انتخاب مکان مناسب برای فرود اضطراری وسایل نقلیه ی هوایی بدون سرنشین با استفاده از تکنیک های بینایی ماشین و پردازش تصویر

استفاده از وسایل نقلیه ی هوایی بدون سرنشین در جنگ، موضوع جدیدی نیست؛ اما آنچه اکنون در صنعت و انجمن های تحقیقاتی دنیا مورد توجه بسیار قرار گرفته است، این است که چگونه وسایل نقلیه ی هوایی بدون سرنشین، در فضای "غیرنظامی" مورد استفاده قرار گیرند. علت اهمیت این مسئله، کاربردهای بالقوه ی زیادی است که برای آن ها در بخش غیرنظامی وجود دارد. در حال حاضر، اکثر عملیات غیرنظامی وسایل نقلیه ی هوایی بدون سرنشین فقط به پرواز در یک فضای تفکیک شده، محدود گشته است که معمولاً بر فراز مناطق مسکونی دارای جمعیت نیست؛ در حالیکه در اکثر کاربردهای غیرنظامی، نیاز به پرواز بر فراز مناطق مسکونی می باشد. دلیل اصلی محدودیت های جاری این است که تکنولوژی های کنونی وسایل نقلیه ی هوایی بدون سرنشین، قادر به نشان دادن سطح ایمنی برابر با وسایل نقلیه ی هوایی باسرنشین نیستند؛ مخصوصاً در شرایط اضطراری مانند خرابی موتور که نیاز به یک فرود اضطراری و یا اجباری می باشد. برای وسایل نقلیه ی هوایی که توسط خلبان هدایت می شوند، در چنین شرایطی تصمیم گیری های پیچیده از قبیل انتخاب محل مناسب برای فرود بر عهده ی خلبان خواهد بود. درمورد وسایل نقلیه ی هوایی بدون سرنشین نیز، مسئله ی پیدا کردن محل مناسب برای فرود در شرایط اضطراری از اهمیت زیادی برخوردار است؛ چون فقط درصورت دارا بودن این قابلیت، می توانند برفراز نواحی غیرنظامی خصوصاً مناطق مسکونی مورد استفاده قرار گیرند. هدف از این تحقیق، ایجاد قابلیتی در وسیله ی نقلیه ی هوایی بدون سرنشین است که آن را قادر به انتخاب مکان مناسب برای فرود کند. در این رویکرد، با استفاده از تکنیک های بینایی ماشین و پردازش تصویر، مناطقی از تصویر هوایی استخراج می شوند که برای فرود یک وسیله ی نقلیه ی هوایی بدون سرنشین، مناسب هستند و سایر نواحی، نامناسب یا مبهم گزارش می شوند. قطعه بندی تصاویر هوایی، بخش اصلی این تحقیق را تشکیل می دهد. تفسیر هر کدام از قطعات نیز ضرورت دارد و همزمان با قطعه بندی و یا در ادامه ی آن لازم است ماهیت هر قطعه (جاده، چمن، آب و ...) نیز مشخص شود. اخیراًَ کانتورهای فعال و پیاده سازی آن ها با روش مجموعه سطح، برای حل مسائل قطعه بندی تصویر مورد توجه بسیاری قرار گرفته است. این روش امکان به کارگیری انواع مختلفی از ویژگی ها مانند ویژگی های رنگ و بافت را فراهم می کند. نوع جدیدی از کانتورهای فعال به نام کانتورهای فعال مبتنی بر ناحیه (مدل chan-vese) ارائه شده است که نسبت به کانتورهای فعال کلاسیک مبتنی بر لبه دارای مزیت های بسیاری هستند. در این پایان نامه برای پیدا کردن نواحی مناسب برای فرود، ابتدا با استفاده از مدل chan-vese که با روش مجموعه سطح به صورت باند باریک و همراه با بازآغازی پیاده سازی می شود و نیز استخراج ویژگی های رنگ و بافت، تصاویر هوایی قطعه بندی می شوند. به همین منظور، ویژگی های مختلف رنگ و بافت مورد تست و مقایسه قرار گرفته و بهترین نتیجه ی قطعه بندی با استخراج ویژگی های بافت gabor در فضای رنگ hsv حاصل شده است. پس از قطعه بندی تصاویر هوایی، با طبقه بندی نوع سطح به وسیله ی روش k- نزدیک ترین همسایگی (knn) و با استفاده از همان ویژگی های رنگ و بافت، با دقتی در حدود %97 ماهیت هر قطعه در تصویر مشخص می گردد. نهایتاً نیز یک تست هندسی به منظور پیدا کردن نواحی دارای ا ندازه و شکل مناسب برای فرود انجام می شود.