Содержание к диссертации
Введение
Глава 1 Системы совместной обработки информации от бортовых источников летательного аппарата 11
1.1 Краткая классификация современных навигационных систем 11
1.2 Обзор существующих теоретических и практических работ в области совмещения и обработки информации от бортовых источников летательных аппаратов 14
1.3 Цели и задачи проектирования интеллектуальной системы комплексирования навигационной информации 23
Основные результаты 28
Глава 2 Исследование интеллектуальных методов позиционирования, классификации и идентификации объектов 29
2.1 Анализ исходных данных, получаемых от бортовых источников информации 29
2.2 Определение требований к результатам совмещения информации от бортовых источников 33
2.3 Выделение объектов на изображении и обработка признаковой информации 36
2.4 Исследование подхода к описанию пространственных ситуаций на основе анализа интуитивного восприятия окружающей остановки 40
2.5 Алгебра для описания и анализа пространственных ситуаций окружающей обстановки 54
2.6 Решение задачи позиционирования объектов на основе теории унификации 61
2.7 Идентификация объектов на основе качественного анализа их характеристик 66
2.8 Совмещение информации от различных бортовых источников летательного аппарата 74
Основные результаты 78
Глава 3 Технология проектирования интеллектуальных систем комплексирования навигационной информации 80
3.1 Постановка задачи и анализ исходных данных 80
3.2 Построение базовой архитектуры интеллектуальных систем комплексирования навигационной информации 82
3.3 Особенности проектирования модуля обработки исходной информации 87
3.4 Архитектура подсистемы выделения объектов 89
3.5 Особенности построения модуля идентификации объектов 93
3.6 Проектирование модуля позиционирования 101
3.7 Построение архитектуры подсистемы визуализации 106
Основные результаты 112
Глава 4 Методика создания системы позиционирования и идентификации объектов 113
4.1 Определение требований к функциональным возможностям системы позиционирования и идентификации объектов 113
4.2 Формирование массива объектов из радиолокационного изображения 118
4.3 Формализация описания пространственных отношений между объектами и позиционирование летательного аппарата 125
4.4 Определение дополнительных характеристик объектов 134
4.5 Идентификация объектов и обработка результатов 137
4.6 Основные программно-технические характеристики системы позиционирования и идентификации объектов coins lv 143
Основные результаты 146
Заключение 148
Список литературы
- Обзор существующих теоретических и практических работ в области совмещения и обработки информации от бортовых источников летательных аппаратов
- Определение требований к результатам совмещения информации от бортовых источников
- Построение базовой архитектуры интеллектуальных систем комплексирования навигационной информации
- Формирование массива объектов из радиолокационного изображения
Введение к работе
Актуальность темы Развитие технических возможностей и внедрение
последних научных разработок в бортовые системы навигации открывают новые
возможности и ставят всё более сложные задачи перед человеком или экипажем,
управляющим подвижным объектом. Бортовые средства навигации пополняются
новыми источниками информации, существующие источники
усовершенствуются. Однако, это усовершенствование доходит до определённого предела, преодоление которого на сегодняшний день является весьма сложной или практически невыполнимой задачей. В первую очередь это относится к качеству информации. В виду этого происходит перенос требований к качеству представления информации от аппаратной базы к алгоритмам и методам её обработки.
В результате, на основе существующей технической базы возникает необходимость разрабатывать алгоритмы и методы комплексирования информации, повышающие информативность бортовых систем навигации в целом и позволяющие более наглядно представлять информацию от различных источников. Основными задачами систем подобного класса являются: обработка и совмещение видеоинформации и прочих данных, обеспечение безопасности передвижения в различных условиях, определение собственного местоположения в отсутствие спутниковой информации, повышение надёжности и точности выполнения поставленных задач при перемещении объекта управления с большой скоростью.
В связи с этим, задача максимально эффективного использования всей имеющейся на борту летательного аппарата (ЛА) информации для представления окружающей обстановки с использованием интеллектуальных методов, является актуальной. Под представлением окружающей обстановки здесь следует понимать позиционирование и идентификацию объектов, находящихся вокруг ЛА.
