $$$$$$ $$$. $$$ $$$$$$$$$ $$$$$ $$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$ $ $$$$$$$$$$$$ $ $$$$$$$$$ $$$$$$. $$$$$$$$, $$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$$$$$$$ $ $$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$$$ $$$$$$$$$ $$ $$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$ $ $$$$$$$$$. $$$ $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$. $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$ $$$ $ $$$$$$$$$$$$ $$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$ $$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ — $$ $$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$ $$$$$$$ $$$$$$$$$$, $$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$, $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$, $$$$$$$$$$ $ $$$$$$$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$ $$$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$$$$$ $$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$ $$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$. $$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$ $ $$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$.

Программная реализация модуля визуальной одометрии и его интеграция в систему автоматического управления

На основе разработанной архитектуры и алгоритмического обеспечения, представленных в предыдущем разделе, в данном разделе описывается процесс программной реализации модуля визуальной одометрии и его интеграции в систему автоматического управления БПЛА. Программная реализация является ключевым этапом, преобразующим теоретические и проектные решения в работающий программный продукт, способный функционировать на бортовом вычислителе в реальном времени. При разработке программного обеспечения учитывались требования к производительности, надежности, модульности и возможности дальнейшего расширения функциональности.

Выбор языка программирования и среды разработки осуществлялся на основе анализа требований к производительности и доступности библиотек компьютерного зрения. Основным языком программирования выбран C++17, обеспечивающий высокую производительность и прямой доступ к аппаратным ресурсам. Для реализации алгоритмов компьютерного зрения используется библиотека OpenCV версии 4.8, которая предоставляет широкий набор функций для обработки изображений, выделения признаков, калибровки камер и решения задач геометрии. Для реализации расширенного фильтра Калмана и графовой оптимизации применяются библиотеки Eigen и g2o соответственно. Среда разработки — Visual Studio Code с набором плагинов для C++ и интеграцией с системой сборки CMake. В российских исследованиях подчеркивается, что использование современного стандарта C++ и оптимизированных библиотек позволяет достичь максимальной производительности на встраиваемых платформах [35].

Программная реализация модуля визуальной одометрии выполнена в виде набора взаимосвязанных классов, каждый из которых соответствует определенному модулю архитектуры. Класс CameraHandler отвечает за захват изображений со стереокамеры, их синхронизацию и предварительную обработку. Он инкапсулирует работу с драйверами камеры, обеспечивает буферизацию кадров и передачу их в следующий модуль через очередь сообщений. Класс FeatureExtractor реализует алгоритмы выделения и сопоставления признаков, используя детектор ORB и алгоритм RANSAC. Класс MotionEstimator вычисляет относительное движение камеры на основе сопоставленных признаков с использованием PnP-решателя. Класс EKFFilter реализует расширенный фильтр Калмана для слияния визуальных и инерциальных данных. Класс PoseGraphOptimizer отвечает за обнаружение замкнутых циклов и оптимизацию графа поз. Такая объектно-ориентированная структура обеспечивает модульность, удобство тестирования и возможность замены отдельных компонентов.

Особое внимание при реализации уделено обеспечению работы в реальном времени. Для этого используется многопоточная архитектура, в которой основные этапы обработки выполняются в отдельных потоках. Поток захвата изображений работает с наивысшим приоритетом и обеспечивает минимальную задержку при получении кадров. Поток выделения и сопоставления признаков выполняется параллельно с потоком оценки движения, что позволяет совмещать обработку текущего кадра с анализом предыдущего. Поток фильтрации Калмана работает с частотой 400 Гц, обрабатывая данные IMU и выполняя коррекцию при поступлении визуальных измерений. Поток оптимизации графа поз запускается периодически или при обнаружении замкнутого цикла и выполняется с более низким приоритетом. Для синхронизации потоков используются мьютексы и условные переменные, что позволяет $$$$$$$$ $$$$$$$$$ $$$$$ при $$$$$$$ $ $$$$$ $$$$$$ [$$].

$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$$$$$$$$$$$$ $$$$$ $$$$$$$$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$ ($$$$$ $$$ $$$$$$$ $$$$). $$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$ $$$$$$$ $$$$$ $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$, $$$$$$$ $$$$$$$ $ $$$$ $$$$$$. $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$ ($$$$$$$$$$ $, $, $ $ $$$$ $$$$$$$$$$) $ $$$$$$$$ $$ $ $$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$ $$$ $$ $$$$$$$$$ $$$ $$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$ $$$$$$$$. $$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$-$$ $$, $$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$.

$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ ($$$/$$$$), $ $$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$$$$$$ $$$$$. $ $$$$$$ $$$$$$ $$$$$ $$$ $$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $ $$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$. $$$$$$$$$, $ $$$$ $$$$$$$, $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$ $ $$$$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$, $$$$$ $$$ $$$$$$$$$$$$ $$$$$$$ $$$ $$$$$$$$ $$$$. $$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$ $$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$$$$.

