ماژول ناوبری بر اساس مقایسه تصاویر دوربین هواپیماهای بدون سرنشین با تصاویر ماهواره ای

ماژول ناوبری مبتنی بر مقایسه تصاویر دوربین هواپیماهای بدون سرنشین با تصاویر ماهواره ای چیست؟?

آیا می توانید یک ماژول ناوبری ارائه دهید که از تصاویر دوربین هواپیماهای بدون سرنشین رو به پایین استفاده می کند تا در برابر تصاویر ماهواره ای ذخیره شده مقایسه شود? تخمین زده می شود که تقاضای مشتری این است که هیچ موقعیت GPS وجود ندارد یا موقعیت یابی GPS فقط بر اساس راه حل پشتیبان است.

برای ایجاد یک ماژول ناوبری برای یک هواپیمای بدون سرنشین که تصاویر دوربین رو به پایین را با تصاویر ماهواره ای از پیش ذخیره شده مقایسه می کند, این رویکرد ساخت یافته را دنبال کنید:

1. معماری سیستم

• اجزای:
  • ضبط تصویر در زمان واقعی: دوربین رو به پایین با وضوح/FOV قابل تنظیم, همزمان با سنسورهای ارتفاع (به عنوان مثال, فشار سنج, لیدر).
  • پایگاه داده تصویر ماهواره ای: کاشی های Geotagged ذخیره شده در چندین قطعنامه, ایندکس شده توسط مختصات GPS برای بازیابی سریع.
  • واحد پردازش: GPU/FPGA پردازنده برای پردازش تصویر تسریع شده.
  • همجوشی سنسور: GPS را ادغام می کند, IMU, و داده های بصری برای موقعیت یابی قوی.

2. گردش کار

1. شروع:
   • از GPS درشت برای واکشی کاشی های ماهواره ای مربوطه از پایگاه داده استفاده کنید.
   • کالیبراسیون با استفاده از داده های ارتفاع برای مقیاس تصاویر بدون سرنشین به وضوح ماهواره.
2. پیش پردازش تصویر:
   • تبدیل تصاویر به مقیاس خاکستری, تساوی هیستوگرام را اعمال کنید, و تشخیص لبه (به عنوان مثال, قصاص).
   • اعوجاج چشم انداز صحیح با استفاده از داده های هواپیمای بدون سرنشین/رول.
3. تطبیق ویژگی:
   • ردیاب: برای تعادل بین سرعت و دقت از Orb یا Surf استفاده کنید.
   • امور: Flann با Ransac برای فیلتر کردن دور و محاسبه هموگرافی.
4. تخمین موقعیت:
   • جبران GPS از ماتریس هموگرافی.
   • فیوز با داده های IMU از طریق فیلتر کالمن برای به روزرسانی های مسیر صاف.
5. مکانیزم عقب نشینی:
   • در صورت عدم موفقیت مسابقات ماهواره ای به اودمتری بصری یا GPS تغییر دهید (به عنوان مثال, مناطق بدون محاصره).

3. ملاحظات فنی

• ارتفاع مقیاس: به صورت پویا مقیاس بندی تصویر را با استفاده از ارتفاع در زمان واقعی تنظیم کنید.
• بهینه سازی پایگاه داده:
  • تصاویر ماهواره ای کاشی در تکه های 100x100m با سطح بزرگنمایی چندگانه.
  • حافظه نهان برای کاهش تأخیر به کاشی ها دسترسی پیدا می کرد.
• عملکرد در زمان واقعی:
  • پردازش را به 500 متر در هر فریم محدود کنید; در صورت لزوم تصاویر DownSample.
  • اولویت بندی کردن کلید های کلید (به عنوان مثال, پردازش هر قاب 5) در هنگام پرواز با سرعت بالا.

4. تست & کالیبراسیون

• معیارهای دقت: برآوردهای بصری را در برابر حقیقت زمین RTK-GPS مقایسه کنید.
• استحناء محیط زیست:
  • تست در فصول/روشنایی; برای کاهش تغییرات روشنایی از عادی سازی هیستوگرام استفاده کنید.
  • ویژگی های گذرا را حذف کنید (ماشین, سایه) از طریق تقسیم معنایی (اختیاری).

5. سناریو

• هواپیمای بدون سرنشین در ارتفاع 50 متر:
  • 640 را ضبط می کند×480 تصویر (0.5وضوح M/پیکسل).
  • مطابقت با کاشی ماهواره ای “xyz123” با استفاده از 200 کلیدهای مدفوع.
  • هموگرافی 2 میلیون جبران از Geotag Tile را باز می کند (34.0522° n, 118.2437° W).
  • فیلتر کالمن این را با IMU فیوز می کند, خروجی موقعیت اصلاح شده 34.05219 ° N, 118.2436° W.

6. چالش & راه حل

• محیط پویا: ماسک در حال حرکت اشیاء با استفاده از مدل های ML (یورو).
• محدودیت های محاسبه: از Orb با سخت افزار در Jetson TX2 استفاده کنید.
• ذخیره سازی: کاشی های ماهواره ای را با استفاده از وب فشرده کنید (حالت ضایع).

7. ابزارهای & کتابخانه

• OpenCv: برای تشخیص ویژگی/تطبیق.
• رفیق: ادغام خط لوله مدولار (به عنوان مثال, ros_navigation گره).
• postgresql/postgis: نمایش داده های کاشی جغرافیایی کارآمد.

8. عملکرد مورد انتظار

• دقت موقعیت: 1-3M در شرایط بهینه.
• نرخ بروزرسانی: 2 هرتز (با 640×480 ورودی در پردازنده گرافیکی میانی).

این طراحی دقت و راندمان محاسباتی را متعادل می کند, فیوژن سنسور اعمال و پردازش تصویر تطبیقی ​​برای پیمایش قابل اعتماد.