350 руб
Журнал «Радиотехника» №12 за 2024 г.
Статья в номере:
Определение направления движения беспилотных летательных аппаратов на изображении карты подстилающей поверхности
Тип статьи: научная статья
DOI: 10.18127/j00338486-202412-05
УДК: 004.932
Авторы:

В.П. Федосов1, Р.Р. Ибадов2, С.Р. Ибадов3

1,3 Институт радиотехнических систем и управления, ФГАОУ ВО «Южный федеральный университет» (г. Ростов-на-Дону, Россия)

2 Донской государственный технический университет (г. Ростов-на-Дону, Россия)

1 vpfed@mail.ru; 2 ragim_ibadov@mail.ru; 3 sibadov@sfedu.ru

Аннотация:

Постановка проблемы. Беспилотные летательные аппараты (БПЛА) (или дроны) приобрели большую популярность за последнее десятилетие. Использование автономных дронов представляется жизнеспособным и недорогим решением проблем во многих приложениях. Возможности планирования пути необходимы для автономных систем управления. Автономный дрон должен иметь возможность быстро рассчитывать возможные и энергоэффективные маршруты, чтобы избежать столкновений. Существует множество проблем, связанных с разработкой системы управления автономными дронами. Для автономной навигации дронов необходимы несколько факторов, включая возможности принятия решений, планирование пути, формирование траектории и отказоустойчивое резервное управление (в случае возмущений и сбоев). Чтобы добиться этого, дроны должны обладать способностью чувствовать и воспринимать окружающую среду и рассчитывать путь с помощью бортовых компьютеров и датчиков. Кроме того, полетная навигация, управляемая бортовым компьютером, снижает частоту, с которой оператору необходимо взаимодействовать с дроном, тем самым ограничивая возможность человеческих ошибок. Следовательно, необходим метод, позволяющий планировать кратчайший и безаварийный путь БПЛА до объекта в плотной городской застройке.

Цель. Предложить алгоритм планирования пути БПЛА на основе алгоритмов разреженного поиска поверхности для кратчайшего и безаварийного вождения в городской инфраструктуре и совместного планирования пути для отслеживания движущейся цели в городской среде с использованием как БПЛА, так и беспилотных наземных транспортных средств (БНТС).

Результаты. Рассмотрены существующие методы и алгоритмы планирования траектории БПЛА. В ходе сравнительного анализа установлено, что практически во всех методах планирования пути имеются недостатки. Представлен алгоритмы планирования пути БПЛА для безаварийного вождения на основе динамической сетки занятости для моделирования целевого состояния, а также алгоритмы использования марковской модели 2-го порядка для представления движения цели и совместного использования БПЛА и БНТС. Показано, что разработанные алгоритмы учитывают нарушения видимости из-за препятствий в окружающей среде. Предложенный алгоритм использует динамическую сетку занятости для моделирования целевого состояния, которое обновляется на основе измерений датчиков с использованием байесовского фильтра. Эффективность работы новых методов подтверждена результатами моделирования в условиях наличия зданий с разной высотой и при различной скорости цели. Получены результаты для различных типов моделей наведения объекта, детерминированных и марковских целей.

Практическая значимость. Представленный алгоритм позволяет безаварийно управлять дронами в плотной городской застройке на основе алгоритма разреженного поиска поверхности и динамической сетки занятости.

Страницы: 53-69
Для цитирования

Федосов В.П., Ибадов Р.Р., Ибадов С.Р. Определение направления движения и индексации беспилотных летательных аппаратов на изображении карты подстилающей поверхности // Радиотехника. 2024. Т. 88. № 12. С. 53−69. DOI: https://doi.org/10.18127/j00338486-202412-05