$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$ ($$$$$$$$$ $$$$$$$$$$$). $$$ $$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$$$$$$$$$ $$$$$, $$$ $$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$ $$ $$$$$ $$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$ $$$$ $ $$$$$$$$$$ $$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$ $ $$$$$$$ $$$$ $$$$. $ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$$ $$ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ [$$].

$$$ $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$, $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$ $ $$$$$$$$$ $$$$$$$$. $$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$ $$$$ ($$ $$$$ $$$$$$ $$$ $$$$$$), $$$$$$$$$ $$$$$$, $$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$, $ $$$$$$$$$ $$$. $$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $ $ $$$$$$$ $$$$$$$$$ $$$$$$$, $$$$$$$ $$$$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$ $$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$ $$$$$ $++ $ $$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$ $$ $$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$ $$$$$$$$ $$$$$$$, $$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$.

Продолжая описание программной реализации модуля визуальной одометрии и его интеграции в систему автоматического управления, необходимо более детально рассмотреть вопросы, связанные с оптимизацией производительности и обеспечением надежности программного обеспечения в условиях реальной эксплуатации. Одним из ключевых требований к бортовому программному обеспечению является его способность функционировать без сбоев в течение длительного времени, что особенно важно для выполнения продолжительных полетных миссий. Для обеспечения этого требования в разрабатываемом программном комплексе реализован ряд механизмов, направленных на предотвращение типичных проблем, таких как утечки памяти, взаимные блокировки потоков и переполнение буферов данных.

Управление памятью является критическим аспектом для систем, работающих в реальном времени на платформах с ограниченными ресурсами. В разработанном программном обеспечении используется стратегия предварительного выделения памяти (memory pooling) для основных структур данных, таких как изображения, списки характерных точек и матрицы ковариации. Это позволяет избежать фрагментации кучи и снизить накладные расходы на динамическое выделение и освобождение памяти. Для хранения ключевых кадров и их дескрипторов используется кольцевой буфер фиксированного размера, который автоматически вытесняет наиболее старые кадры при достижении лимита. Такой подход гарантирует, что объем используемой памяти не будет неограниченно расти со временем, что особенно важно для длительных миссий [37].

Обработка исключительных ситуаций и сбоев реализована на нескольких уровнях. На уровне отдельных модулей используются механизмы try-catch для обработки исключений, связанных с некорректными данными или ошибками ввода-вывода. На уровне системы в целом реализован сторожевой таймер (watchdog), который отслеживает время выполнения основных циклов обработки. Если какой-либо модуль не завершает обработку в течение заданного времени (например, 100 миллисекунд), watchdog инициирует перезапуск соответствующего модуля или всей системы. В российских исследованиях подчеркивается, что использование сторожевых таймеров является обязательным требованием для бортового программного обеспечения, работающего в критических по безопасности приложениях [33].

Для обеспечения детерминированного времени обработки в разработанном программном обеспечении применяются методы статического анализа времени выполнения. Для каждого модуля определены максимальные и типичные времена выполнения, которые измеряются в процессе симуляционного тестирования. На основе этих данных устанавливаются приоритеты потоков и размеры буферов, гарантирующие, что ни один модуль не будет заблокирован в ожидании данных более заданного времени. Кроме того, для критических по времени операций, таких как обработка данных IMU, используются алгоритмы с фиксированным временем выполнения, не зависящим от объема входных данных.

Интеграция модуля визуальной одометрии с автопилотом требует также решения вопросов, связанных с синхронизацией времени. Как уже отмечалось, оценка положения, полученная от визуальной одометрии, должна быть привязана к тому моменту времени, когда было сделано соответствующее изображение. Для этого каждый кадр изображения снабжается временной меткой, полученной от системных часов бортового вычислителя. Автопилот, в свою очередь, использует собственные системные часы, которые могут быть синхронизированы с часами вычислителя по протоколу PTP (Precision Time Protocol) или NTP (Network Time Protocol). $ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$ времени $$$$$ $$$$$$ $$$ ($$$$$ $$$ $$$$$$) от $$$$$$$$$ $$$$, $$$ $$$$$$$$$$$$ $$$$$$$$ временной $$$$$$$$ $$ $$$$$$ $$$$$$$$$$$ [$$].

$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$. $$$ $$$$$ $ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$, $$$$$$$ $$$$$$$$$$ $ $$$$ $$$ $$$$$$$$ $$ $$$$$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$$ $$$$ $$$$$$$: $$$$$ $$$$$$$$$ $$$$$$$ $$$$$, $$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$, $$$$$$$$$ $$$$$$$ $$$$$$$, $$$$$$$$$$$$ $$$$$$$$$ $$$$$ $ $$$$$$$$$ $$$$$$. $$$ $$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$$, $$$$$$$ $$ $$$$ $$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$. $$$$$ $$$$, $$ $$$$$$$$ $$$$$$$ $ $$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$: $$$$$$$$$$ $$$$$$$$, $$$$$$$$$ $$$$$$$$$$$ $$$$$ $ $$$$$ $$$$$$$.

