АППАРАТНО-ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ТЕЛЕУПРАВЛЯЕМОГО НЕОБИТАЕМОГО ПОДВОДНОГО АППАРАТА КЛАССА МИКРО
Аннотация
В современной подводной робототехнике актуальными являются задачи управления, повы- шения автономности, увеличения выполняемых функций и возможность импортозамещения. В работе рассматривается пример построения телеуправляемого необитаемого подводного ап- парата (ТНПА) класса микро, основной целью которого является использование в образователь- ных целях, в частности для вовлечения школьников в инженерное направление и программирова- ние, студентов в программирование микроконтроллеров, практическое изучения систем управле- ния, цифровую обработку изображений с использованием вейвлет-преобразования. В статье представлены основные принципы и особенности конструкторской, аппаратной, алгоритмиче- ской и программной реализации роботизированного конструктора на основе ТНПА класса микро. Приведены обоснования применения конструкторского решения для использования ТНПА в обра- зовательных целях, рассмотрены принципы алгоритмического передвижения подводного блока. На основе двумерного вейвлет-преобразования для обработки подводных изображений разрабо- тан алгоритм и проведена его верификация. Вейвлет-преобразование является современным и эффективным инструментом для выявления локальных особенностей сигналов и обработки изо- бражения. Использование двумерной вейвлет-декомпозиции, представляющей собой процесс раз- ложения сигнала на высокочастотные и низкочастотные составляющие, позволяет сформиро- вать четыре матрицы вейвлет-коэффициентов, содержащих аппроксимирующие с низкочастот- ными составляющими и детализирующие коэффициенты (высокочастотные) трех типов: несу- щих информацию о вертикальных, горизонтальных и диагональных параметрах анализируемого изображения. В процессе обработки изображения после применения вейвлет-преобразования вы- полняется для увеличения контрастности изображения изменение коэффициентов аппроксима- ции, далее осуществляется определение RGB компонентов на основе матрицы аппроксимации вейвлет-коэффициентов на основе градаций серого и вычисление средних и максимальных значе- ний для каждой из компонент. Далее выполняется расчет коэффициента цветопередачи, коэф- фициентов улучшения, на основе которых формируется модифицированная матрица вейвлет- коэффициентов и применяется обратное преобразование. В результате применения алгоритма на тестовых изображениях показана возможность цветокоррекции, в частности уменьшение влия- ния зеленой и голубой составляющих на 8,6%. Полученные результаты могут быть использованы при построении систем распознавания изображений в подводной среде и проектировании авто- номных необитаемых подводных аппаратов.
Список литературы
1. Коноплин А.Ю., Денисов В.А., Даутова Т.Н. [и др.]. Технология использования ТНПА для вы-
полнения глубоководных исследовательских операций // Экстремальная робототехника. – 2020.
– № 1 (31). – С. 246-251.
2. Данилова С.К., Кусков А.М., Кусков И.М., Тарасов Н.Н. Модель движения и адаптивного управ-
ления телеуправляемого необитаемого подводного аппарата в сложной динамической системе
// Морской вестник. – 2019. – № 2 (70). – С. 93-97.
3. Костенко В.В., Павин А.М. К вопросу обеспечения независимости управляющих воздействий
движительно-рулевого комплекса подводного аппарата // Технические проблемы освоения Ми-
рового океана. – 2015. – Т. 6. – С. 118-123.
Ваулин Ю.В., Костенко В.В., Павин А.М. Навигационное и алгоритмическое обеспечение ТНПА
для эффективного решения задач идентификации донных целей и инспекции морских объектов
// Технические проблемы освоения Мирового океана. – 2013. – Т. 5. – С. 30-40. – EDN
YSWBWD.
5. Борисенко Н.А., Белоусов М.О. Разработка упрощенной математической модели телеуправляе-
мого необитаемого подводного аппарата // Интеллектуальные системы, управление и мехатро-
ника - 2019: Матер. V Всероссийской научно-технической конференции молодых ученых, ас-
пирантов и студентов, Севастополь, 28–30 мая 2019 года / науч. ред. Крамарь В.А.. – Севасто-
поль: Севастопольский государственный университет, 2019. – С. 5-9.
6. Патент на полезную модель № 206387 U1 Российская Федерация, МПК B63C 11/48, B63G 8/00.
Телеуправляемый необитаемый подводный аппарат: № 2021115452: заявл. 31.05.2021: опубл.
08.09.2021 / Р.Р. Кульмухаметов, С.А. Гафуров, Р.М. Акбиров; заявитель Автономная неком-
мерческая организация высшего образования «Университет Иннополис».
7. Фролов Д.В., Ковалев А.Ю., Буланчиков Д.С., Кузнецов Д.И. Концепт телеуправляемого необи-
таемого подводного аппарата класса микро для решения исследовательских задач // Научные
горизонты. – 2018. – № 10 (14). – С. 253-258. – EDN YMQTTN.
8. Данилова С.К., Кусков А.М., Кусков И.М., Тарасов Н.Н. Модель движения и адаптивного управ-
ления телеуправляемого необитаемого подводного аппарата в сложной динамической системе
// Морской вестник. – 2019. – № 2 (70). – С. 93-97. – EDN KLTJLU.
