КОМПЛЕКСНЫЙ ПОДХОД К ВИЗУАЛЬНОЙ НАВИГАЦИИ ПО ЕСТЕСТВЕННЫМ ОРИЕНТИРАМ ДЛЯ БПЛА, РАБОТАЮЩИХ В УСЛОВИЯХ НЕДОСТУПНОСТИ ГНСС
Аннотация
Целью исследования является обеспечение возможности навигации БПЛА при невозможно- сти применения спутниковых средств глобального позиционировании с использованием ГНСС в условиях РЭБ. Для достижения поставленной цели предлагается комплексный подход к обеспече- нию навигации БПЛА по визуальным ориентирам с использованием систем технического зрения. Предлагается синтез изображений подстилающей поверхности за счет комплексирования данных сенсоров, повышающий качество позиционирования БПЛА при условии отсутствия спутниковых навигационных систем. Показано, что при совмещении изображений дистанционного зондирова- ния, имеющих различную природу происхождения и изменяющиеся внешние условия эксплуатации (день-ночь, зима-лето и т.д.), важно наиболее полно локализовать объекты подстилающей по- верхности. В системе технического зрения для визуальной навигации БПЛА по естественным ори- ентирам предложен метод электромеханической развертки изображения, позволяющий увели- чить поле зрения камеры произвольного диапазона. Проведено моделирование характеристик сис- темы технического зрения с электромеханической разверткой для определения границ применимо- сти к задаче визуальной навигации. Показано, что наиболее значимым параметром точности позиционирования является высота съемки подстилающей поверхности, которая квазилинейна при условии фиксированного угла наклона камеры, а для качественного позиционирования наилуч- шим вариантом является фронтальное положение камеры в точке надира. Предложенный подход позволяет создавать виртуальные 3D-модели подстилающей поверхности, тем самым увеличивая возможности по более точному распознаванию объектов на основе масштаба и размеров сегмен- тируемых областей. Измерение угла места камеры может быть использовано для обнаружения и распознавания естественных ориентиров, которые могут быть заранее определены (точки пере- сечения дорог, здания или сооружения, объекты коммуникаций и т.д.). С другой стороны, фрон- тальное положение камеры с нулевым углом места выгодно для сверки маршрута полета, пози- ционируя положение БПЛА относительно опорного ориентира. Это обусловлено тем, что с ши- роким использованием программного обеспечения, основанного на математических моделях, тех- нологию фотограмметрической линейки стало целесообразно применять для количественного измерения планов местности и карт.
Список литературы
1. Jafarnia-Jahromi, Ali & Broumandan, Ali & Nielsen, J. & Lachapelle, Gérard. GPS Vulnerability to
Spoofing Threats and a Review of Antispoofing Techniques // International Journal of Navigation and
Observation. – 2012. – 10.1155/2012/127072.
2. Пантенков Д.Г., Литвиненко В.П., Глушков А.Н. Основные проблемные вопросы и современ-
ные подходы к противодействию малоразмерным разведывательно-ударным беспилотным ле-
тательным аппаратам // Вестник Воронежского государственного технического университета.
– 2023. – Т. 19, № 4. – С. 77-88. – DOI: 10.36622/VSTU.2023.19.4.010.
3. Савин И.В. GPS-спуфинг как актуальная угроза системе позиционирования GPS // Наука сего-
дня: история и современность: Матер. международной научно-практической конференции, Во-
логда, 25 октября 2017 года. Т. 1. – Вологда: ООО «Маркер», 2017. – С. 68-70.
4. Кривенков Д.В. GPS - спуфинг принцип работы, его воздействие и слабые места // Технические и
математические науки. Студенческий научный форум: Электронный сборник статей по материалам
V студенческой международной научно-практической конференции. Т. 5 (5): Общество с ограни-
ченной ответственностью "Международный центр науки и образования", 2018. – С. 37-43. – EDN
LXMAXZ.
5. Басан Е.С., Абрамов Е.С., Басюк А.Г., Сушкин Н.А. Метод обнаружения атак на систему нави-
гации БПЛА // Информатика и автоматизация. – 2021. – Т. 20, № 6. – С. 1368-1394. – DOI:
10.15622/ia.20.6.7.
6. Nobody’s Fool. Spoofing Detection in a High-Precision Receiver // Inside GNSS. – July/August 2020.
– Свободный режим доступа: https://insidegnss.com/nobodys-fool-spoofing-detection-in-a-highprecision-
receiver (дата обращения: 15.02.2025).
