ВЫЧИСЛЕНИЕ GPS-КООРДИНАТ ОБЪЕКТОВ, ОБНАРУЖЕННЫХ ПО МАТЕРИАЛАМ АЭРОФОТОСЪЁМКИ
https://doi.org/10.26583/vestnik.2023.249
Аннотация
В данной статье рассмотрен алгоритм, позволяющий рассчитать GPS-координаты объекта, обнаруженного на снимках, полученных с беспилотного летательного аппарата (квадрокоптера). Разработанный алгоритм может быть использован в задачах обнаружения различных объектов и последующего нанесения их координат на карты. Авторами статьи описан подход к решению данной задачи, обозначены основные этапы алгоритма. Представлено описание подхода к написанию программы, реализованной на языке программирования C++ с использованием библиотеки с открытым исходным кодом OpenCV (библиотеки машинного зрения). Продемонстрированы результаты работы программы. Авторам удалось достичь точности вычисления GPS-координат объектов порядка одного метра, что сравнимо с точностью спутникового позиционирования квадрокоптера, с которого осуществляется аэрофотосъёмка подстилающей поверхности
Об авторах
Г. С. Финякин
Московский государственный технический университет имени Н.Э. Баумана
Россия
Россия
В. Б. Чемоданов
Московский авиационный институт (национальный исследовательский университет)
Россия
Россия
А. А. Шацкий
Московский государственный технический университет имени Н.Э. Баумана
Россия
Россия
Список литературы
1. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. C. 382.
2. Hadsell R., Chopra S. and LeCun Y. Dimensionality reduction by learning an invariant mapping [электронный ресурс]. URL: http://yann.lecun.com/ exdb/publis/ pdf/hadsellcho-pra-lecun-06.pdf 2006 (дата обращения: 29.01.2023).
3. Воронцов К.В. Нейронные сети, видеокурс [электронный ресурс]. URL: https://www.youtube. com/watch?v=WjwA5DqxL-c (дата обращения: 29.01.2023).
4. Johnson J. Li F.F. and Yeung S. Convolutional neural networks [электронный ресурс]. URL: http://cs231n. stanford.edu/syllabus.html (дата обращения: 29.01.2023).
5. Bochkovskiy Alexey, Chien-Yao Wang, and Hong-Yuan Mark Liao. Optimal speed and accuracy of object detection [электронный ресурс]. URL: https://arxiv.org/pdf/2004.10934.pdf (дата обращения: 29.01.2023).
6. Wang Chien-Yao, Bochkovskiy A., and Hong-Yuan Mark Liao. Scaling cross stage partial network // Proceedings of the IEEE/CVF «Conference on Computer Vision and Pattern Recognition (CVPR)». 2021. Р. 13029.
7. Шацкий А.А., Евгеньев И.Ю. Нейросетевая астрономия как новый инструмент наблюдения ярких и компактных объектов // ЖЭТФ. 2019. Т. 155. № 4. С. 693.
8. Байер Р. Линейная алгебра и проективная геометрия. М.: Иностранной литературы, 1955. C. 399.
9. Обработка и анализ цифровых изображений с примерами на LabVIEW и IMAQ Vision / Ю.В. Визильтер, С.Ю. Желтов, В.А. Князь, А.Н. Ходарев. М.: ДМК Пресс, 2007. C. 464.
10. Корн Т., Корн Г. Справочник по математике. М.: Наука, 1973. C. 832.
Рецензия
Для цитирования:
Финякин Г.С., Чемоданов В.Б., Шацкий А.А. ВЫЧИСЛЕНИЕ GPS-КООРДИНАТ ОБЪЕКТОВ, ОБНАРУЖЕННЫХ ПО МАТЕРИАЛАМ АЭРОФОТОСЪЁМКИ. Вестник НИЯУ МИФИ. 2023;12(1):20-27. https://doi.org/10.26583/vestnik.2023.249
For citation:
Finyakin G.S., Chemodanov V.B., Shatsky A.A. CALCULATION OF GPS COORDINATES OF OBJECTS DETECTED FROM AERIAL PHOTOGRAPHY. Vestnik natsional'nogo issledovatel'skogo yadernogo universiteta "MIFI". 2023;12(1):20-27. (In Russ.) https://doi.org/10.26583/vestnik.2023.249
Просмотров:
147
Послать статью по эл. почте 