АДАПТИВНЫЙ ГИБРИДНЫЙ АЛГОРИТМ ЛОКАЛИЗАЦИИ КЛЮЧЕВЫХ ТОЧЕК ДЛЯ НАВИГАЦИИ ЛЕТАТЕЛЬНОГО АППАРАТА С ОЦЕНКОЙ КАЧЕСТВА ИЗОБРАЖЕНИЯ

Аннотация

В условиях повышения требований к точности и надежности навигации летательных аппаратов (ЛА) при наличии в видеопотоке шумов различной природы актуальной является задача разработки алгоритмов, сочетающих высокую работоспособность нейросетевых методов в сложных условиях видеосъемки с высокой точностью классических подходов в благоприятных условиях. Цель исследования: разработать и валидировать адаптивный гибридный алгоритм. Данный алгоритм должен комбинировать помехоустойчивую нейросетевую детекцию (на базе LND-Net) с субпиксельным уточнением классическими методами (алгоритм Canny) на основе анализа локального качества изображения, повышая надежность навигации в сложных условиях. Материалы и методы. Предложен гибридный подход, в котором первичные координаты ключевых точек (углов маркеров) определяются нейронной сетью (LND-Net). Для оценки качества изображения в окрестности каждой точки (область 10  10 пикселей) применяется критерий бимодальности гистограммы яркости. При наличии выраженной бимодальности активируется классический контур: применяются адаптивные пороги по методу Otsu и детектор границ Canny для уточнения координат. В зашумленной среде (унимодальное распределение) координаты от нейросети используются без изменений. Для инвариантной к масштабу оценки точности локализации введена метрика SIOKS. Валидация проводилась на наборах данных, включающих эталонные изображения и кадры с синтетическими помехами (гауссов шум, размытие, туман), а также в условиях частичного перекрытия маркера. Результаты. Проведен анализ влияния качества изображения на локализационные ошибки (с использованием метрики SIOKS). Показано, что предложенный гибридный алгоритм сохраняет точность, близкую к классическим методам в идеальных условиях (средняя SIOKS ~ 0,010–0,013), и сохраняет работоспособность в зашумленных средах, где классические методы отказывают, полагаясь на помехоустойчивый нейросетевой компонент. Заключение. Разработанный адаптивный алгоритм успешно разрешает фундаментальный компромисс между субпиксельной точностью классических методов компьютерного зрения и высокой помехоустойчивостью нейронных сетей. Предложенный критерий бимодальности гистограммы доказал свою эффективность в качестве быстрого и надежного триггера для переключения режимов обработки в реальном времени. Обоснована методика валидации, связывающая пиксельную точность с анализом локального качества изображения, что имеет критическое значение для корректной работы бортовых систем видеонаблюдения и навигации летательных аппаратов.