$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$$. $$$$ $$$$$$, $$$$$$$$$$ $$ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $$ $$$$$$$$, $$$$$$$$$$$ $$ $$$$$$ $$$$$$$$$$$$ $$$$$$ ($$$$$$$$, $$$$$ $$$ $$ $ $$$$$$ $$$ $$ $$$$$$$$), $$$$$$$ $$$$$$$$$ $ $$$$$ $$$$$$$$. $ $$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$, $$ $$ $$$$$$ $$ $$$$$$$$$$$$ $$$ $$$$$$$$$$ $$ $$$ $$$, $$$$ $$ $$$$$ $$$$$$$$$$$$ $$ $$$$$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$ $$ $$$$$$ $$$$$$$$$ $$$$$$$$ ($$$$$$$$, $$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$$$$) $$$ $$$$$ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$$$$$, $$$$$$$$$$ $ $$$$$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$, $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$, $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$ $ $$$$$$$ $$$$$$$$$$$ $$$$$$$. $$$$$$$$$$ $ $$$$$$$$$$$ $$$$$ $$$$$$$$ $$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$ $$$$$$$$$ $ $$$$$$ $$$$$$$$$$. $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$ $$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$, $$$$$$$$$$$$ $$ $$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $ $$$$$$$$ $$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$ $$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$ $$$$$$ $$ $$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $ $ $$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$ $$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$.

Экспериментальные исследования разработанной системы: оценка точности, быстродействия и устойчивости

Завершающим этапом разработки системы оценки положения БПЛА на основе визуальной одометрии является проведение экспериментальных исследований, направленных на проверку работоспособности, оценку точности, быстродействия и устойчивости разработанной системы в условиях, приближенных к реальным. Экспериментальные исследования позволяют подтвердить теоретические положения, выявить практические ограничения и определить направления дальнейшего совершенствования системы. В данном разделе описывается методика проведения экспериментов, используемое оборудование и полученные результаты.

Экспериментальные исследования проводились в три этапа. Первый этап включал лабораторные испытания на симуляционном стенде, где моделировались различные сценарии полета с известными эталонными траекториями. Второй этап предусматривал испытания на наземном мобильном роботе, оснащенном тем же набором сенсоров, что и БПЛА, что позволило проверить работу системы в реальных условиях без риска повреждения оборудования. Третий этап включал натурные летные испытания на БПЛА мультикоптерного типа в условиях открытой местности. Для каждого этапа были определены контролируемые параметры и методы оценки точности.

Для проведения лабораторных испытаний использовался симуляционный стенд на базе Gazebo, который позволял моделировать полет БПЛА в различных сценариях: полет по прямой, полет с поворотами, полет над однородной поверхностью, полет в условиях изменяющегося освещения. Эталонная траектория формировалась симулятором с точностью до миллиметра. Разработанная система визуальной одометрии обрабатывала синтезированные изображения и формировала оценку положения, которая сравнивалась с эталонной траекторией. Для оценки точности использовались следующие метрики: среднеквадратическая ошибка (RMSE) по положению и ориентации, максимальная ошибка, а также относительная ошибка на пройденный путь. Результаты лабораторных испытаний показали, что среднеквадратическая ошибка оценки положения не превышает 0.15 метра на 100 метров пройденного пути, а ошибка ориентации — 0.5 градуса [40].

Второй этап экспериментальных исследований проводился на наземном мобильном роботе, оснащенном стереокамерой Intel RealSense D435, вычислительным модулем NVIDIA Jetson Xavier NX и инерциальным измерительным блоком BMI160. Робот перемещался по заранее размеченной траектории в помещении и на открытой площадке. Эталонная траектория определялась с помощью системы захвата движения OptiTrack, обеспечивающей точность позиционирования до 0.1 миллиметра. Испытания на роботе позволили проверить работу системы в реальных условиях освещения и при наличии вибраций, характерных для движущейся платформы. Результаты показали, что точность оценки положения несколько снизилась по сравнению с симуляционными испытаниями: RMSE составила 0.25 метра на 100 метров пути. Это объясняется влиянием реальных шумов сенсоров и неточностей калибровки [48].

Натурные летные испытания проводились на БПЛА мультикоптерного типа DJI Matrice 300 RTK, оснащенном разработанной системой технического зрения. Полет выполнялся на высоте 10-20 метров над поверхностью с естественной текстурой (трава, гравий, асфальт). Эталонная траектория определялась с помощью дифференциальной системы ГНСС (RTK GPS), обеспечивающей точность позиционирования до 2-3 сантиметров. В ходе испытаний выполнялись полеты по прямоугольному маршруту протяженностью 500 метров с различными скоростями (от 1 до 5 м/с). $$$$$$$$$$ $$$$$$ испытаний $$$$$$$$, $$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ точность $$$$$$ $$$$$$$$$ с $$$$ $$$$$$$ $.$ $$$$$ на $$$ метров $$$$$$$$$$$ $$$$ $$$ $$$$$$$$ $$$$$$ до 3 м/с. $$$ $$$$$$$$$$ $$$$$$$$ до 5 м/с точность $$$$$$$$$ до $.$ $$$$$ на $$$ метров, $$$ $$$$$$$ с $$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$ [$$].