Наибольший вклад в теоретические исследования в указанном направлении был сделан такими учёными как: Поспелов Д.А., Васильев В.И., Горелик АЛ., Давыдов П.С, Скрипкин В.А., Дуда Р., Харт П., Кузин Л.Т., Перегудов Ф.И., Темников Ф.Е., Ту Дж., Гонсалес Р., Уинстон П., Фу К., Найт К., Бадер Ф. и др.
Практические разработки, выполнены такими авторами как: Ричард Г. Хоффман, Колодько Г.Н., Клочко В.К., Мойбенко В.И., Самарин О. Ф. , Курилкин В.В., Ерофеев А.А., Долгов А.Н., Жидков В.Н., Ким Н.В., Красильщиков М.Н., Ушимура К., Гротчева Е, Гарридо Р., Гонсалес Е., Сбродов В.В., Свиридов В.П., Давыдов В.Г., Башкиров Л.Г., Холл Д., Кровли Дж. Л., Кревецкий А.В. и др.
К недостаткам существующих систем можно отнести недостаточное использование или отсутствие в них современных интеллектуальных методов анализа и обработки информации.
Существующие системы комплексирования информации ставят повышенные требования к качеству исходных данных, от которого напрямую зависят результаты работы систем.
В реальных системах совмещения графической информации происходит прямое наложение разноспектральных изображений без проведения внутреннего анализа их структуры и представляемой ими информации, что в некоторых случаях приводит к невозможности такого совмещения.
Разработчики существующих систем комплексирования информации необоснованно пренебрегают известными результатами ситуационного анализа, хорошо зарекомендовавшими себя в теории управления.
При выполнении работы осуществляется попытка преодолеть эти недостатки, создать и применить наиболее адекватный математический аппарат для исследования, проектирования и эксплуатации интеллектуальных систем комплексирования навигационной информации (ИСКНИ), разработать новую архитектуру систем такого класса с использованием средств искусственного интеллекта, а также применить конкретные практические проектные решения при программировании ИСКНИ.
Оригинальной методикой совмещения информации об окружающей обстановке, полученной из различных источников информации, находящихся на борту ЛА, до сих пор не встречавшейся ни в отечественных, ни в зарубежных системах подобного класса, является предлагаемая в работе методика комплексирования информации на основе ситуационного анализа, универсальных алгебр, нечёткой логики и теории унификации.
Методика позволит произвести анализ радиолокационной и картографической информации: выделить объекты на радиолокационном изображении, определить их координаты и характеристики, идентифицировать объекты в соответствии с имеющейся базой знаний, основанной на нечёткой логике.
Цель работы и задачи исследования Целью диссертационной работы является исследование и разработка эффективного инструментария для описания окружающей обстановки вокруг ЛА, позиционирования, классификации и идентификации окружающих его объектов, определения собственных координат ЛА, с помощью которого можно облегчить возложенные на человека задачи по принятию важных управленческих решений при оценке изменяющейся во времени ситуации.
Для достижения поставленной цели необходимо решить следующие основные задачи.
1. Осуществить анализ предметной области и выбрать из числа существующих наиболее подходящие методики, с помощью которых можно добиться желаемых результатов, выявить возможность и разработать способы их модификации и адаптации к условиям решаемой задачи.
Разработать математический аппарат и программное обеспечение для выделения объектов на изображении и определения их статистических и физических характеристик.
Формализовать предметную область с целью её адекватного и эффективного описания и проанализировать окружающую обстановку вокруг ЛА.
Спроектировать алгебру описания свойств объектов, на основе которой появилась бы возможность идентифицировать объекты, выделенные при анализе данных от бортовых источников информации ЛА.
Определить структуру и содержание базы знаний с применением теорий графов и нечётких множеств, позволяющую идентифицировать объекты.
6. Разработать алгоритмы позиционирования и идентификации объектов.
Методы исследования Исследование, проведённое при выполнении
работы, осуществлялось на основе теории вероятностей, теории множеств, теории универсальных алгебр, теории нечётких множеств, теории графов, методов структурного и объектно-ориентированного программирования. Научная новизна
В диссертации предложена оригинальная методика описания пространственных ситуаций окружающей обстановки для ЛА и прикладная алгебраическая система для формализации предметной области.
