Исследование автономной навигации беспилотных летательных аппаратов на основе корреляционных методов сравнения изображений
- Авторы: Беляев П.Ю.1, Зикратов И.А.1
-
Учреждения:
- Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича
- Выпуск: Том 10, № 5 (2024)
- Страницы: 109-118
- Раздел: ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИ
- URL: https://journals.rcsi.science/1813-324X/article/view/270437
- EDN: https://elibrary.ru/DXAVDQ
- ID: 270437
Цитировать
Полный текст
Аннотация
Об авторах
П. Ю. Беляев
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича
Email: belyaev.edu@gmail.com
ORCID iD: 0000-0001-5387-0622
SPIN-код: 3238-9466
И. А. Зикратов
Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича
Email: zikratov.ia@sut.ru
ORCID iD: 0000-0001-9054-800X
SPIN-код: 8991-5212
Список литературы
- Бондарев А.Н., Киричек Р.В. Обзор беспилотных летательных аппаратов общего пользования и регулирования воздушного движения БПЛА в разных странах // Информационные технологии и телекоммуникации. 2016. Т. 4. № 4. С. 13‒23. EDN:YLNEPH
- Sozzi M., Kayad A., Marinello F., Taylor J., Tisseyre B. Comparing vineyard imagery acquired from Sentinel-2 and Unmanned Aerial Vehicle (UAV) platform // Oeno One. 2020. Vol. 54. Iss. 2. PP. 189‒197. doi: 10.20870/oeno-one.2020.54.1.2557
- Pastonchi L., Di Gennaro S.F., Toscano P., Matese A. Comparison between satellite and ground data with UAV-based information to analyse vineyard spatio-temporal variability // Oeno One. 2020. Vol. 54. Iss. 4. PP. 919‒934. doi: 10.20870/oeno-one.2020.54.4.4028
- Lu Z., Liu F., Lin X. Vision-based localization methods under GPS-denied conditions // arXiv:2211.11988. 2022. doi: 10.48550/arXiv.2211.11988
- Lu K., Xu R., Li J., Lv Y, Lin H., Liu Y. A Vision-Based Detection and Spatial Localization Scheme for Forest Fire Inspection from UAV // Forests. 2022. Vol. 13. Iss. 3. P. 383. doi: 10.3390/f13030383
- Nassar A., Amer K., ElHakim R., ElHelw M. A Deep CNN-Based Framework for Enhanced Aerial Imagery Registration with Applications to UAV Geolocalization // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPR, Salt Lake City, USA, 18‒22 June 2018). 2018. PP. 1513‒1523.
- Zhang T., Liu C., Li J., Pang M., Wang M. A New Visual Inertial Simultaneous Localization and Mapping (SLAM) Algorithm Based on Point and Line Features // Drones. 2022. Vol. 6. Iss. 1. P. 23. doi: 10.3390/drones6010023
- Cheng C., Wang X., Li X. UAV image matching based on surf feature and harris corner algorithm // Proceedings of the 4th International Conference on Smart and Sustainable City (ICSSC, Shanghai, China, 5‒6 June 2017). IET, 2017. doi: 10.1049/cp.2017.011
- Zhao J., Zhang X., Gao C., Qiu X., Tian Y., Zhu Y., Cao W. Rapid Mosaicking of Unmanned Aerial Vehicle (UAV) Images for Crop Growth Monitoring Using the SIFT Algorithm // Remote Sensing. 2019. Vol. 11. Iss. 10. P. 1226. doi: 10.3390/rs11101226
- Jiang S., Jiang W., Guo B., Li L., Wang L. Learned Local Features for Structure from Motion of UAV Images: A Comparative Evaluation // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2021. Vol. 14. PP. 10583‒10597. doi: 10.1109/JSTARS.2021.3119990
- Fan J., Yang X., Lu R., Li W., Huang Y. Long-term visual tracking algorithm for UAVs based on kernel correlation filtering and SURF features // The Visual Computer. 2023. Vol. 39. PP. 319‒333. doi: 10.1007/s00371-021-02331-y
- Tsai C. H., Lin Y. C. An accelerated image matching technique for UAV orthoimage registration // ISPRS Journal of Photogrammetry and Remote Sensing. 2017. Vol. 128. PP. 130‒145. doi: 10.1016/j.isprsjprs.2017.03.017
- Lee K.W., Park J.K. Comparison of UAV Image and UAV LiDAR for Construction of 3D Geospatial Information // Sensors & Materials. 2019. Vol. 31. Iss. 10. PP. 3327–3334. doi: 10.18494/SAM.2019.2466
- Lin Y. C., Cheng Y.T., Zhou T., Ravi R., Hasheminasab S.M., Flatt J.E., et al. Evaluation of UAV LiDAR for Mapping Coastal Environments // Remote Sensing. 2019. Vol. 11. Iss. 24. P. 2893. doi: 10.3390/rs11242893
- Bandini F., Sunding T.P., Linde J., Smith O., Jensen I.K., Köppl C.J., Butts M., Bauer-Gottwein P. Unmanned Aerial Sys-tem (UAS) observations of water surface elevation in a small stream: Comparison of radar altimetry, LIDAR and photo-grammetry techniques // Remote Sensing of Environment. 2020. Vol. 237. P. 111487. doi: 10.1016/j.rse.2019.111487
- Ezuma M., Anjinappa C.K., Semkin V., Guvenc I. Comparative Analysis of Radar Cross Section Based UAV Classification Techniques // arXiv:2112.09774. 2021. doi: 10.48550/arXiv.2112.09774
- Palubinskas G. Image similarity/distance measures: what is really behind MSE and SSIM? // International Journal of Image and Data Fusion. 2017. Vol. 8. Iss. 1. PP. 32‒53. doi: 10.1080/19479832.2016.1273259
- Ullah A., Elahi H., Sun Z., Khatoon A., Ahmad I. Comparative Analysis of AlexNet, ResNet18 and SqueezeNet with Diverse Modification and Arduous Implementation // Arabian Journal for Science and Engineering. 2022. Vol. 47. PP. 2397‒2417. doi: 10.1007/s13369-021-06182-6
Дополнительные файлы