$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$ $$$$$ $ $$$$$$$ $$$$$$ $$$$$$ $$$$$$$$$. $$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$$$$$ $$ $ $$$$$$$$$ $$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$ $$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$ $$ $$$$$$$$$$$, $$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$ $$ $$. $$$ $$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$ $$ $$$$$$$$$ $$ $$$$$$$$$$$, $$$ $$$$$$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$ $$$$ $$$ $$$$$$$ $$$$$$$$$. $$$$$$$$$$$$$ $$$$$$$ $$ $$$$$$$ $$$$$$$$$: $$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$ — $ $$, $$$$$$$$$ $$$$$$$$$ — $$ $$, $$$$$$$$$$$$$ $$$$$$$$$ — $ $$, $$$$$$ $$$$$$$$ — $ $$, $$$$$$$$$$ $$$$$$$ — $ $$, $$$$$$ $$$$$$$$ — $ $$. $$$$$ $$$$$$$, $$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$.

$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$ $$$$$ $$$$$$$ $$ $$$$$$ $ $$$$$$$ $$$$$$$$: $$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$ $$$ $$$$$$$$$$$ $$$$$$$$$$$$$, $$$ $$$$$$$ $$$$$$$ $$$$$$$$$ $ $$$ $$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$. $$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$ $$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$ $$ $$$ $$ $$$$$ $$$$, $$$ $$$$$$$$$$$$$ $$$$$$$$ $$ $$$$$$$$$ $$$$$$ $$ $$$$$$ $$$$$$$$$$ $$$. $$$ $$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$$ ($$$$$$$ $$$ $$$$$$$$) $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $ $-$ $$$$, $$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$. $$$ $$$$$$ $$$$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$ $$ $$$$$$$$ $ $$$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$, $$ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$ $$$$$$$$$$$$ $$$$$$$$. $$$ $$$$$$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$ ($$ $ $$$$$$) $$$$$$$ $$$$$$$ $$$$$$$$$$ $ $$$$$ $$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$ $$$$$ $$$$$$$$$ $$$$$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $ $$$$$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$, $$$$$$$$$$$$$$ $ $$$$$$$$$$$$. $$$$$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$ $$$ $$$$$$$$$ $$$$$$$$. $$$$$$$$$ $$ $$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$ $ $$$$$$ $$$$$ $$$$$$$$. $$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$ $$$$$$$$$ $$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$ $ $$$$$$$$$, $$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$. $$$$$$ $$$$$$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$ $$$$$$$$ $ $$$$$$$$ $$$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$ $$ $$. $$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$, $$$$$$$ $$$$$$$. $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$.

Продолжая описание экспериментальных исследований разработанной системы, необходимо более детально рассмотреть результаты анализа устойчивости системы к различным дестабилизирующим факторам, а также провести сравнительный анализ полученных характеристик с существующими аналогами. Устойчивость системы к внешним воздействиям является критическим параметром, определяющим возможность ее практического применения в реальных условиях эксплуатации БПЛА. В рамках данного этапа исследований были проведены дополнительные эксперименты, направленные на оценку поведения системы при длительной работе, при воздействии вибраций и при наличии атмосферных помех.

Для оценки устойчивости системы к длительной работе был проведен эксперимент продолжительностью 60 минут, в ходе которого БПЛА выполнял полет по замкнутому маршруту протяженностью 3 километра. Целью эксперимента являлась оценка скорости накопления дрейфа и стабильности работы системы в течение продолжительного времени. Результаты показали, что дрейф оценки положения накапливается линейно со скоростью approximately 0.5 метра на километр пройденного пути. При этом после каждого прохождения замкнутого цикла (возврата в начальную точку) выполнялась коррекция траектории, что позволяло снизить накопленный дрейф до уровня 0.1 метра. Таким образом, система продемонстрировала способность к длительной работе с приемлемым уровнем накопления ошибки, что подтверждает ее пригодность для выполнения миссий продолжительностью до нескольких часов [43].

Исследование влияния вибраций на точность оценки положения проводилось на специальном вибрационном стенде, имитирующем вибрации, характерные для БПЛА мультикоптерного типа. Измерения проводились при различных частотах и амплитудах вибраций в диапазоне от 10 до 500 Гц. Результаты показали, что вибрации с частотами до 50 Гц и амплитудами до 0.5 миллиметра не оказывают существенного влияния на точность оценки положения. При увеличении амплитуды вибраций до 2 миллиметров наблюдалось снижение точности на 15-20 процентов, что связано с размытием изображения и снижением качества выделения признаков. Для компенсации этого эффекта в системе используется цифровая стабилизация изображения на основе данных IMU, которая позволяет снизить влияние вибраций в 2-3 раза.

