Метод итерационной нормализации изображения для задач визуальной навигации БПЛА

Abstract

В работе представлен метод устранения перспективных искажений изображения, полученного с камеры беспилотного летательного аппарата (БПЛА), для приведения его к параметрам съемки спутникового снимка, который рассчитан на работу на маломощных процессорах. Входной информацией являются: текущее изображение с информацией о положении камеры во время съемки, параметры камеры и предыдущий уже нормализованный кадр. Нормализация осуществляется одним из двух способов. Первый способ применяется в случае, если обрабатывается первый кадр или произошла ошибка обработки предыдущего кадра, и заключается в расчете матрицы трансформации изображения основываясь на параметрах положения камеры в пространстве. Второй способ заключается в сопоставлении текущего кадра с уже нормализованным предыдущим. Сопоставление осуществляется методом статистической дифференциации, во время которого на обоих изображениях выделяются ключевые точки. Результатом сопоставления являются параметры сдвига, поворота и масштаба, которые используются для определения первоначального множества пар соответствующих друг другу ключевых точек. Среди множества пар выбираются четыре пары точек, по которым строится матрица перспективного преобразования, используемая для определения нового множества пар соответственных точек. Процесс повторяется, пока число пар в новом множестве больше, чем в текущем. Накопленная матрица трансформации умножается на матрицу трансформации полученную при нормализации предыдущего кадра. В заключительной части представлены результаты работы метода, показывающие, что предложенный метод позволяет повысить точность работы системы визуальной навигации при малых вычислительных затратах. The work deals with the method for perspective distortion elimination of an image obtained from an unmanned aerial vehicle (UAV) camera, in order to transform it according to satellite imagery. Normalization is done in one of two ways. The first variant is used when information about previous frame cannot be used. This variant consists in calculation of image transformation matrix based on camera position and orientation. The second variant is based on matching of current image with previous one. The result of matching are parameters of shift, rotation and scale, which are used to obtain the initial set of pairs of corresponding keypoints. Among the set of pairs, four pairs are selected, which are used to calculate perspective transformation matrix. This matrix is used to obtain a new set of pairs of corresponding keypoints. The process repeats, while the number of pairs in the new set is greater than in the current one. The accumulated transformation matrix is multiplied by the transformation matrix obtained by normalizing the previous frame. In the final part presents the results of the method, showing that the proposed method can improve the accuracy of the visual navigation system at low computational costs.