10.14489/vkit.2018.09.pp.011-017

DOI: 10.14489/vkit.2018.09.pp.011-017

Гнедков И. В.
ОЦЕНКА КООРДИНАТ И ВНУТРЕННИХ ПАРАМЕТРОВ ВИДЕОКАМЕРЫ ПО ВИДЕОЗАПИСИ, ПОЛУЧЕННОЙ В ПРОЦЕССЕ ЗАХОДА ЛЕТАТЕЛЬНОГО АППАРАТА НА ПОСАДКУ
(c. 11-17)

Аннотация. Рассмотрена задача оценивания фокусного расстояния, параметров дисторсии и координат камеры для видеофайлов, полученных из сети Интернет, снятых бортовой камерой переднего обзора в процессе захода летательного аппарата на посадку. Проведение данных вычислений позволяет использовать видеофайлы для тестирования алгоритмов самоориентации на основе обработки изображений. Предложено использование разметки взлетнопосадочной полосы в качестве калибровочного шаблона. Осуществлено моделирование для оценки среднекратического отклонения в определении параметров положения камеры для заданного кадра видеофайла.

Ключевые слова: калибровка камеры; фотограмметрия; самоориентация; посадка самолета.

Gnedkov I. V.
CAMERA CALIBRATION METHOD USING A VIDEO RECORD RECEIVED FROM THE CAMERA DURING THE LANDING APPROACH
(pp. 11-17)

Abstract. Recently, there has been growing interest in developing unmanned aircraft systems based on visual sensors. Testing of that systems with real images is expensive, and synthetic images are not realistic, especially in infrared range. There are many cockpit landing approach video samples in the internet. The problem is it cannot be used for testing of vision-based landing systems, because of unknown inner camera parameters and camera position at the each frame. A method for camera calibration using the runway marking as calibration pattern is presented. It based on classic Zhang calibration method. A set of the runway marking points on at least three frames is selected. The planar coordinates of these points measures using satellite map, and points height is assumed to be zero. Numeric modelling is shown that method allows to define focal length with error about 15 pixels, principal point and distortion coefficients with reprojection error about 1,3 pixels. Video of landing in Vnukovo airport with resolution 1280x720 pixels was used as an example. Further, known camera parameters and a set of ground points are using to calculate camera coordinates at the each frame. Standard deviation of height estimation is about 7m at the distance 2 kilometers.

Keywords: Camera calibration; Рhotogrammetry; Salf-orientation; Landing.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

И. В. Гнедков (ФГУП «Государственный научно-исследовательский институт авиационных систем» ГНЦ РФ, Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

I. V. Gnedkov (State Research Institute of Aviation Systems State Scientific Center of Russian Federation, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Kong W., Zhou W., Zhang D. Vision-based Autonomous Landing System for Unmanned Aerial Vehicle: A survey // Int. Conf. on Multisensor Fusion and Information Integration for Intelligent Systems (MFI). Beijing, China, 28–29 September, 2014. P. 1 – 8.
2. Low-cost Vision Sensors and Integrated Systems for Unmanned Aerial Vehicle Navigation / R. Sabatini et all. // ARPN Journal of Systems and Software. 2012. V. 2, Is. 11. P. 323 – 349.
3. Алгоритм совмещения сенсорных и синтезированных видеоизображений в авиационной системе комбинированного видения [Электронный ресурс] / М. А. Бондаренко и др. // Техническое зрение. 2015. Вып. 1. С. 66 – 75. URL: http://magazine.technicalvision.ru/public_ftp/issue_1(8)/Тех.зрение_1(8)_7_.pdf (дата обращения: 16.08.2018)
4. Комаров Д. В., Визильтер Ю. В., Выголов О. В. Разработка алгоритма автоматического обнаружения взлетнопосадочной полосы на видеоизображениях // Механика, управление и информатика, 2012. N 2(8). С. 189 – 194.
5. Распознавание навигационных ориентиров необорудованного аэродрома для навигационного обеспечения летательного аппарата в режиме захода на посадку / Г. Г. Себряков и др. // Вестник компьютерных и информационных технологий. 2015. № 4. С. 9 – 13. doi: 10.14489/vkit.2015.04.pp.009-013.
6. Синтезирование текстур трехмерных моделей земной поверхности в инфракрасном диапазоне спектра при использовании материалов стационарной наземной съемки / Г. Г. Себряков и др. // Вестник компьютерных и информационных технологий. 2010. № 10. С. 3 – 10.
7. Zhang Z. A Flexible New Technique for Camera Calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. V. 22, No 11. P. 1330 – 1334.
8. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision // Cambridge University Press. 2003. 560 р. ISBN 0-521-54051-8
9. Видеофайл, снятый бортовой камерой переднего обзора ЛА. [Электронный ресурс] URL: https://www.youtube.com/watch?v= ogRbO-sEIBE (дата обращения: 13.03.2018)
10. Библиотека алгоритмов компьютерного зрения OpenCV [Электронный ресурс]. URL: https:// opencv.org// (дата обращения: 28.10.2017)

Eng

1. Kong W., Zhou W., Zhang D. (2014). Vision-based Autonomous Landing System for Unmanned Aerial Vehicle: A survey. Int. Conf. on Multisensor Fusion and Information Integration for Intelligent Systems (MFI). Beijing, China, 28–29 September, pp. 1-8.
2. Sabatini R. et all. Low-cost Vision Sensors and Integrated Systems for Unmanned Aerial Vehicle Navigation. Journal of Systems and Software, 2(11), pp. 323-349.
3. Bondarenko M. A. et al. (2015). Algorithm for combining sensory and synthesized video images in the combined vision aeronautical system. Tekhnicheskoe zrenie, 8(1), pp. 66-75. [in Russian language]
4. Komarov D. V., Vizil'ter Yu. V., Vygolov O. V. (2011). Development of the algorithm for automatic detection of the runway on video images. Mekhanika, upravleniye i informatika, pp. 189-194. [in Russian language]
5. Sebryakov G. G. et al. (2015). Recognition of navigational landmarks of an unequipped aerodrome for navigational support of an aircraft in the approach mode. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, (4), pp. 9-13. doi: 10.14489/vkit.2015.04.pp.009-013. [in Russian language]
6. Sebryakov G. G. et al. (2010). Synthesis of textures of three-dimensional models of the Earth's surface in the infrared spectrum with the use of stationary land survey. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, (10), pp. 3-10. [in Russian language]
7. Zhang Z. (2000). A Flexible New Technique for Camera Calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence, (11), pp. 1330-1334.
8. Hartley R., Zisserman A. (2003). Multiple View Geometry in Computer Vision. Cambridge University Press.
9. A video file taken by the onboard camera of the front view of the LA. Available at: https://www.youtube.com/watch?v= ogRbO-sEIBE (Accessed: 13.03.2018) [in Russian language]
10. OpenCV computer vision algorithms library. Available at: https://opencv.org// (Accessed: 28.10.2017) [in Russian language]

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2018.09.pp.011-017

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2018.09.pp.011-017

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.