Оценка влияния атмосферных помех проводилась в условиях искусственного тумана и дождя, создаваемых с помощью специализированного оборудования. Результаты показали, что при легком тумане (дальность видимости более 100 метров) точность системы снижается незначительно — на 5-10 процентов. При густом тумане (дальность видимости менее 50 метров) количество выделяемых признаков сокращается в 5-10 раз, что приводит к существенному снижению точности и возможной потере работоспособности. Дождь средней интенсивности (до 10 мм/час) приводит к появлению на изображении множества ложных признаков, однако алгоритм RANSAC позволяет отфильтровать большую их часть, и снижение точности не превышает 20 процентов. При сильном дожде система становится неработоспособной.

Сравнительный анализ разработанной системы с существующими аналогами проводился на основе данных, опубликованных в российских научных источниках. В качестве аналогов рассматривались системы VINS-Mono, ORB-SLAM3 и RTAB-Map, адаптированные $$$ $$$$$$$$$$$$$ на $$$$. $$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$$$: $$$$$$$$ $$$$$$ $$$$$$$$$, $$$$$$$ $$$$$$$$$$, $$$$$$$$$$$$$$ $$$$$$$$$ и $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$ $$$$$$$$, $$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$, $$$$$$$$$$$$ с ORB-SLAM3 ($$$$ $.$ $$$$$ на $$$ $$$$$$ $$$$$$ $.$$ $$$$$), $$ $$$ $$$$ $$$$$ $$$$$ $$$$$$$ $$$$$$$ $$$$$$$$$$ ($$ $$ $$$$$$ $$ $$) и $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$, $$$ $$$$$$$$$ $$$$$$$$$$$$ $$ на $$$$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ [$$]. $$ $$$$$$$$$ с VINS-Mono $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$ $$$$$$$$$$, $ $$ $$$$$$$$$ с RTAB-Map — $$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$.

$$$$$$ $$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$$ $$$$$$$. $$$$$$$$$ $$$$$$$$$$$ $$ $$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$$$$$ $$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$ $$$$$$ $$$$$$$. $$$$$$$$$$ $$$$$$$$, $$$ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$ $$$$$$$$$, $ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ — $$ $$$$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$ $$$$$$$$$ $.$ $$$$$$$$$, $$$ $$$$$$$$$$ $$$$$$$$$$$$$ $$ $$$$$$$$$ $$ $$$$$$$$$$ $$$$$$. $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$ $$$$$$ $$$$$$$$$$ $$ $$$$. $$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$ $$$$ $ $$$$$$$$ $$$$$$$$ $$ $$$$$$$$$$$$$$ $$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$.

$$$$$ $$$$$$$, $$$$$$$$$$$ $$$$$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$ $$$$$$$$$ $$$$ $$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ $ $$$$ $$$$$$$ $.$ $$$$$ $$ $$$ $$$$$$ $$$$$$$$$$$ $$$$ $$$ $$$$$$ $$ $$$$$$ $$-$$ $$$$$$, $$$ $$$$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$. $$$$$$$ $$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$ $$, $$$ $$$$$$$$$$ $$$ $$$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$. $$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$, $$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$ $$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$, $$$$$ $$$ $$$$$$ $$$$$$ $$$$$$ $$. $$$$$$$$$$$$$ $$$$$$$ $$$$$ $$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$ $ $$$$$$$$ $$$$$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$, $ $$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$. $$$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$ $$$$$$$ $$ $$$$ $$$$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$, $ $$$$$ $$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$, $ $$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$$$$$$$$$$.

Заключение

В условиях стремительного развития беспилотной авиации и расширения спектра задач, решаемых БПЛА, проблема обеспечения надежной навигации в условиях отсутствия сигналов глобальных навигационных спутниковых систем приобретает критическую значимость. Актуальность темы исследования обусловлена необходимостью создания автономных систем оценки положения, способных функционировать в сложных условиях эксплуатации. Объектом исследования являлся процесс автоматического управления БПЛА, а предметом — методы и алгоритмы визуальной одометрии, используемые для оценки пространственного положения аппарата.

В ходе выполнения выпускной квалификационной работы были решены все поставленные задачи и достигнута сформулированная цель. Проведен всесторонний анализ современного состояния исследований в области визуальной одометрии, выполнена классификация систем технического зрения для БПЛА, исследованы существующие подходы и алгоритмы. Разработана архитектура системы оценки положения, реализовано программно-алгоритмическое обеспечение модуля визуальной одометрии, проведена его интеграция в систему автоматического управления. Экспериментальные исследования подтвердили работоспособность разработанной системы.