Разработан эффективный базовый алгоритм унификации термов описания пространственных ситуаций с целью определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.
Спроектирована алгебра описания свойств объекта, на основе которой появляется реальная возможность идентификации объектов, выделенных при анализе данных от бортовых источников информации ЛА.
Составлен новый алгоритм унификации термов, полученных с помощью алгебры описания свойств объекта, позволяющий максимально эффективно идентифицировать объекты, выделенные при анализе данных от бортовых источников информации.
Разработана технология проектирования интеллектуальных систем комплексирования навигационной информации, обладающих высокой функциональностью и малой критичностью к качеству исходных данных.
Практическая ценность работы Результаты работы являются основой для проектирования систем позиционирования, классификации и идентификации объектов. Используемые в диссертации формализм и методы позволяют на основе алгоритма описания пространственных ситуаций создавать модели предметной области, являющиеся основой оценки окружающей обстановки.
Разработанная методология и технологические средства могут быть приняты за основу при создании новых перспективных интеллектуальных систем комплексирования навигационной информации.
На основе результатов диссертационной работы появляется реальная возможность повысить эффективность обработки и анализа бортовой
навигационной информации ЛА, сократить трудозатраты экипажа ЛА, уменьшить ошибки человека при реализации важных решений, принимаемых в сложной изменяющейся окружающей обстановке, и создать условия для их адекватного и своевременного принятия.
Реализация и внедрение результатов работы Результаты диссертации нашли отражение в реальной программе COINS lv (Complexing Information System light version), предназначенной для позиционирования и идентификации объектов на основе анализа радиолокационной и картографической информации.
Результаты исследования внедрены в деятельность ФГУП «Государственный рязанский приборный завод» по созданию программного обеспечения для разрабатываемых навигационных устройств.
Теоретические результаты диссертационной работы нашли применение в учебном процессе Рязанского государственного радиотехнического университета при подготовке специалистов по специальностям 220400 и 351400.
Положения, выносимые на защиту
Разработанная методика описания пространственных ситуаций окружающей обстановки вокруг летательного аппарата на основе псевдофизической пространственной логики является эффективным инструментом оценки текущей полётной ситуации.
Спроектированная алгебраическая система позволяет составить термы описания пространственных ситуаций для дальнейшего позиционирования и идентификации объектов.
Составленный базовый алгоритм унификации термов описания пространственных ситуаций даёт возможность определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.
Разработанные алгебра описания свойств объекта и алгоритм унификации термов описания объектов позволяют осуществить идентификацию объектов, выделенных при анализе данных от бортовых источников информации ЛА.
Апробация работы Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на 12-й и 14-й Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004 и 2005 гг.); на 10-й ежегодной международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, 2004 г.); на Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения» (Пенза, 2005 г.); на 11-й Международной открытой научной конференции "Современные проблемы информатизации" (Воронеж, 2006 г.); на 13-й Санкт-Петербургской международной конференции по интегрированным навигационным системам (Санкт-Петербург, 2006 г.).
Публикации Самостоятельно и в соавторстве по теме диссертации опубликовано 11 работ, в том числе 2 статьи, 7 тезисов докладов на
международных научно-технических конференциях, получено 2 свидетельства об отраслевой регистрации разработок в отраслевом фонде алгоритмов и программ.
Структура и объём работы Диссертация состоит из введения, четырёх глав, заключения, списка литературы и шести приложений. Основной текст работы содержит 165 страниц, 29 рисунков, 17 таблиц. Список литературы состоит из 131 наименования. Приложения выполнены на 33 страницах.
Обзор существующих теоретических и практических работ в области совмещения и обработки информации от бортовых источников летательных аппаратов
Существует множество разработок запатентованных как в России, так и за рубежом, обеспечивающих полёт ЛА радиолокационной и иной полётной информацией. Одной из таких систем является система, разработанная на Государственном унитарном предприятии Государственный Рязанский приборный завод. Разработчики: Колодько Г.Н., Клочко В.К. и Мойбенко В.И. под названием «Способ обзора пространства и сопровождения объектов поверхности при маловысотном полёте». Изобретение запатентовано в Роспатенте под № 2001107438/09 от 22.03.2003г. Аналогами изобретения являются работы, имеющие патенты: RU 2117313 С1, 10.08.1998 г. RU 97118105 А, 10.08.1999 г. US 3821740, 28.06.1974 г. US 4591866, 27.05.1986 г.
