Локализация целей в реальном времени на БПЛА с лазерным дальномером на подвесе
https://doi.org/10.15514/ISPRAS-2025-37(4)-11
Аннотация
В статье представлена новая система трехмерной локализации в реальном времени на базе БПЛА, которая сочетает монокулярную камеру, лазерный дальномер на стабилизирующем подвесе и бортовые алгоритмы компьютерного зрения. В отличие от предыдущих подходов, основанных на допущениях, таких как известный размер объекта или плоский рельеф местности, и часто проверяемых только в симуляции, наш метод обеспечивает точную локализацию целей без предварительных знаний об окружающей среде. Система осуществляет слежение и локализацию полностью на борту дрона за счёт активного слияния данных от датчиков и управления подвесом. Разработанный нами метод реализован в универсальном программном обеспечении и протестирован в полевых условиях, где продемонстрировал высокую точность и устойчивость.
Ключевые слова
беспилотный летательный аппарат (БПЛА),
локализация объектов,
монокулярная камера,
лазерный дальномер,
слияние датчиков,
управление подвеской
При поддержке: Работа выполнена при поддержке Комитета по науке Республики Армения (исследовательский проект № 23AA-1B007).
Об авторах
Вардан СААКЯН
Российско-Армянский университет
Армения
Армения
научный сотрудник Центра передовых программных технологий (CAST) и аспирант Российско-Армянского университета, специализируется на математическом и программном обеспечении вычислительных систем. Получил степень бакалавра по информатике и прикладной математике в Национальном политехническом университете Армении (2021) и степень магистра по интеллектуальным системам и робототехнике в Российско-Армянском университете (2023). Его исследования посвящены беспилотным летательным аппаратам, компьютерному зрению и обучению с подкреплением.
Ваагн МЕЛКОНЯН
Российско-Армянский университет
Армения
Армения
Получил степень бакалавра в области информатики и прикладной математики в Национальном Политехническом Университете Армении, Армения, в 2021 году. В 2023 году он получил степень магистра в области интеллектуальных систем и робототехники в Российско-Армянском Университете, Армения. В настоящее время он занимается аспирантурой по математическому и программному обеспечению вычислительных машин, комплексов и компьютерных сетей в Российско-Армянском Университете, Армения. Он также является исследователем в Центре Передовых Программных Технологий (CAST). Его исследовательские интересы включают БПЛА, компьютерное зрение и алгоритмы управления.
Севак САРГСЯН
Российско-Армянский университет
Армения
Армения
Получил степени бакалавра и магистра в области информатики и прикладной математики в Ереванском Государственном Университете, Армения, в 2010 и 2012 годах соответственно. Позже, в 2016 году, он получил степень кандидата физ.-мат. наук в области математического и программного обеспечения вычислительных машин, комплексов и компьютерных сетей в Институте системного программирования имени Иванникова Российской академии наук. В настоящее время он является заведующим кафедрой Системного Программирования в Российско-Армянском Университете, Армения. Его исследовательские интересы включают технологии компиляторов, безопасность программного обеспечения и тестирование программного обеспечения.
Список литературы
1. Ranftl R., et al. Towards robust monocular depth estimation: Mixing datasets for zero-shot cross-dataset transfer. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 44, no. 3, 2020, pp. 1623-1637. DOI: 10.1109/TPAMI.2020.3019967.
2. Ranftl R., Bochkovskiy A., Koltun V. Vision transformers for dense prediction. Proceedings of the IEEE/CVF International Conference on Computer Vision, 2021, pp. 12179-12188. DOI: 10.1109/ICCV48922.2021.01196.
3. Godard C., et al. Digging into self-supervised monocular depth estimation. Proceedings of the IEEE/CVF International Conference on Computer Vision, 2019, pp. 3828-3838. DOI: 10.1109/ICCV.2019.00393
4. Stereolabs. ZED 2 Camera. Available at: https://www.stereolabs.com/zed-2/.
5. Intel Corporation. Intel RealSense Depth Camera D455. Available at: https://www.intelrealsense.com/depth-camera-d455/.
6. Kim I., Yow K. C. Object location estimation from a single flying camera. UBICOMM 2015, 2015, p. 95.
7. Sanyal S., Bhushan S., Sivayazi K. Detection and location estimation of object in unmanned aerial vehicle using single camera and GPS. 2020 First International Conference on Power, Control and Computing Technologies (ICPC2T), IEEE, 2020, pp. 73-78. DOI: 10.1109/ICPC2T48082.2020.9071439.
8. Paulin, et al. Application of the raycast method for person geolocalization and distance determination using UAV images in real-world land search and rescue scenarios. Expert Systems with Applications. DOI: 10.1016/j.eswa.2023.121495.
9. Proença P. F., et al. Trade: Object tracking with 3D trajectory and ground depth estimates for UAVs. 2023 IEEE International Conference on Robotics and Automation (ICRA), IEEE, 2023, pp. 3325-3331.
10. DOI: 10.1109/ICRA48891.2023.10161192.
11. Florea H., Nedevschi S. TanDepth: Leveraging Global DEMs for Metric Monocular Depth Estimation in UAVs. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025. DOI: 10.1109/JSTARS.2025.3531984.
12. Yates D. J. Monocular Vision Localization Using a Gimbaled Laser Range Sensor. Master's thesis, Air Force Institute of Technology, Wright-Patterson Air Force Base, Ohio, 2010, 105 pp.
13. Ge H., et al. An object localization system using monocular camera and two-axis-controlled laser ranging sensor for mobile robots. IEEE Access, vol. 9, 2021, pp. 79214-79224. DOI: 10.1109/ACCESS.2021.3084153.
14. Cunha R., et al. Gimbal control for vision-based target tracking. Proceedings of the European Conference on Signal Processing, 2019.
15. Regner D. J., et al. Object tracking control using a gimbal mechanism. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 43, 2021, pp. 189-19. DOI: 10.5194/isprs-archives-XLIII-B1-2021-189-2021.
16. Sardaryan A., et al. An accurate real-time object tracking method for resource-constrained devices. Proceedings of the Institute for System Programming of the RAS, vol. 36, no. 3, 2024, pp. 283-294. DOI: 10.15514/ISPRAS-2024-36(3)-20.
17. Pai P., Naidu V. P. S. Target geo-localization based on camera vision simulation of UAV. Journal of Optics, vol. 46, 2017, pp. 425-435. DOI: 10.1007/s12596-017-0395-0.
18. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision. Cambridge University Press, Cambridge, 2004, 655 pp.
Рецензия
Для цитирования:
СААКЯН В., МЕЛКОНЯН В., САРГСЯН С. Локализация целей в реальном времени на БПЛА с лазерным дальномером на подвесе. Труды Института системного программирования РАН. 2025;37(4):189-198. https://doi.org/10.15514/ISPRAS-2025-37(4)-11
For citation:
SAHAKYAN V., MELKONYAN V., SARGSYAN S. Real-Time Target Localization Using Gimbaled Laser on UAVs. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2025;37(4):189-198. (In Russ.) https://doi.org/10.15514/ISPRAS-2025-37(4)-11
Послать статью по эл. почте 