Как расширить возможности легких дронов распознавать нужные объекты в разных средах? Если использовать популярные нейронные сети, потребуются мощные бортовые компьютеры, заметно «отягчающие» БПЛА. Таким образом сложные вычисления оказываются неподъемными для легких дронов, а, следовательно, о точности поиска нужного объекта нет и речи, особенно в случае быстродвижущихся легких БПЛА.

Применительно к объектам радиальной формы выход предложили ученые Казанского национального исследовательского технического университета имени А.Н. Туполева - КАИ (КНИТУ-КАИ). Работа выполнена при поддержке Программы стратегического академического лидерства («Приоритет-2030»).

Ученые проанализировали методы распознавания объектов радиальной формы, к которым можно отнести круг, шар, цилиндр, конус, а также предметы в форме морской звезды или некоторых видов цветов. На распознавании кругов основано несколько практических задач: распознавание круглых посадочных маркеров для автоматической посадки БПЛА, распознавание сигналов светофора, круглых дорожных знаков, круглых док-маркеров под водой.

Благодаря применению этих методов можно с высокой точностью находить множество разноразмерных предметов на изображении. Задача решается за минимальное время и в условиях неравномерной яркости областей кадра.

«Мы предложили три метода: гибридный метод FRODAS, который объединяет известные методы FRST и Hough для повышения точности и сокращения времени поиска кругов на изображении; еще один метод PaRCIS, основанный на последовательном сжатии и реконструкции изображений, для увеличения скорости поиска нескольких кругов разного радиуса и удаления шума; наконец, дополнительная модификация LIPIS используется с любым из основных или разработанных методов для снижения чувствительности к резким изменениям яркости кадра», - поясняет заведующий кафедрой автоматизированных систем обработки информации и управления КНИТУ-КАИ Михаил Шлеймович.

По его словам, метод можно применять для определения координат маркера для сброса груза с летательного аппарата, позиционирования зрачков человека, подсчета количества круглого леса (бревен) и так далее, то есть везде, где нужно анализировать наличие, размеры, положение круглых объектов.

В статье An adaptive radial object recognition algorithm for lightweight drones in different environments (журнал Computertopics.ru, https://computeroptics.ru/eng/KO/Annot/KO49-3/490314e.html) казанские ученые из института компьютерных технологий и защиты информации КНИТУ-КАИ Светлана Новикова, Ринат Шакирзянов и Михаил Шлеймович представили сравнительные эксперименты, демонстрирующие преимущества разработанных методов перед классическими методами распознавания кругов по точности и скорости. Показано преимущество распознавания кругов разной яркости. Эксперименты по распознаванию нескольких объектов реального мира на фотографиях, снятых на земле, в воздухе и под водой, в том числе со сложными сценами при искажении и размытии, с разной степенью освещенности, демонстрируют эффективность комплекса методов.

«В случае необходимости распознавать круглые объекты на высокой скорости полета, используя при этом незначительные вычислительные ресурсы, мы предлагаем гибридный метод FRODAS (быстрый алгоритм радиального обнаружения объектов с малым количеством вычислений), - рассказывает Михаил Шлеймович. - Это алгоритм быстрого обнаружения радиальных объектов при малом количестве необходимых вычислений. Алгоритм предполагает последовательное применение быстрого радиального преобразования симметрии (FRST) для нахождения потенциальных центров искомых кругов, обнаружения контуров и вычисления радиусов кругов в заданной окрестности потенциальных центров с использованием преобразования Hough. - Мы назвали его гибридным методом».

Ресурсоемкий метод пригоден для использования в системах компьютерного зрения легких беспилотных транспортных средств, не рассчитанных на вес мощных вычислительных устройств. Разработка особенно важна для высокоскоростных БАС, где обработка изображений должна выполняться в режиме реального времени.

Предложенный как альтернатива существующим, алгоритм казанских ученых устойчив к шумам. Объединенные в одну группу, разработанные алгоритмы представляют собой настраиваемый набор, способный адаптироваться к различным условиям получения изображений и вычислительной мощности. Это свойство позволяет обнаруживать объекты интереса как с воздуха, с земли, под водой, так и при перемещении БПЛА между этими средами.