Изобретение относится к радиолокации и предназначено для обеспечения маловысотного полета летательных аппаратов с помощью автономных радиолокационных средств.
Известен способ обеспечения маловысотного полета типа "Флир"[114], который объединяет тепловизионные и радиолокационные системы. Этот способ основан на формировании и анализе плоских срезов радиолокационного изображения (РЛИ), полученных в отдельные моменты времени от БРЛС, с целью обнаружения и обхода препятствий по линии полета. Этот способ ограничен привязкой к одному моменту времени съема данных и не обеспечивает пространственно-временной обработки.
Кроме того, существует способ обзора пространства[96], при котором обзор каждой строки осуществляется N раз с дискретом перемещений, равным ширине главного лепестка диаграммы направленности на уровне максимального бокового лепестка. При этом применена игольчатая диаграмма направленности антенны, что вызывает большой период обзора пространства.
Известен способ виртуальной интерферометрии[94], который позволяет расширить объем получаемой информации и сократить время обзора за счет одновременного формирования двух сфокусированных когерентных лучей, однако это также не обеспечивает быстрого обзора.
Наиболее близким по технической сущности к описанному ранее способу виртуальной интерферометрии является самолетная метеонавигационная радиостанция "Гроза"[106], способ работы которой основан на использовании веерной формы диаграммы направленности антенны (ДНА). Известный способ обеспечивает быстрый обзор пространства, но не обеспечивает высокой точности измерений.
Способ обзора пространства и сопровождения объектов поверхности при маловысотном полёте заключается в одновременном решении двух задач: быстром обзоре пространства и повышении точности измерения координат объектов поверхности при маловысотном полете, что способствует обеспечению безопасности полета. Сопровождение объектов поверхности включает последовательную обработку данных в дискретном времени с привязкой к каждому текущему такту tn обработки, полученных при обзоре пространства с использованием диаграммы направленности антенны, имеющей веерную форму и занимающей N положений по горизонтали с формированием рельефа поверхности с малым периодом обзора, и диаграммы направленности с игольчатой формой, зондирующей отдельные выбранные участки зоны обзора с отслеживанием рельефа в динамике с малым периодом обзора, при этом обе диаграммы направленности формируются одной антенной системой с электронным управлением лучом.
Фильтрация ошибок измерения при вторичной обработке осуществляется в два этапа. Вначале осуществляется последовательная фильтрация изображений во времени с пересчетом массивов на основе данных навигационной системы о движении объекта - носителя. В результате усредняются амплитуды и высоты значений элементов последовательности матриц, принадлежащих одним и тем же фрагментам изображения. Затем отфильтрованное на первом этапе радиоизображение подвергается пространственной фильтрации с одновременной сегментацией изображения на однородные по амплитуде и высоте области.
При сегментации решают задачу идентификации изображения сегментов с рядом эталонных изображений и с картой местности.
Способ обзора пространства и сопровождения объектов поверхности при маловысотном полёте позволяет повысить информативность систем обеспечения маловысотного полета летательного аппарата на малой и предельно малой высотах, своевременно получить информацию о возникающих по линии полета препятствиях и об окружающей летательный аппарат обстановке.
Определение требований к результатам совмещения информации от бортовых источников
Для максимально удобного восприятия лучше всего, чтобы результат совмещения информации и анализа окружающей обстановки был представлен в графическом виде. При этом за основу удобнее всего взять ЭКМ, т.к. информация по статическим объектам уже содержится в электронных картах, а динамические объекты можно отображать с использованием когнитивной графики[69,124] для разделения классов объектов, их обособления и акцентирования внимания на особых (отличительных) характеристиках.
