Навігаційний модуль на основі порівняння зображень камери безпілотників із супутниковими зображеннями

Що таке навігаційний модуль, заснований на порівнянні зображень камери безпілотників із супутниковими зображеннями?

Чи можете ви надати навігаційний модуль, який використовує зображення камери безпілотників, щоб порівняти з збереженими супутниковими знімками? За підрахунками, вимога клієнта полягає в тому.

Для розробки навігаційного модуля для безпілотника, який порівнює зображення камери в режимі реального часу з попередньо поєднаними супутниковими знімками, Дотримуйтесь цього структурованого підходу:

1. Системна архітектура

  • Компоненти:
    • Захоплення зображень у режимі реального часу: Камера, що виходить вниз, з регульованою роздільною здатністю/FOV, синхронізовані з висотними датчиками (напр., барометр, Лідер).
    • База даних супутникових зображень: Геотагазовані плитки, що зберігаються в декількох роздільних можливостях, індексовано координатами GPS для швидкого пошуку.
    • Підрозділ обробки: Бортовий GPU/FPGA для прискореної обробки зображень.
    • Злиття датчика: Інтегрує GPS, ІМУ, та візуальні дані для надійного позиціонування.

2. Робочий процес

  1. Ініціалізація:
    • Використовуйте грубі GPS, щоб отримати відповідні супутникові плитки з бази даних.
    • Калібрування за допомогою даних висоти для масштабування зображень безпілотників до супутникової роздільної здатності.
  2. Попередня обробка зображень:
    • Перетворити зображення в сірове масштаби, Застосувати вирівнювання гістограми, і виявлення краю (напр., Квапливий).
    • Правильне спотворення перспективи за допомогою даних про безпілотник/рулон.
  3. Відповідність функцій:
    • Детектори: Використовуйте кулю або серфінгу для балансу між швидкістю та точністю.
    • Сірники: Фланг з Ransac для фільтрації людей та обчислення гомографії.
  4. Оцінка позиції:
    • Поводитися з зміщення GPS від матриці гомографії.
    • Запаліть за допомогою даних IMU через фільтр Калмана для гладких оновлень траєкторії.
  5. Механізм резервування:
    • Перейдіть на візуальну одометрію або GPS, якщо супутникові відповіді виходять з ладу (напр., Необхідні ділянки).

3. Технічні міркування

  • Масштабування висоти: Динамічно регулювати масштабування зображення за допомогою висоти в режимі реального часу.
  • Оптимізація бази даних:
    • Супутникові знімки плитки на шматки 100х100 м з декількома рівнями масштабування.
    • Кеш часто доступний до плитки для зменшення затримки.
  • Виконання в режимі реального часу:
    • Обмеження обробки до 500 мс на кадр; Зображення, якщо це потрібно.
    • Пріоритетні ключові кадри (напр., обробляти кожен 5 -й кадр) під час швидкісного польоту.

4. Тестування & Калібрування

  • Показники точності: Порівняйте візуальні оцінки проти ґрунтовної істини RTK-GPS.
  • Екологічна стійкість:
    • Тест протягом сезонів/освітлення; Використовуйте нормалізацію гістограми для пом'якшення змін освітлення.
    • Виключіть перехідні функції (автомобілі, тіні) через семантичну сегментацію (опціональний).

5. Приклад сценарію

  • Безпілотник на висоті 50 м:
    • Захоплює 640×480 зображення (0.5М/піксельна роздільна здатність).
    • Матч із супутниковою плиткою “Xyz123” використання 200 Клавіші кулі.
    • Гомографія дає 2 м зміщення від геоту плитки (34.0522° n, 118.2437° Ш).
    • Калман фільтр зливає це з ІМУ, Виведення виправленого положення 34.05219 ° с.ш., 118.2436° Ш.

6. Виклики & рішення

  • Динамічні середовища: Маска переміщення об'єктів за допомогою моделей ML (Йолод).
  • Обчислити обмеження: Використовуйте апаратну кулю на Jetson TX2.
  • зберігання: Стиснення супутникових плиток за допомогою Webp (режим без втрат).

7. інструменти & Бібліотека

  • OPENCV: Для виявлення/узгодження функцій.
  • ROS: Модульна інтеграція трубопроводу (напр., ros_navigation вузол).
  • Postgresql/postgis: Ефективні запити геопросторової плитки.

8. Очікувана ефективність

  • Точність позиції: 1-3м в оптимальних умовах.
  • Швидкість оновлення: 2 Гц (з 640×480 введення в GPU середнього рівня).

Цей дизайн врівноважує точність та ефективність обчислень, Використання синтезу датчика та адаптивної обробки зображень для надійної навігації.

задавати питання

← Назад

Дякуємо за вашу відповідь. ✨