Математичні проблеми зіставлення ознак для об’єктів з обмеженими ресурсами, керованих на основі зору
Тип публікації :
Стаття
Дата випуску :
23 грудня 2025 р.
Автор(и) :
Самойленко, Олег
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Том :
81
Випуск :
2
ISSN :
1812-5409
Початкова сторінка :
138
Кінцева сторінка :
141
Цитування :
[APA 7] Самойленко, О. (2025). Mathematical problems of feature matching for vision-guided vehicles with limited resources. Bulletin of Taras Shevchenko National University of Kyiv. Physics and Mathematics, 81(2), 138–141. https://doi.org/10.17721/1812-5409.2025/2.21
[ДСТУ] Самойленко О. Mathematical problems of feature matching for vision-guided vehicles with limited resources. Bulletin of Taras Shevchenko National University of Kyiv. Physics and Mathematics. 2025. Vol. 81, no. 2. P. 138—141. DOI: 10.17721/1812-5409.2025/2.21 (date of access: 25.07.2026).
Візуальне сприйняття відіграє ключову роль в автономних транспортних засобах, де зображення слугують основним вхідним сигналом для навігації, побудови карт, оцінки стану та керування рухом. Такі системи часто працюють в умовах реального часу та обмежених ресурсів, що вимагає алгоритмів виявлення та зіставлення ознак, які є точними й обчислювально ефективними. Важливою складовою таких обчислювальних послідовностей є визначення ключових точок – характерних місць зображення x ∈ R^2 у цифровій функції зображення I : R^2 → R^c, де c – кількість каналів, а I(x) ∈ R^c – локальна інтенсивність пікселя. Кожна виявлена ключова точка асоціюється з дескриптором d ∈ R^D, що кодує локальну візуальну структуру у формі, інваріантній до зсуву, обертання та помірної зміни масштабу. Ключові точки між двома зображеннями x_i та x′_i зіставлено шляхом порівняння дескрипторів, утворюючи відповідності x′_i ↔ x_i. Геометричну верифікацію виконано шляхом оцінки матриці перетворення H ∈ R^{3×3} і прийняття |x′_i − Hx_i| < ε, де ε – допустима похибка. Частку таких внутрішніх відповідностей, що називається коефіцієнтом валідних відповідностей, використано як метрику точності. Математично оцінено класичні методи визначення ключових точок, такі як Scale-Invariant Feature Transform (SIFT), у порівнянні з методами на основі машинного навчання, такими як SuperPoint, застосовуючи їх до вручну сформованого набору супутникових зображень. Продуктивність проаналізовано з позиції коефіцієнта валідних відповідностей та обчислювальної ефективності, що відображає компроміс між надійністю й використанням ресурсів. Отримані результати покликані надати рекомендації щодо інтеграції легких, але точних алгоритмів комп’ютерного зору в платформи, такі як БПЛА, забезпечуючи надійну візуальну одометрію та одночасну локалізацію і картографування в умовах обмежених апаратних ресурсів.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
3.28 MB
Контрольна сума :
(MD5):ca7b4fcf14c1ccf76496acc2af50c477
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International