Анализ существующих разработок и методов, произведённый в предыдущей главе показал, что одним из их существенных недостатков является то, что совмещение графической информации ведётся путём наложения изображений. Это не всегда возможно в случае использования источников информации, которые формируют изображения в различных системах координат, и их преобразование к одной системе невозможно в силу отсутствия необходимых дополнительных данных. Кроме того, это делает весьма затруднительным объединение всей информации от различных источников одновременно на одном изображении в силу перегруженности последнего информацией. Использование когнитивной графики в сочетании с визуализацией электронных карт позволит избежать этого недостатка.
Системы когнитивной графики - новое направление в интеллектуальном программировании. В персональных ЭВМ имеются достаточно развитые графические средства, но они как бы оторваны от остальных средств, существуют автономно. Одна из центральных идей искусственного интеллекта - это идея о том, что суть самого феномена интеллекта состоит в совместной работе двух систем переработки информации, зрительной, создающей образную картину мира, и символической, способной к абстрактному мышлению, к оперированию с понятиями, интегрирующими образы внешнего мира. Возможность перехода от зрительной картины к ее символическому описанию и от символов к некоторой зрительной картине, могущей быть представительницей этого текста, составляют, по-видимому, основу того, что называют мышлением [119].
Когнитивная графика пользуется приемами соотнесения текстов и зрительных картин через общее представление знаний, интегрирующих символы и зрительные образы. Это направление в искусственном интеллекте всеми признается весьма и весьма перспективным. Его развитие даст новый виток развития наших представлений о способах решения задач, стимулирующих развитие систем параллельной обработки, создаст предпосылки перехода к новой технологии решения задач.
Человеческое сознание использует два механизма мышления [104]. Один из них позволяет работать с абстрактными цепочками символов, с текстами и т.п. Этот механизм мышления обычно называют символическим, алгебраическим или логическим. Второй механизм мышления обеспечивает работу с чувственными образами и представлениями об этих образах. Его называют образным, геометрическим, интуитивным и т.п. Физиологически логическое мышление связано с левым полушарием человеческого мозга, а образное мышление - с правым полушарием[108].
Основные различия в работе полушарий головного мозга человека обнаружил американский ученый Р. Сперри, который однажды в лечебных целях рискнул рассечь межполушарные связи у больных эпилепсией[112]. Каждое из полушарий человеческого мозга является самостоятельной системой восприятия внешнего мира, переработки информации о нем и планирования поведения в этом мире. В разработке интеллектуальных систем, как отмечает Д.А. Поспелов, имеет место "левополушарный крен" [104]. Весь сложный механизм образного мышления, который нередко определяют одним термином "интуиция", является правополушарной областью деятельности мозга. Любопытны высказывания крупных ученых о роли интуиции в научной деятельности. "Подлинной ценностью, - говорил А. Эйнштейн[131], - является, в сущности, только интуиция. Для меня не подлежит сомнению, что наше мышление протекает, в основном, минуя символы (слова) и к тому же бессознательно". Другое высказывание: "Ни один ученый не мыслит формулами" [60].
Даже такая абстрактная формализованная область науки, как математика, в существенной мере использует правополушарное мышление. "Вы должны догадаться о математической теореме прежде, чем вы ее докажете; вы должны догадаться об идее доказательства прежде, чем вы его проведете в деталях" [99]. А. Пуанкаре высказывается еще более определенно: " ... для того, чтобы создать арифметику, как и для того, чтобы создать геометрию или какую бы то ни было науку, нужно нечто другое, чем чистая логика. Для обозначения этого другого у нас нет иного слова, кроме слова "интуиция"[105].
Построение базовой архитектуры интеллектуальных систем комплексирования навигационной информации
Основываясь на материале, изложенном во второй главе, и анализе исходной информации, а также учитывая требования к структуре ИСКНИ, представленные в предыдущем параграфе, можно построить базовую архитектуру системы.
Изначально, необходимо предусмотреть наличие модуля, который бы связывал и синхронизировал работу всей ИСКНИ и обеспечивал ее взаимодействие с источниками информации.
