Автоматическое принятие решений бортовой системой беспилотного летательного аппарата при мониторинге дорожного движения

Авиационная и ракетно-космическая техника

Инновационные технологии в аэрокосмической деятельности

2018. Т. 25. № 1. С. 99-108.

Авторы

Ким Н. В.*, Бодунков Н. Е.**, Михайлов Н. А.***

Московский авиационный институт (национальный исследовательский университет), 125993, г. Москва, Волоколамское шоссе, д. 4

*e-mail: nkim2011@list.ru
**e-mail: boduncov63@yandex.ru
***e-mail: mikhailov.mai@gmail.com

Аннотация

Статья посвящена повышению эффективности решения целевой задачи оценки дорожной обстановки (обнаружению аварий) за счет использования систем технического зрения беспилотных летательных аппаратов (БПЛА). Авторы предлагают новую методику автономной (без участия оператора) классификации дорожных ситуаций на основе использования семантических описаний наблюдаемой сцены. Предложена структура описания и методика принятия решений о классе наблюдаемой дорожной ситуации. Приведен пример классификации ситуации по реальному изображению дорожного происшествия.

Ключевые слова:

классификация ситуаций на основе семантических описаний, системы технического зрения автономных БПЛА, распознавание атрибутов дорожной ситуации

Библиографический список

  1. Karasulu B. Review and Evaluation of well-known Methods for Moving Object Detection and Tracking in videos // Journal of Aeronautics and Space Technologies. July, 2010. Vol. 4. No. 4, pp. 11-22.

  2. Ким Н.В., Кузнецов А.Г., Крылов И.Г. Применение систем технического зрения на беспилотных летательных аппаратах в задачах ориентации на местности // Вестник Московского авиационного института. 2010. Т. 17. № 3. С. 42-49.

  3. Боковой А.В. Метод решения задачи одновременного картирования и локализации по видеопотоку и данным инерциальной навигационной системы для малых БПЛА // IV Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта» (БТС-ИИ-2017): Сб. докл. – Казань: Казанский (Приволжский) федеральный университет. С. 36–46.

  4. Буйвал А.К., Гавриленков М.А. Реализация алгоритма визуальной локализации беспилотного летательного аппарата на основе известной 3D модели окружения с использованием CNN-сегментации // IV Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами» (БТС-ИИ-2017): Сб. докл. – Казань: Казанский (Приволжский) федеральный университет. С. 14–25.

  5. Lin Feng, Lum Kai-Yew, Chen Ben M., Lee Tong H. Development of a vision-based ground target detection and tracking system for a small unmanned helicopter // Science in Chine Series F: Information Sciences. 2009. Vol. 52, pp. 2201-2215. DOI: 10.1007/s11432-009-0187-5

  6. Lin Yuping, Yu Qian, Medioni Gerard. Efficient detection and tracking of moving objects in geo-coordinates // Machine Vision & Applications. 2011. Vol. 22. No. 3, pp. 505–520.

  7. Qadir Ashraf, Semke William, Neubert Jeremiah. Implementation of an Onboard Visual Tracking System with Small Unmanned Aerial Vehicle (UAV) // International Journal of Innovative Technology & Creative Engineering. 2011. Vol. 1. No. 10, 9 p.

  8. Fan Jialue, Wu Ying, and Dai Shengyang. Discriminative Spatial Attention for Robust Tracking // 11th European Conference on Computer Vision (ECCV), 2010. Vol. 6311 LNCS, pp. 480–493. DOI: 10.1007/978-3-642-15549-9_35

  9. Тихонов К.М., Тишков В.В. Разработка модели программного корректируемого сопровождения наземной цели с учетом возможностей человека-оператора // Вестник Московского авиационного института. 2011. Т. 18. № 6. С. 68–77.

  10. Li Liang, Jiang Shuqiang, Huang Qingming. Learning Hierarchical Semantic Description Via Mixed-Norm Regularization for Image Understanding // IEEE Transactions on Multimedia. 2012. Vol. 14. Issue 5, pp. 1401–1413. DOI: 10.1109/TMM.2012.2194993

  11. Yan Xu, Wu Xuqing, Kakadiaris Ioannis A., Shah Shishir K. To Track or To Detect? An Ensemble Framework for Optimal Selection // 12th European Conference on Computer Vision (ECCV), Florence, Italy, October 7–13, 2012, Proceedings. Part V, pp. 594–607. DOI: 10.1007/978-3-642-33715-4_43

  12. Kim N., Chervonenkis M. Situational control of unmanned aerial vehicles for road traffic monitoring // Modern Applied Science. 2015. Vol. 9. No. 5 Special Issue, 13 p. DOI: 10.5539/mas.v9n5p1

  13. Matas J., Chum O., Urban M., Pajdla T. Robust wide baseline stereo from maximally stable extremal regions // Proceedings of the British Machine Vision Conference (BMVC), 2002, pp. 384–393. DOI: 10.1016/j.imavis.2004.02.006

  14. Lienhart R. and Maydt J. An extended set of Haar-like features for rapid object detection // Proceedings. International Conference on Image Proceeding. 2002. Vol. 1, pp. 900-903. DOI: 10.1109/ICIP.2002.1038171

  15. Farneback G. Very high accuracy velocity estimation using orientation tensors, parametric motion, and simultaneous segmentation of the motion field // Proceedings Eighth IEEE International Conference on Computer Vision. Vancouver, Canada. 2001. Vol. I, pp. 171–177. DOI: 10.1109/ICCV.2001.937514

  16. Вазаев А.В., Носков В.П. Комплексированная СТЗ мобильного робота // VII научно-техническая конференция «Техническое зрение в системах управления-2016»: Тезисы. – М.: ИКИ РАН, 2016. С. 11–12.

  17. Forsyth D.A., Ponce Jean. Computer Vision: a Modern Approach. – Pearson Education, Prеntiсe Hall, 2012. – 793 p.

  18. Jahne B. Digital Image Processing. – Springer, 2005. – 654 р.

  19. Turmer S., Leitloff J., Reinartz P., Stilla U. Evaluation of selected features for car detection in aerial images // ISPRS Hannover Workshop. 2011. Vol. 14, pp. 341–346.

  20. Kim N., Bodunkov N. Computer Vision in Advanced Control Systems: Innovations in Practice. / Editors M. Favorskaya, L.C. Jain. – Springer, 2014. Vol. 2. – 295 p.

  21. Lucas B.D., Kanade T. An iterative image registration technique with an application to stereo vision // Proceedings of Imaging Understanding Workshop. 1981, pp. 121–130.

  22. Zhang J., Liu L., Wang B., Chen X., Wang Q., Zheng T. High speed automatic power line detection and tracking for a UAV-based inspection // International Conference on Industrial Control and Electronics Engineering (ICICEE), Xi'an, China. 2012, pp. 266–269. DOI: 10.1109/ICICEE.2012.77

  23. Kelly Alonzo. A 3D state space formulation of a navigation Kalman filter for autonomous vehicles // Carnegie Mellon University. Technical Report CMU-RI-TR-94-19-REV 2.0. 1994, 105 p.

  24. Zhong S., Ghosh J. A unified framework for model-based clustering // Journal of Machine Learning Research. 2003. Vol. 4, pp. 1001–1037.



Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 1994-2024