Список источников
  1. Oh D., Han J. Smart Search System of Autonomous Flight UAVs for Disaster Rescue // Sensors. 2021. V. 21. № 20. P. 6810.
  2. Pehlivanoglu Y. V., Pehlivanoglu P. An enhanced genetic algorithm for path planning of autonomous UAV in target coverage problems // Applied Soft Computing. 2021. V. 112. P. 107796.
  3. Wang Y., Han Z. Ant colony optimization for traveling salesman problem based on parameters optimization // Applied Soft Computing. 2021. V. 107. P. 107439.
  4. Zeng, N., Wang, Z., Liu, W., Zhang, H., Hone, K., Liu, X. A dynamic neighborhood-based switching particle swarm optimization algorithm // IEEE Transactions on Cybernetics. 2020. V. 52. № 9. P. 9290-9301.
  5. Alatise M. B., Hancke G. P. A review on challenges of autonomous mobile robot and sensor fusion methods // IEEE Access. 2020. V. 8. P. 39830-39846.
  6. Dames P. M. Distributed multi-target search and tracking using the PHD filter // Autonomous robots. 2020. V. 44. № 3-4.
    P. 673-689.
  7. Queralta, J. P., Taipalmaa, J., Pullinen, B. C., Sarker, V. K., Gia, T. N., Tenhunen, H., Westerlund, T. Collaborative multi-robot search and rescue: Planning, coordination, perception, and active vision // IEEE Access. 2020. V. 8. P. 191617-191643.
  8. Dai, W., Lu, H., Xiao, J., Zeng, Z., Zheng, Z. Multi-robot dynamic task allocation for exploration and destruction // Journal of Intelligent & Robotic Systems. 2020. V. 98. P. 455-479.
  9. Gong, Z., Qiu, C., Tao, B., Bai, H., Yin, Z., Ding, H. Tracking and grasping of moving target based on accelerated geometric particle filter on colored image // Science China Technological Sciences. 2021. V. 64. № 4. P. 755-766.
  10. Gholami, B., Sahu, P., Rudovic, O., Bousmalis, K., Pavlovic, V. Unsupervised multi-target domain adaptation: An information theoretic approach // IEEE Transactions on Image Processing. 2020. V. 29. P. 3993-4002.
  11. Hou, Y., Liang, X., He, L., Zhang, J. Time-coordinated control for unmanned aerial vehicle swarm cooperative attack on ground-moving target // IEEE Access. 2019. V. 7. P. 106931-106940.
  12. Na H. J., Yoo S. J. PSO-based dynamic UAV positioning algorithm for sensing information acquisition in wireless sensor networks // IEEE Access. 2019. V. 7. P. 77499-77513.
  13. Banerjee P., Corbetta M. In-time UAV flight-trajectory estimation and tracking using Bayesian filters // IEEE aerospace conference. 2020. P. 1-9.
  14. Zhou, L., Leng, S., Liu, Q., Wang, Q. Intelligent UAV swarm cooperation for multiple targets tracking // IEEE Internet of Things Journal. 2021. V. 9. № 1. P. 743-754.
  15. Aslan, M. F., Durdu, A., Yusefi, A., Sabanci, K., Sungur, C. A tutorial: Mobile robotics, SLAM, bayesian filter, keyframe bundle adjustment and ROS applications // Robot Operating System (ROS) The Complete Reference 2021. V. 6. P. 227-269.
  16. Taguchi S., Kidono K. Exclusive association sampling to improve Bayesian multi-target tracking // IEEE Access. 2020. V. 8.
    P. 193116-193127.
  17. Zhou, L., Leng, S., Wang, Q., Liu, Q. Integrated sensing and communication in UAV swarms for cooperative multiple targets tracking // IEEE Transactions on Mobile Computing. 2022. V. 22. P. 6526-6542.
  18. Shobeiry P., Xin M., Hu X., Chao H. Uav path planning for wildfire tracking using partially observable markov decision process // AIAA Scitech Forum. 2021. P. 1677.
  19. Gao Y., Cheng L., He Y., Wang D. An active pursuit strategy for autonomous mobile robots based on deep reinforcement learning // IEEE International Conference on Cyborg and Bionic Systems (CBS). 2023. P. 326-331.
  20. Song C., Han B., Ji X., Li Y., Su J. AI-driven Multipath Transmission: Empowering UAV-based Live Streaming // IEEE Network. 2023.
  21. Sun Z., Garcia de Marina H., Anderson B.D., Yu C. Collaborative target-tracking control using multiple fixed-wing unmanned aerial vehicles with constant speeds // Journal of Guidance, Control, and Dynamics. 2021. V. 44. № 2. P. 238-250.
  22. Zhao J., Yang C., Wang W., Xu B., Li Y., Yang L., Xiang C. A Game-Learning-Based Smooth Path Planning Strategy for Intelligent Air–Ground Vehicle Considering Mode Switching // IEEE Transactions on Transportation Electrification. 2022. V. 8. № 3.
    P. 3349-3366.
  23. Hao Chen, Xiangke Wang, Lincheng Shen, Yirui Cong. Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach // Chinese Journal of Aeronautics. 2021. V. 34. № 2. P. 504-515.
  24. Федосов В.П., Ибадов Р.Р., Ибадов С.Р. Реконструкция видеопоследовательности на основе геометрической модели с использованием видеодескриптора // Радиотехника. 2023. Т. 87. № 6. С. 151-167. DOI: https://doi.org/10.18127/j00338486-202306-20.
  25. Федосов В.П., Ибадов Р.Р., Ибадов С.Р. Модифицированный метод постобработки карты глубины изображений для задач безаварийного вождения беспилотных летательных аппаратов в городской инфраструктуре // Радиотехника. 2023. Т. 87.
    № 9. С. 113-123. DOI: https://doi.org/10.18127/j00338486-202309-10.
Дата поступления: 30.01.2024
Одобрена после рецензирования: 04.02.2024
Принята к публикации: 26.12.2024