Построение границ объектов для автопилота надводного робота по спутниковым снимкам с использованием методов компьютерного зрения

от

А.Н. Греков1,2, Ю.Е. Шишкин1, С.С. Пелюшенко1, А.С. Маврин1,2

 1Институт природно-технических систем, РФ, г. Севастополь, ул. Ленина, 28

2Севастопольский государственный университет, РФ, г. Севастополь, ул. Университетская, 33

E—mail: iurii.e.shishkin@gmail.com

DOI: 10.33075/2220-5861-2021-3-107-118

УДК 681.3                                                         

Реферат:

   За последние годы технологическое развитие и ускорившийся темп роста населения привели к увеличению антропогенной нагрузки и повышению уровня природопользования человеком, что послужило причиной климатических изменений. Это приводит к значимым негативным тенденциям изменения состояния природной среды, гидросферы и атмосферы. Одними из ключевых системообразующих элементов экосистемы являются поверхностные водные объекты: реки, озера, моря и океаны.

   Фактически, в настоящее время отсутствует постоянный мониторинг водных объектов, который фиксировал бы изменения их физико-химических параметров и площадей. Для автоматизации процессов проведения такого мониторинга эффективным и перспективным направление является использование беспилотного надводного робота.

   В нашей работе решается задача построения карт для автопилота надводного робота по спутниковым снимкам местности с использованием методов компьютерного зрения.

   Решение схожих задач рассматривалось многими авторами, разработан ряд методов обнаружения водных тел, таких как методы многоспектральных индексов, морфологические методы и другие. Для реализации метода построения границ водных тел на изображении существует множество различных алгоритмов, обладающих различной эффективностью для разных целевых задач.

   В статье предложены алгоритм и реализующая его программа обнаружения границ водных объектов для модуля автопилота надводного робота. Применен способ обнаружения водных объектов на спутниковых картах методом нахождения цвета в цветовом пространстве HSV, с использованием эрозии, дилатации – методов цифровой фильтрации изображений. Исследована эффективность следующих операторов построения контуров на изображении: операторы Собеля, Робертса, Превитта и из них для разрабатываемого модуля выбран тот, что наиболее точно выделяет границу водных объектов. Создан алгоритм вычисления GPS-координат контуров. Предложенный алгоритм позволяет сохранять результат в формате, пригодном для модуля автопилота надводного робота.

Ключевые слова: Водные тела, спутниковые карты, обнаружение границ, контроль природной среды, эрозия, дилатация, операторы Собеля, Робертса, Превитта, GPS-координаты.

Для цитирования: Греков А.Н., Шишкин Ю.Е., Пелюшенко С.С., Маврин А.С. Построение границ объектов для автопилота надводного робота по спутниковым снимкам с использованием методов компьютерного зрения // Системы контроля окружающей среды. 2021. Вып. 3 (45). C. 107-118.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Катаев М.Ю., Бекеров А.А. Методика обнаружения водных объектов по многоспектральным спутниковым измерениям // Доклады Томского государственного университета систем управления и радиоэлектроники, 2017. Т. 20, № 4. С. 105–108. DOI: 10.21293/1818-0442-2017-20-4-105-108
  2. Шишкин Ю.Е., Греков А.Н. Концепция интеллектуальной системы автоматизированного экологического мониторинга на базе малогабаритных автономных роботов // Системы контроля окружающей среды. 2018. № 14 (34). С. 63–69. DOI: 10.33075/2220-5861-2018-4-63-69
  3. Shishkin I.E., Grekov A.N., Nikishin V.V. Intelligent Decision Support System for Detection of Anomalies and Unmanned Surface Vehicle Inertial Navigation Correction // Proceedings – 2019 International Russian Automation Conference, RusAutoCon. 2019. P. 1–6. DOI:10.1109/rusautocon.2019.8867601
  4. Shishkin I.E., Grekov A.N., Grekov N.A. A multi-model system of intelligent unmanned surface vehicles for environmental monitoring // 2019 International Multi-Conference on Industrial Engineering and Modern Technologies, FarEastCon 2019. 2019. С. 1–6. DOI:10.1109/FarEastCon.2019.8934037
  5. Шишкин Ю.Е. Ансамблевый подход построения карт по спутниковым изображениям для проведения мониторинговых наблюдений морских акваторий // Системы контроля окружающей среды – 2020: тезисы докладов Междунар. науч.-техн. конф. 2020. С. 23.
  6. Баландин Д.В., Коган М.М. Синтез законов управления на основе линейных матричных неравенств. М., 2007. 280 с.
  7. Алгазинов Э.К., Сирота А.А. Анализ и компьютерное моделирование информационных процессов и систем: Прикладная информатика. М.: Диалог-МИФИ. 2009. 416 с.
  8. Томакова Р.А., Филист С.А. Метод обработки и анализа сложноструктурируемых изображений на основе встроенных функций среды matlab // Вестник Забайкальского государственного университета. 2012. № 1 (80). С. 3–9.
  9. Гонсалес Р. Цифровая обработка изображений / ред. Р. Гонсалес, Р. Вудс. М.: Техносфера, 2009. 1104 c.
  10. Hao Jiang, Min Feng, Yunqiang Zhu An Automated Method for Extracting Rivers and Lakes from Landsat Imagery // Remote Sens. 2014. № 6. P. 5067–5089. DOI:10.3390/rs6065067
  11. Rishikeshan C.A., Ramesh H. An au-tomated mathematical morphology driven algorithm for water body extraction from remotely sensed images // ISPRS Journal of Photogrammetry and Remote Sensing. 2018. Vol. 146. P. 11–21.
  12. AlMaazmi Alya. Water bodies extraction from high resolution satellite images using water indices and optimal threshold // Proc. SPIE No. 10004, Image and Signal Processing for Remote Sensing, 18 October 2016. Vol. XXII, No. 100041J.
  13. Ranjay Shrestha, Liping Di. Land/Water Detection and Delineation with Landsat Data using MatLab/ENVI // Agro-Geoinformatics, 2013 Second International Conference on DOI:10.1109/ Argo-Geoinformatics.2013.6621909
  14. Пантилейкина Т.П., Москалева С.А. Использование программных средств SasPlanet и GooglEearth в образовательном процессе // Развитие регионов в ХХI веке: сборник материалов I Междунар. науч. конф. Северо-Осетинский гос. университет им. К.Л. Хетагурова. 2013. С. 374–379.
  15. Томакова Р.А., Филист С.А. Метод обработки и анализа сложноструктурируемых изображений на основе встроенных функций среды matlab // Вестник Забайкальского государственного университета. 2012. № 1 (80). С. 3–9.
  16. Гонсалес Р. Цифровая обработка изображений. М.: Техносфера, 2012. 1101 c.
  17. Алгоритмы выделения контуров на изображении // электронный ресурс // https://habr.com/ru/post/114452/ (дата обращения: 18.06.2021).

Loading