9. Свидетельство о государственной регистрации программы для ЭВМ № 2018612304 Российская
Федерация. Программное обеспечение блока управления и индикации телеуправляемого не-
обитаемого подводного аппарата: № 2017615431: заявл. 07.06.2017: опубл. 15.02.2018 /
А.С. Амирагов, Д.А. Никулин, А.М. Михайлов, А.А. Комиссаров; заявитель Российская Феде-
рация, от имени которой выступает Министерство промышленности и торговли Российской
Федерации. – EDN GXLPLA.
10. Свидетельство о государственной регистрации программы для ЭВМ № 2019666504 Российская
Федерация. Управление движителями ТНПА: № 2019665395: заявл. 29.11.2019: опубл.
11.12.2019 / Ю.А. Чурсин, В.В. Павличев, Р.А. Нурмухаметов; заявитель федеральное государ-
ственное автономное образовательное учреждение высшего образования «Национальный ис-
следовательский Томский политехнический университет». – EDN HSMYAO.
11. Свидетельство о государственной регистрации программы для ЭВМ № 2023661444 Российская
Федерация. Программа для энергетически оптимального распределения управляющих команд
на движительно-рулевой комплекс телеуправляемого необитаемого подводного аппарата: №
2023660819: заявл. 29.05.2023: опубл. 31.05.2023; заявитель Общество с ограниченной ответст-
венностью "КАШАЛОТ". – EDN RJADAH.
12. Свидетельство о государственной регистрации программы для ЭВМ № 2018612303 Российская
Федерация. Программа реализации математической и имитационной моделей электронного ма-
кета телеуправляемого необитаемого подводного аппарата: № 2017615459: заявл. 07.06.2017:
опубл. 15.02.2018 / В.С. Палто; заявитель Российская Федерация, от имени которой выступает
Министерство промышленности и торговли Российской Федерации. – EDN TSRKTO.
13. Aamir M., Rehman Z., Pu Y.-F., Ahmed A. and Abro W.A. Image Enhancement in Varying Light Conditions
Based on Wavelet Transform // 2019 16th International Computer Conference on Wavelet Active
Media Technology and Information Processing, Chengdu, China, 2019. – P. 317-322.
14. Sun T. and Jung C. Readability enhancement of low light images based on dual-tree complex wavelet
transform // 2016 IEEE International Conference on Acoustics, Speech and Signal Processing
(ICASSP), Shanghai, China, 2016.
15. Espinosa A.R., McIntosh D., Albu A.B. An efficient approach for underwater image improvement:
Deblurring, dehazing, and color correction // Proceedings of the IEEE/CVF Winter Conference on
Applications of Computer Vision. – 2023. – P. 206-215.
16. Yadav S. and Raj K. Underwater Image Enhancement via Color Balance and Stationary Wavelet
Based Fusion // 2020 IEEE International Conference for Innovation in Technology (INOCON),
Bangluru, India, 2020. – P. 1-5.
17. Сафина Л.Н., Шиндор О.В. Цветокоррекция подводных снимков на основе вейвлет-
преобразования // Измерения, автоматизация и моделирование в промышленности и научных
исследованиях (ИАМП–2024): Матер. XIX Всероссийской научно-технической конференции
студентов, аспирантов и молодых ученых с международным участием, 30 октября - 1 ноября
2024 года. – Бийск: Изд-во Алт. гос. техн. ун-та, 2024. – С. 176-178.
18. Fossen T.I. Guidance and control of oceanic vehicles. – John Willei and Sons, 1994. – 494 p.
19. Филаретов В.Ф., Лебедев А.В., Юхимец Д.А. Системы и устройства управления подводных ро-
ботов. – М.: Наука, 2005. – 270 с.
20. Aamir M., Rehman Z., Pu Y.-F., Ahmed A. and Abro W.A. Image Enhancement in Varying Light Conditions
Based on Wavelet Transform // 2019 16th International Computer Conference on Wavelet Active
Media Technology and Information Processing, Chengdu, China, 2019. – P. 317-322.
21. Sun T. and Jung C. Readability enhancement of low light images based on dual-tree complex wavelet
transform // 2016 IEEE International Conference on Acoustics, Speech and Signal Processing
(ICASSP), Shanghai, China, 2016.
22. Espinosa A.R., McIntosh D., Albu A.B. An efficient approach for underwater image improvement:
Deblurring, dehazing, and color correction // Proceedings of the IEEE/CVF Winter Conference on
Applications of Computer Vision. – 2023. – P. 206-215.
23. Yadav S. and Raj K. Underwater Image Enhancement via Color Balance and Stationary Wavelet
Based Fusion // 2020 IEEE International Conference for Innovation in Technology (INOCON),
Bangluru, India, 2020. – P. 1-5.
24. Лиянаге П., Круглова Л.В., Ранасингхе Н. Улучшение обработки изображений с помощью мо-
дели сверточной нейронной сети на основе вейвлетов // Международный научно-
исследовательский журнал. – 2024. – № 6 (144).