Для обеспечения функциональных возможностей ИСКНИ по позиционированию и идентификации необходимо отдельно определить модуль выделения объектов на РЛИ. Так как выделение объектов на изображении и сбор статистической информации по выделенным объектам задачи, тесно связанные друг с другом, то обе они могут решаться в одном модуле. При проектировании следует особенно обратить внимание на то, что такая информация как скорость, может быть доступна лишь при неоднократном анализе одного и того же объекта, поэтому необходимо предусмотреть возможность сохранения результатов предыдущего анализа, а также доступность информации о параметрах полёта ЛА и положении прибора, производящего обзор пространства.
После того, как на РЛИ выделены возможные объекты, необходимо выполнить их позиционирование для определения дополнительных характеристик, например, таких как тип подстилающей поверхности. Если информация о положении ЛА в пространстве доступна от СНС, то эту задачу можно решить сразу, если нет, то необходимо сначала определить координаты ЛА. Эти задачи могут решаться в отдельном модуле, использующем информацию, полученную при выделении объектов на РЛИ, а так же ЭКМ. Результатом работы проектируемого модуля должны быть координаты ЛА, если они не известны от СНС, и окружающих его объектов.
После того, как выполнено позиционирование, можно производить идентификацию объектов, выделенных на РЛИ с использованием информации из ЭКМ. Вследствие сказанного, в структуре ИСКНИ можно выделить ещё один модуль, выполняющий идентификацию объектов. При его " проектировании следует учесть, что идентификация производится исходя из априорных знаний, которые содержатся в базе знаний. Изначальная база знаний может быть составлена экспертным путём с возможной автоматизацией заполнения. Кроме того, можно предусмотреть возможность пополнения или изменения информации, хранящейся в базе, на основе результатов работы системы при неоднократной высоковероятной идентификации определённых объектов. База знаний должна обеспечивать алгоритм идентификации —-- информацией, позволяющей ему принять правильное решение по отнесению объектов к какому-либо классу.
Результаты работы модуля идентификации должны быть наглядно представлены и максимально удобны для восприятия человеком. С этой целью считается целесообразным выделить отдельным элементом часть ИСКНИ, отвечающую за визуализацию полученных результатов. При этом следует предусмотреть возможность использования таких перспективных решений, как использование когнитивной графики. При проектировании базовой архитектуры ИСКНИ следует предусмотреть возможность сохранения результатов работы для последующего анализа и изучения прохождения полёта ЛА, а так же выдачу результирующего изображения, отражающего актуальную окружающую остановку вокруг ЛА в зоне видимости его бортовых приборов.
Ромбом обозначается управляющий элемент, который регулирует работу системы в зависимости от определённых условий. В представленной ситуации таким условием является наличие спутниковой информации, полученной от СНС. В случае наличия такой информации необходимость вычисления собственных координат ЛА и окружающих его объектов отпадает. В этом случае для достижения желаемого результата системе достаточно определить тип подстилающей поверхности объекта и другие дополнительные характеристики объектов, используя информацию об их координатах. В случае же недоступности СНС, ИСКНИ сначала выполнит свою часть, ответственную за определение координат.
Особым образом, в виде цилиндра, графически представлена база знаний, необходимая для успешной идентификации объектов. При проектировании ИСКНИ следует обратить внимание на то, что база знаний составляется отдельно и должна содержать информацию, позволяющую на основе известных характеристик объекта отнести его к одному из классов объектов реального мира.
Блоки в виде смещённых полуокружностей обозначают входную и выходную информацию системы. Из рисунка 3.2 видно, что на вход системы подаётся информация от БРЛС, ЭКМ, ДПИ, а также, в качестве исходной, может использоваться информация от СНС.
Формирование массива объектов из радиолокационного изображения
Согласно методологии проектирования, описанной в п. 3.4, и рассмотренным особенностям соответствующих алгоритмов, описанных во второй главе, массив объектов строится на основе их выделения на РЛИ. Для того, чтобы определить замкнутую область объекта, могут использоваться алгоритмы поиска в глубину или ширину. Т.к. смысл алгоритмов поиска заключается в построении дерева вариантов, то необходимо анализировать каждую точку объекта. В связи с этим появляется возможность производить статистическую обработку информации.