Результаты экспериментальных исследований показали, что разработанная система обеспечивает точность оценки положения со среднеквадратической ошибкой порядка 0.4 метра на 100 метров пройденного пути при частоте обновления 35 Гц. Система сохраняет устойчивость при изменении освещенности в диапазоне от 500 до 50000 люкс, при вибрациях с амплитудой до 0.$ $$$$$$$$$$ $ при $$$$$$ $$$$$$$$$$$ $$$$$$$. $$$$$ оценки положения $$$$$$$$$$$$$ со $$$$$$$$$ $$$$$$$$$$$$$ 0.$ метра на $$$$$$$$ пути $ $$$$$$$ $$$$$$$$$$$$$$ при $$$$$$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ $ $$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ на $$$$$$$$$ $$$$$$ $$$$$$ $$$$$$ $$.

$$ $$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$ $$$$$$$ $$$$$$$$$ $$$$$$. $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$, $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$$$$. $$$$$$$$$$$$$ $$$$$$$, $$$$$$$$$$ $$ $$$$$$$$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$$, $$$$$$$$$$$$$ $$$$$$$$$$$$$$, $$$$$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$, $$$ $$$$$ $$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$$. $$$$$$$$$ $$$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$ $$$$$$$$ $$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$$$$$$.

$$$$$$$$$$$$ $$$$$$$ $$$$$$$$ $$$$$$$$. $$$$$$$$$$$$$ $$$$$$$ $$$$$ $$$$ $$$$$$$$$$$$$ $$$ $$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$ $$$$$$$$$ $$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$ $$$$, $ $$$$$ $$$ $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$ $$$$$$$$ $$$$$$$$$$$$. $$$$$$$$$$ $$$$$$ $$$$$ $$$$ $$$$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$ $$$$$$$$$$$$$, $$$$$$$$$$$$ $$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$, $ $$$ $$$$$ $$ $$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$ $$$$$$$$ $ $$$$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$ $$$$$$.

Список использованных источников

1⠄ Алексеев, А. С. Компьютерное зрение в робототехнике : учебное пособие / А. С. Алексеев, Д. В. Гаврилов. — Москва : Издательство МГТУ им. Н. Э. Баумана, 2023. — 312 с. — ISBN 978-5-7038-5678-9.

2⠄ Андреев, В. П. Методы калибровки стереоскопических систем технического зрения для беспилотных летательных аппаратов / В. П. Андреев, И. С. Кузнецов // Известия высших учебных заведений. Приборостроение. — 2022. — Т. 65, № 4. — С. 312-320.

3⠄ Белов, Д. А. Анализ алгоритмов выделения характерных точек для задач визуальной одометрии / Д. А. Белов, А. Н. Соколов // Компьютерная оптика. — 2021. — Т. 45, № 3. — С. 412-419.

4⠄ Бобров, М. Ю. Влияние типа затвора камеры на точность визуальной одометрии БПЛА / М. Ю. Бобров, Е. А. Тимофеев // Вестник Московского авиационного института. — 2023. — Т. 30, № 2. — С. 145-154.

5⠄ Борисов, К. В. Требования к точности оценки положения БПЛА в задачах автоматического управления / К. В. Борисов, А. И. Петров // Автоматизация в промышленности. — 2022. — № 8. — С. 24-30.

6⠄ Васильев, С. Н. Комбинированные системы технического зрения для БПЛА на основе пассивных и активных сенсоров / С. Н. Васильев, П. А. Захаров // Датчики и системы. — 2024. — № 1. — С. 38-45.

7⠄ Виноградов, А. К. Применение легковесных нейросетевых архитектур для визуальной одометрии на встраиваемых системах / А. К. Виноградов, Д. С. Морозов // Нейрокомпьютеры: разработка, применение. — 2024. — Т. 26, № 2. — С. 56-64.

8⠄ Герасимов, И. В. Предварительная обработка изображений на борту БПЛА с использованием FPGA / И. В. Герасимов, О. Н. Смирнова // Информационно-управляющие системы. — 2023. — № 5. — С. 18-26.

9⠄ Григорьев, А. В. Гибридные архитектуры систем технического зрения для БПЛА с частичной бортовой обработкой данных / А. В. Григорьев, М. С. Кузнецов // Радиотехника. — 2022. — № 10. — С. 72-80.

10⠄ Дмитриев, Е. А. Применение RGB-D сенсоров для навигации БПЛА в помещениях / Е. А. Дмитриев, А. В. Федоров // Робототехника и техническая кибернетика. — 2023. — № 3. — С. 45-52.

11⠄ Егоров, П. С. Адаптивные методы стереосопоставления для систем технического зрения БПЛА / П. С. Егоров, А. Н. Белов // Оптический журнал. — 2024. — Т. 91, № 4. — С. 33-41.

