Адаптивне стиснення геопросторових даних LiDAR та зображень для виявлення металевих захаращень

Анотація

Робота присвячена вирішенню актуальної науково-практичної задачі автоматизованого виявлення хаотичних металевих захаращень (фрагментів арматури, техногенного сміття) у зонах руйнувань та стихійних лих за допомогою мультимодальних даних з безпілотних літальних апаратів. В роботі запропоновано використання при попередній обробці даних адаптивного стиснення вхідних просторово-спектральних даних зображень та лідар для подальшого інтелектуального аналізу засобами нейронної мережі. Для зниження обчислювального навантаження на бортові системи безпілотних літальних апаратів та з метою мінімізації надлишковості фону запропоновано використання алгоритму первинної статистичної фільтрації. Алгоритм поєднує порогову фільтрацію на базі правила трьох сигм для відсікання випадкових геометричних шумів карти глибин та метод квантильної фільтрації для локалізації спектральних аномалій (піків інтенсивності відбиття лазерного випромінювання або металевого блиску). Це дозволило виділяти інформативні ділянки, що містять високу щільність потенційно металевих об’єктів, та відсікати однорідні ділянки підстильної поверхні (ґрунт, бетонні плити) до етапу розпізнавання нейронною мережею. Експериментальні дослідження методу проведено на базі синтетичних зображень хаотичних завалів, згенерованих у середовищі симуляції. Результати моделювання продемонстрували, що послідовне впровадження на етапі попередньої обробки даних порогової та просторово-спектральної фільтрації за квантилями дозволяє скоротити обсяг оброблюваних нейронною мережею даних до дев’яноста відсотків при збереженні прийнятної точності сегментації завалів. Ці результати можуть слугувати  підґрунтям для створення ефективних бортових систем моніторингу зон надзвичайних ситуацій у реальному часі.