Д.А. Акимов1, Е.Н. Матюхина2, А.В. Волосова3, С.В. Панюкова4, П.А. Березин5, Е.О. Гурьянова6

1, 2, 5, 6 РТУ МИРЭА (Москва, Россия)
3, 4 МГТУ им. Н.Э. Баумана (Москва, Россия)
1 akimov_d@mirea.ru, 2 matyuhina@mirea.ru, 3 volosova@.bmstu.ru, 4 Panyukova@bmstu.ru, 5 pav200293@gmail.ru, 6 guryanova@mirea.ru

Постановка проблемы. Для решения задачи посадки БПЛА на взлётно-посадочную полосу используется множество методов. Для решения практических задач, например, обнаружения линий на аэродромных изображениях используются такие ключевые методы, как гауссово размытие, детектор Канни и преобразование Хафа, а также их интеграция. Однако результаты ухудшаются при низком контрасте или наличии атмосферных помех, что требует дополнительной фильтрации или адаптивных алгоритмов.

Цель. Адаптация классических алгоритмов компьютерного зрения для задач автоматической посадки БПЛА, а также в предложении гибридных подходов, сочетающих эти методы с нейросетевыми моделями для автоматизации настройки параметров.

Результаты. Предложена интеграция методов обработки изображений – гауссова размытия, детектора Канни и преобразования Хафа – для обнаружения ключевых ориентиров (например, линий посадочных полос) в авиационных системах синтезированного зрения. В результате программной реализации на Python с использованием OpenCV подтверждена возможность точного выделения линий на изображениях, включая условия частичной окклюзии и шумов. Сформирована основа для дальнейшей оптимизации алгоритмов, включая разработку адаптивных фильтров и интеграцию машинного обучения для устойчивой работы в неидеальных условиях.

Практическая значимость. Полученные результаты позволяют снизить риски аварий и повысить степень безопасности полетов за счет повышения точности обнаружения границ объектов, что критично для систем навигации и мониторинга аэродромной инфраструктуры.

Акимов Д.А., Матюхина Е.Н., Волосова А.В., Панюкова С.В., Березин П.А., Гурьянова Е.О. Система многоуровневой обработки информации в блоке управления посадкой БПЛА с использованием имитационного моделирования // Системы высокой доступности. 2025. Т. 21. № 4. С. 71−85. DOI: https://doi.org/ 10.18127/j20729472-202504-07

1. Щекачева А.В., Куляс О.Л. Выделение линий на изображениях с помощью преобразований Хафа // Аллея Науки. 2019. № 1. С. 34–46.
2. Форсайт Д., Понс Д. Компьютерное зрение. Современный подход. М.: Вильямс. 2004. 928 с.
3. Сойфер В.А. Методы компьютерной обработки изображений. М.: Физматлит. 2003. 784 с.
4. Драпей Я.Р., Малышев В.И., Мелешко В.К. Современные методы и алгоритмы для восстановления и улучшения качества размытых изображений // Молодой исследователь Дона. 2024. № 4. С. 22–29.
5. Пахомова О.А., Кравец О.Я. Сравнительный анализ градиентных методов выделения контура объекта на изображении // Вестник Воронежского государственного технического университета. 2018. № 1. С. 37–42.
6. Мартышкин А.И., Бершадская Е.Г., Маркин Е.И., Зупарова В.В. Модификация метода выделения контуров объекта в интеллектуальных системах // Труды ИСП РАН. 2022. № 6. С. 127–136.
7. Семенов А.Н. Обнаружение радиолокационных целей с помощью преобразования Хафа // Наука и Образование. МГТУ им. Баумана. 2014. № 12. С. 619–632.
8. Cabrera-Ponce A.A., Martinez-Carranza J. Hough Transform-Based Runway Detection for UAV Autonomous Landing. IEEE Transactions on Aerospace and Electronic Systems. 2021. V. 57. № 3. P. 1465–1478. DOI 10.1109/TAES.2021.3051965
9. Yang L., Qi J., Song D., Xiao J. Vision-Based UAV Landing Using Line Detection and Tracking. Sensors. 2020. V. 20. № 12. P. 3556. DOI 10.3390/s20123556
10. Garcia-Pardo P.J., Sukhatme G.S., Montgomery J.F. Towards Vision-Based Safe Landing for UAVs in Unstructured Environments. Journal of Intelligent & Robotic Systems. 2019. V. 94. № 1. P. 367–385. DOI 10.1007/s10846-018-0891-8
11. Kong W., Zhang D., Wang X., Chen J. Autonomous Landing of UAVs on Moving Platforms via Hough Transform and Kalman Filter. 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Madrid, 2018. P. 1–9. DOI 10.1109/IROS.2018.8593889
12. Lyu Y., Bai L., Huang X. A Robust Runway Detection Algorithm Based on Hough Transform and Region Growing for UAV Landing. International Journal of Advanced Robotic Systems. 2017. V. 14. № 5. DOI 10.1177/1729881417731088
13. Meng X., Wang W., Han J. Vision-Based UAV Autonomous Landing with Improved Hough Transform // Chinese Journal of Aeronautics. 2016. V. 29. № 4. P. 976–985. DOI 10.1016/j.cja.2016.06.005
14. Горбунов М.И., Лебедев С.В. Анализ точности детекции ВПП с использованием преобразования Хафа // Труды МАИ. 2019. № 106. С. 12–23.
15. Климов Д.В., Федоров Р.Н. Автоматическая посадка БПЛА на основе визуальной навигации // Автоматика и телемеханика. 2018. № 5. С. 78–92.
16. Белов А.А., Шишкин В.В. Синтез алгоритмов управления посадкой БПЛА с использованием технического зрения // Научный вестник МГТУ ГА. 2017. № 256. С. 45–58.
17. Волосова А.В., Матюхина Е.Н., Морозов Е.А. Реализация безопасного управления светофорами с использованием нейроморфной вычислительной базы на основе нечетких графов // Computational Nanotechnology. 2025. Т. 12. № 1. С. 11–16. DOI 10.33693/2313-223X-2025-12-1-11-16