Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Методы видеонавигации

698 views

Published on

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Методы видеонавигации

  1. 1. 3 метода видео-навигации
  2. 2. МЕТОД 1: ОПРЕДЕЛЕНИЕ ПРИРАЩЕНИЯ КООРДИНАТ ЧЕРЕЗ АНАЛИЗ ВИДОВОГО ПОТОКА ДАННЫХВыделение характерных точек в каждом последовательном кадре (как правило, угловые элементы) Нахождение аналогичных точек (соответствующих пар) Данные ИНС Находим эпиполярную геометрию для двух снимковИзменение 3D положения камеры (ЛА) Фильтр Калмана Скорректированные координаты
  3. 3. Счисление пройденного пути на основе анализа потока видеоданных, поступающего с оптико-электронных приборов наблюдения. В каждом кадре автоматически находятся десятки характерных точек. Анализ их перемещения от кадра к кадру даёт информацию о движении объекта. Большое количество таких точек гарантирует точность определения перемещения, курса и углов ориентации. Основным ограничением метода является возможность только относительного определения координат и ориентации, что может привести к росту ошибки навигации со временем. Другим его недостатком является неполнота – все расстояния находятся с точностью до произвольной постоянной. Тажке могут быть причны, приводящие к невозможностью найти соответствующие пары точек на снимках: недостаточная освещенность, невозможность использования в случае облачности, невозможность использования над гладкой поверхностью без характерных особых точек (плоская, равномерно освещеная водная поверхность «без ряби» и волн; однородная и ровная песчаная пустыня без растительности)
  4. 4. 4
  5. 5. 5
  6. 6. Поиск особых точек Детектор по минимальным собственным значениямДля каждого пикселя изображения (x0,y0) рассчитывается матрица:I(x,y) – интенсивность пикселя (x,y) , I(x,y) (x,y)w(x,y) – весовая функция по окрестности S(x00,y00)) w(x,y) S(x ,y .Чтобы точка (x00,y00))являлась особой, матрица M должна иметь два (x ,y Mбольших положительных собственных значения в этой точке.Функция отклика угла: 6
  7. 7. Поиск особых точек Детектор Харриса• Харрис ввел следующую функцию отклика угла: где k=(0.04÷0.15) – параметр Харриса – подбирается эмпирически. 7
  8. 8. Слежение за особенностямиВ области поиска R ищется такой вектор (∆x, ∆y),что сумма по окрестности минимальна:где In-1 и In – яркость пикселей в предыдущем итекущем кадрах; S(x0,y0) – окрестность сравнения; R – область поиска особенности. 8
  9. 9. Оптический поток — это изображение видимого движения объектов, поверхностей или краев сцены, получаемое в результате перемещения наблюдателя (глаз или камеры) относительно сцены.
  10. 10. Оптический поток, видимый с самолета
  11. 11. Апертурная проблема Однозначно можно определить скорость лишь в направлении градиента.
  12. 12. Метод Лукаса - КанадеРешение апертурной проблемы – взять оерестность точки (с разными направление градиента) и считать скорость в этой окрестности одинаковой для всех точек.
  13. 13. Метод Лукаса - КанадеI(x,y,t) = I(x + δx,y + δy,t + δt)
  14. 14. Эпиполярная геометрия Зная положение камер можно найти эпиполярную геометрию и матрицу F. Зная набор соответствующих точек можно найти матрицу F, а затем решить обратную задачу найти Связь не между относительное точками, а положение камер с между прямыми точностью до масштаба
  15. 15. Вырожденные случаи1) Все точки лежат в одной плоскости2) Расстояние между оптическими центрами равно нулю –поворот камерВ этом случае взаимное положение камер не однозначно – зато связь между токами однозначна - гоморафияx`=Hx – это не линейная функция в общем случае
  16. 16. МЕТОД 2: : ОПРЕДЕЛЕНИЕ МЕСТОПОЛОЖЕНИЯ И УГЛОВ ОРИЕНТАЦИИ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВОЙ МОДЕЛИ РЕЛЬЕФА. Two consecutive imagesCompute n feature correspondences 2n constraints (∆u, ∆v)Compute pose and ego-motion that DTMbest explain the features movement Pose and ego-motion 12 variables
  17. 17. Использование данных рельефа позволяет частично компенсировать недостатки первого метода. Используя перекрытие потока фото- видео- данных, восстанавливается рельеф местности. Сравнение с цифровой моделью рельефа местности позволяет определить местоположение летательного аппарата. В отличие от Метода 1 при использовании сканирующего лазерного высотомера возможно определение местоположения в отсутствие дневного освещения, однако, аналогично методу 1 рассматриваемый подход не работает над водной или песчаной поверхностью и даёт существенную ошибку в отсутствие явно выраженного рельефа. Основное преимущество перед предыдущим методом – возможность найти не только относительное, но и абсолютное положение камеры, поскольку знание карты привязывает камеру к конкретным точкам на местности с известными абсолютными координатами. Это ведет к тому, что ошибка навигации не растет со временем. Основной недостаток метода – чувствительность к слишком большим ошибкам исходных координат камеры, полученных от инерционным навигационных приборов, которые метод должен затем уточнять.
  18. 18. МЕТОД 3 : ОПРЕДЕЛЕНИЕ МЕСТОПОЛОЖЕНИЯ И УГЛОВ ОРИЕНТАЦИИ С ИСПОЛЬЗОВАНИЕМ АРХИВНОГО СНИМКААктуальный вид с камеры БЛА «Оконтуренное» изображение Архивный космический снимок «Оконтуренное» изображение Побитовое вычитание Поиск минимумафункции 6 переменных Подбор параметров: Координаты Высота, координаты, местоположения ориентация
  19. 19. Использование цифровых снимков местности так же позволяет определить координаты местоположения и ориентацию путём сравнения текущей видовой информации. Этот метод обеспечивает высокую точность определения абсолютных координат даже при осутствии рельефа. Он также позволяет найти абсолютное положение камеры, даже когда ее примерные координаты вообще неизвестны. Это достигается путем сканирования всей базы данных со снимкам местности и сравнения их с текущим снимком. Кроме того, имея «привязанный» снимок можно с высокой точностью определять координаты наземных объектов, обнаруженных оптико- электронной аппаратурой.
  20. 20. Example translationIntroduction Hausdorff distance HD translation Comparing portions HD grid points HD rigid motion examples • Image: 360 x 240 pixels • Model: 115 x 199 pixels • f1 = 0.8 and f2 = 0.5 • Sun-4 (SPARCstation 2) Runtime ± 20 seconds • 2 matches Image model overlaid Images Huttenlocher D. Comparing images using the Hausdorff distance
  21. 21. Гиперспектральное изображение
  22. 22. Естественные наземные ориентирыLandmarks
  23. 23. Летные испытания в Израиле

×