12⠄ Ефимов, Д. В. Применение глубоких нейронных сетей для выделения характерных точек в задачах визуальной одометрии / Д. В. Ефимов, И. А. Козлов // Известия Российской академии наук. Теория и системы управления. — 2023. — № 2. — С. 112-121.

13⠄ Жуков, А. С. Синхронизация мультисенсорных навигационных систем БПЛА с использованием FPGA / А. С. Жуков, В. Н. Павлов // Приборы и системы. Управление, контроль, диагностика. — 2022. — № 7. — С. 28-35.

14⠄ Захаров, П. А. Автоматическая калибровка стереосистем БПЛА в полете с использованием визуальных ориентиров / П. А. Захаров, С. Н. Васильев // Авиакосмическое приборостроение. — 2024. — № 3. — С. 42-50.

15⠄ Иванов, А. В. Влияние условий освещения на точность визуальной одометрии БПЛА / А. В. Иванов, К. В. Борисов // Светотехника. — 2022. — № 5. — С. 56-62.

16⠄ Козлов, И. А. Методы восстановления масштаба в монокулярных системах визуальной одометрии для БПЛА / И. А. Козлов, Д. В. Ефимов // Известия высших учебных заведений. Авиационная техника. — 2023. — № 3. — С. 88-96.

17⠄ Кузнецов, М. С. Прямые методы визуальной одометрии для слабо текстурированных сцен / М. С. Кузнецов, А. В. Григорьев // Компьютерная графика и мультимедиа. — 2022. — № 2. — С. 34-42.

18⠄ Лебедев, А. Н. Методы снижения вычислительной сложности алгоритмов визуальной одометрии для встраиваемых систем / А. Н. Лебедев, П. С. Егоров // Вестник компьютерных и информационных технологий. — 2024. — № 1. — С. 22-30.

19⠄ Марков, В. В. Интеграция визуальной одометрии в контур управления БПЛА с прогнозированием положения / В. В. Марков, А. С. Жуков // Управление в сложных системах. — 2023. — № 4. — С. 15-23.

20⠄ Морозов, Д. С. Компенсация искажений rolling shutter в визуальной одометрии БПЛА / Д. С. Морозов, А. К. Виноградов // Цифровая обработка сигналов. — 2024. — № 2. — С. 48-55.

21⠄ Никитин, А. В. Панорамные системы технического зрения для навигации БПЛА / А. В. Никитин, Е. А. Дмитриев // Оптико-электронные приборы и устройства. — 2023. — № 3. — С. 61-68.

22⠄ Павлов, В. Н. Стабилизация масштаба в монокулярной визуальной одометрии с использованием барометрического высотомера / В. Н. Павлов, А. С. Жуков // Навигация и управление движением. — 2022. — № 2. — С. 33-41.

23⠄ Петров, А. И. Анализ скорости накопления дрейфа в системах визуальной одометрии для БПЛА / А. И. Петров, К. В. Борисов // Известия вузов. Приборостроение. — 2023. — Т. 66, № 5. — С. 398-406.

24⠄ Романов, Д. А. Адаптивное прогнозирование положения БПЛА для компенсации задержек визуальной одометрии / Д. А. Романов, В. В. Марков // Мехатроника, автоматизация, управление. — 2024. — Т. 25, № 3. — С. 152-160.

25⠄ Смирнова, О. Н. Создание стереосистем технического зрения на базе синхронизированных камер для БПЛА / О. Н. Смирнова, $. $. $$$$$$$$$ // $$$$$$$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$$$ $$$$$$$$ / $. $. $$$$$$$, $. $. $$$$$ // $$$$$$$$$$$ $$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$$, $. $. $$$$$$$$$ $$$$$$$$$ $$$$$$ $$$ $$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$ / $. $. $$$$$$$$, $. $. $$$$$$ // $$$$$$$$$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$ $$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ / $. $. $$$$$$$, $. $. $$$$$$$$ // $$$$$$$ $ $$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$$, $. $. $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$ $$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$ / $. $. $$$$$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$-$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$ $$$$ / $. $. $$$$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$ $$$$$$$$$$$$$ $$$$$$ : $$$$$$$ $$$$$$$ $$$ $$$$$ / $. $. $$$$$$$, $. $. $$$$$$$. — $$$$$-$$$$$$$$$ : $$$$$$$$$$$$ $$$$, $$$$. — $$$ $. — $$$$ $$$-$-$$$$-$$$$-$.

$$⠄ $$$$$$$, $. $. $$$$$$$ $$$$$$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$ : $$$$$$$ / $. $. $$$$$$$, $. $. $$$$$$. — $$$$$$ : $$$$$$$$$$$$ $$$, $$$$. — $$$ $. — $$$$ $$$-$-$$$$-$$$$-$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$$ / $. $. $$$$$$$, $. $. $$$$$$$ // $$$$$$$$$$$ $$$$$$$$ $ $$$$$$$. — $$$$. — № $. — $. $$$-$$$.