При выделении объектов можно узнать, из какого количества пикселей он состоит, т.е. определить площадь объекта в пикселях. Кроме того, РЛИ, представленное растровым графическим форматом, например Windows Bitmap, можно интерпретировать как карту пикселей, представленных координатами на изображении и значением цвета или яркости. Такая интерпретация позволяет выделять объекты по анализу яркости пикселей, а их координаты позволяют вычислить размер и координаты прямоугольной рамки, в которую вписан выделяемый объект.
Зная площадь и координаты рамки на РЛИ, и владея информацией об условиях, в которых РЛИ было получено, а так же обладая соответствующей информацией о состоянии полёта ЛА, можно определить фактические размеры объекта и его координаты относительно ЛА. Сделать это можно, воспользовавшись соответствующими формулами, описанными в п. 2.3 настоящей работы. Кроме того, при выделении объекта на РЛИ можно рассчитать его среднюю арифметическую или средневзвешенную яркость. При определении средневзвешенного значения весами будет являться частота появления точек с конкретным значением яркости в пределах одного объекта.
С помощью такого определения можно осуществлять дополнительную коррекцию РЛИ. Вопрос о применении конкретного способа определения средних величин остаётся открытым. Таким образом, после выделения объекта для него становятся известными значения средней яркости, площади и координат, относительно ЛА. Как уже отмечалось ранее, при наличии соответствующей информации можно так же определять направление и скорость перемещения объекта, ? однако в виду описанных ранее ограничений проектируемой системой такая возможность не предусмотрена.
Пусть, например, на вход СПИО подаётся РЛИ имеющее вид, соответствующий рисунку 4.2. Наблюдение ведётся в районе г. Коломна с высоты 65 метров на скорости движения ЛА 193 км/ч, курс 134. Изображение сформировано по дальности от 2 до 8 км. Угол обзора по азимуту составляет 64,5. Методику выделения объектов, как замкнутых областей РЛИ содержащих пиксели, значение яркости которых превышает пороговое значение, и вычисления статистических параметров, можно представить в виде рекурсивной процедуры получающей на вход координаты точки, яркость которой превышает пороговое значение, выдающей в качестве результата, массив точек с их характеристиками, входящих в выделенный объект. Используя РЛИ, результаты работы такой процедуры и другую необходимую информацию, состав которой определён ранее, формируется массив выделенных объектов с рассчитанными по ним соответствующими характеристиками. Как уже отмечалось, другая необходимая информация, о которой идёт речь в настоящем параграфе, должна быть введена пользователем.
Исходное РЛИ представлено в координатах «азимут-дальность» и графически выглядит как сектор кольца, ограниченного окружностями, радиус которых задаётся минимальной и максимальной дальностями зоны обзора пространства (см. рис. 4.2). Этим следует руководствоваться при обходе всех точек РЛИ.
При выделении объектов можно дополнительно предусмотреть наличие условия минимально различимого размера объекта. В этом случае, объекты, размеры которых меньше этого условия, не будут включены в результат выполнения алгоритма.
Схему алгоритма, отражающего эту методику, можно представить рисунком 4.4. Рекурсивная процедура поиска всех точек, из которых состоит выделяемый объект по пороговому значению яркости, может вести поиск как в четырёх направлениях: вверх, вправо, вниз, влево, так и в восьми направлениях: вверх, вверх и вправо, вправо, вправо и вниз, вниз, вниз и влево, влево, влево и вверх. Описанные различия стратегии поиска приведут к различным результатам. Например, в первом случае, две точки, расположенные по диагонали, будут восприняты как два различных объекта, размером в одну точку. Во втором случае, та же ситуация будет расценена как один объект состоящий из двух точек. Выбор особенности построения алгоритма зависит от желаемого результата. Если возникает ситуация, приведённая в примере, и необходимо считать, что на изображении присутствует пара объектов, то следует строить процедуру поиска по четырём направлениям. Если необходимо считать, что изображён единственный объект, то поиск следует вест в восьми направлениях.
На рис. 4.5. приведена схема алгоритма рекурсивной процедуры поиска в четырёх направлениях. Стратегия поиска - поиск в глубину.
Используя описанные алгоритмы можно сформировать массив объектов выделенных на РЛИ и вычислить статистические характеристики этих объектов. Этот массив будет передан следующим функциональным модулям СПИО для позиционирования и идентификации этих объектов.