7. Труфанов М.И., Панищев В.С., Фролов М.М. Система технического зрения с множественными
источниками изображений // Информационные технологии и математическое моделирование
систем 2020: Труды международной научно-технической конференции, Одинцово, Московская
область, 16–19 ноября 2020 года. – Одинцово, Московская область: ЦИТП РАН, 2020.
– С. 124-126. – DOI: 10.36581/CITP.2020.11.84.027.
8. Замыслов М.А., Мальцев А.М., Михайленко С.Б., Штанькова Н.В. Способ вывода летательного
аппарата в точку начала посадки при отказе (отсутствии) бортового или наземного оборудова-
ния радиотехнической системы ближней навигации // Проблемы безопасности полетов. – 2019.
– № 11. – С. 14-21. – DOI: 10.36535/0235-5000-2019-11-2.
9. Ma X., Liu X., Li C.-L., Che S. Multi-source information fusion based on factor graph in autonomous
underwater vehicles navigation systems // Assembly Automation. – 2021. – Vol. 41, No. 5. – P. 536-545.
– DOI: 10.1108/AA-10-2020-0155.
10. Неусыпин К.А., Пролетарский А.В., Селезнева М.С. Алгоритмы комплексирования инерциаль-
ной навигационной системы с датчиками угловых ускорений // Мехатроника, автоматизация,
управление. – 2023. – 24 (2). – P. 107-112. – DOI: 10.17587/mau.24.107-112.
11. Yingbing Liu, Yingcheng Zhou, Yongsheng Zhou, Lixiang Ma , Bingnan Wang, Fan Zhang. Accelerating
SAR Image Registration Using Swarm-Intelligent GPU Parallelization // IEEE Journal of selected
topics in applied earth observations and remote sensing. – 2020. – Vol. 13. – P. 5694-5703.
12. Haigang Sui, Chuan Xu, Junyi Liu, and Feng Hua. Automatic Optical-to-SAR Image Registration by
Iterative Line Extraction and Voronoi Integrated Spectral Point Matching // IEEE Transactions on geoscience
and remote sensing. – November 2015. – Vol. 53, No. 11. – P. 6058-6072.
13. Guoping Zhang, Haigang Sui, Zhina Song, Feng Hua, Li Hua. Automatic Registration Method of SAR
and Optical Image Based on Line Features and Spectral Graph Theory // 2nd International Conference
on Multimedia and Image Processing. – 2017. – P. 64-67.
14. Bin Fan, Chunlei Huo, Chunhong Pan, Qingqun Kong. Registration of Optical and SAR Satellite Images
by Exploring the Spatial Relationship of the Improved SIFT // IEEE Geoscience and Remote
Sensing Letters. – July 2013. – Vol. 10, No. 4. – P. 657-661.
15. Qiuze Yu, Dawen Ni, Yuxuan Jiang, Yuxuan Yan, Jiachun An, Tao Sun. Universal SAR and optical image
registration via a novel SIFT framework based on nonlinear diffusion and a polar spatial-frequency descriptor
// ISPRS Journal of Photogrammetry and Remote Sensing. – 2021. – Vol. 171. – P. 1-17.
16. Sourabh Paul, Umesh C. Pati. Automatic optical-to-SAR image registration using a structural descriptor
// IET Image Processing. – November 2019. – Vol. 14, No. 1. – P. 62-73.
17. Zhaoxiang Zhang, Yuelei Xu, Qi Cui, Qing Zhou, Linhua Ma. Unsupervised SAR and Optical Image
Matching Using Siamese Domain Adaptation // IEEE Transaction on geoscience and remote sensing.
– May 2022. – Vol. 60.
18. Skolnik M. I. Radar handbook. – 3rd ed. – New-York: The McGraw-Hill Companies, 1327 p.
19. El-Darymli K., Gill E.W., Mcguire P., Power D. and Moloney C. Automatic Target Recognition in
Synthetic Aperture Radar Imagery: A State-of-the-Art Review // IEEE Access. – 2016. – Vol. 4.
– P. 6014-6058.
20. Костров В.В., Толстов Е.Ф. Проблемы дистанционного зондирования Земли с использованием
космических РСА высокого разрешения // VII Всеросийские Армандовские чтения: молодая
школа. Муром 27–29 июня 2017 года. – С. 76-113.
21. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference,
and Prediction. – 2nd ed. – Springer Series in Statistics, 2009. – 739 p.