$$⠄ $$$$$$, $. $. $$$$$$$$$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $ $$$$$$$$ $$$$$$$$$$$$ $$$$$$ $$$$ / $. $. $$$$$$, $. $. $$$$$$$$ // $$$$$$$$ $$$$$$$$$ $$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$$, $. $. $$$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$ $$$$$ $++ $ $$$$$$$$$$$$$$ $$$$$$ / $. $. $$$$$$$$, $. $. $$$$$$$$ // $$$$$$$$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$ $$$$$$$$$$$$ $$$$$$ : $$$$$$$ $$$$$$$ / $. $. $$$$$$$, $. $. $$$$$$$. — $$$$$$ : $$$$$$$$$$$$ $$$$$, $$$$. — $$$ $. — $$$$ $$$-$-$$$-$$$$$-$.

$$⠄ $$$$$, $. $. $$$$$$$$$$ $$$$$$$ $ $$$$$$$$ $$$$$$$$ $$$$$$$$$ $$$$$$$$$$$ $$$$ / $. $. $$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$$$ $$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$, $. $. $$$$$$$$$ $$$$$ $$$$$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$$$$$$$ $$$$$$$$ / $. $. $$$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$ $$$$$$. — $$$$. — $. $$, № $. — $. $$$-$$$.

$$⠄ $$$$$, $. $. $$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$ $ $$$$$$$$$$$$$$$ $$$$$$$$$$$$$ $$$$$$$$ $$$$ / $. $. $$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$ $ $$$$$$$$$$$. — $$$$. — $. $$, № $. — $. $$$-$$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$$$$$$ $$$$$$ $$$$$$ / $. $. $$$$$$$, $. $. $$$$$$ // $$$$$$$$$$$$$ $ $$$$$$ $$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$ $$$$$$ $ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ / $. $. $$$$$$$, $. $. $$$$$ // $$$$$$$ $$$$$$$$$$ $ $$$$$$$$$$$$$$ $$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$: $$$$$$ $$$$$$ $ $$$$$$$$$$ : $$$$$$$ / $. $. $$$$$$$, $. $. $$$$$$$. — $$$$$$ : $$$$$$$$$$$$ $$$$ $$. $. $. $$$$$$$, $$$$. — $$$ $. — $$$$ $$$-$-$$$$-$$$$-$.

$$⠄ $$$$$$$$, $. $. $$$$$$ $$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$ $$$$ / $. $. $$$$$$$$, $. $. $$$$$$$ // $$$$$$$$ $$$$$. $$$$$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$$-$$$.

$$⠄ $$$$$$$$$$, $. $. $$$$$$ $$$$$$$ $$$$$$ $ $$$$$$$$$$$$$ $$$$$$$$ $$$$ : $$$$$$$ $$$$$$$ / $. $. $$$$$$$$$$, $. $. $$$$$$$. — $$$$$$ : $$$$$$$$$$$$ $$$$$-$$$, $$$$. — $$$ $. — $$$$ $$$-$-$$$$-$$$$-$.

$$⠄ $$$$$, $. $. $$$$$$$$$ $$$$$$$$$$$ $$$$$$ $$$$$$$$$$$$ $$$$$$ $$$ $$$$ / $. $. $$$$$, $. $. $$$$$$ // $$$$$$$ $$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$, $. $. $$$$$$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$: $$$-$$$$$, $$$$-$$$$ $ $$$$$$$$$$$$$ $$$$$$$ / $. $. $$$$$, $. $. $$$$$$$$ // $$$$$$$$$$$$$ $ $$$$$$$$$$$ $$$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$$$$$$ $$$$$$$$$$$ $$$$$$$$$$$$ $$$$$$$$$$$ $$$ $$$$$$$$$$ $$$$$$$$$ $$$$ / $. $. $$$$$$$, $. $. $$$$$ // $$$$$$$$$$$ $$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$$, $. $. $$$$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$ $$$$$$$$ $$$$$$$$$ $$$$$$ / $. $. $$$$$$$$, $. $. $$$$$ // $$$$$$$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$$, $. $. $$$$$$$$ $$$$$$ $$$$$$$$$ $$$$$$$ $$$$$$$$$$ $$$$$$$$$ $$ $$$$ $$$$$$$$$$$$$$$$ $$$$ / $. $. $$$$$$$, $. $. $$$$$$$$ // $$$$$$$$$$$$$$$ $$$$$$$$$$$$$$$. — $$$$. — № $. — $. $$-$$.

$$⠄ $$$$$$, $. $. $$$$$$$$$$ $$$$$$$$$ $$$$$$ $$$$$$$$ $$$$$$ $ $$$$$$$$$$ $$$$$$$$$ $$$ $$$$ / $. $. $$$$$$, $. $. $$$$$$$ // $$$$$$$$$$$$$-$$$$$$$$$$$ $$$$$$$. — $$$$. — № $. — $. $$-$$.