Mathematical model and method for quantifying the angular drift of an unmanned aerial vehicle based on neural network processing of video stream

UDC 629.7.058.6
Publication date: 30.06.2026
International Journal of Professional Science №6(2)-26

Mathematical model and method for quantifying the angular drift of an unmanned aerial vehicle based on neural network processing of video stream

Математическая модель и метод количественной оценки углового дрейфа курса беспилотного летательного аппарата на основе нейросетевой обработки видеопотока

Lavrentiev Evgeny Andreevich,
Orlov Mikhail Sergeevich,
Supervisor: Egorov Igor Vladimirovich
1. Graduate Student, Yuri Gagarin Saratov State Technical University, Saratov
2. Graduate Student, Yuri Gagarin Saratov State Technical University, Saratov
3. PhD in Engineering, Saratov State Technical University named after Yuri Gagarin


Лаврентьев Евгений Андреевич,
Орлов Михаил Сергеевич,
Научный руководитель: Егоров Игорь Владимирович

1. магистрант, Саратовский государственный технический университет имени Гагарина Ю.А.,
г. Саратов
2. магистрант, Саратовский государственный технический университет имени Гагарина Ю.А.,
г. Саратов
3. Кандидат технических наук. Саратовский государственный технический университет имени Гагарина Ю.А.
Аннотация: . В статье предложена математическая модель сравнения показаний курса, полученных от датчиков в составе резервированной инерциальной навигационной системы и оптического модуля установленного на борту беспилотного летательного аппарата. Разработан количественный метод оценки ухода углового курса, позволяющий выявить синхронный дрейф двух инерциальных навигационных систем, при которой мажоритарная логика «2 из 3» ошибочно отключает единственный исправный модуль и уводит летательный аппарат от заданного курса. Независимый визуальный канал с нейросетевой обработкой видеопотока с оптического модуля позволяет установить достоверное значение курса и парировать ошибочное решение.

Abstract: The article offers a mathematical model for comparing the course readings obtained from sensors in a redundant inertial navigation system and an optical module installed on board an unmanned aerial vehicle. A quantitative method has been developed to assess the departure of the angular heading, which makes it possible to identify the synchronous drift of two inertial navigation systems, in which the "2 out of 3" majority logic mistakenly disables the only serviceable module and diverts the aircraft from the set course. An independent visual channel with neural network processing of the video stream from the optical module allows you to set a reliable course value and fend off an erroneous decision.
Ключевые слова: инерциальная навигационная система, уход курса, нейросетевая обработка, арбитраж датчиков, БЛА.

Keywords: inertial navigation system, course departure, neural network processing, sensor arbitration, UAV.

Введение. Безопасность выполнения автономного полёта беспилотного летательного аппарата (БЛА) при подавлении спутниковых навигационных сигналов зависит от точности и надежности инерциальных навигационных систем (ИНС). Одной из известных проблем является постоянный уход угла курса (рыскания), вызванный дрейфом нуля гироскопов. Во время продолжительного полёта ошибка накапливается и может привести к отклонению от заданного маршрута на значительное расстояние. Для повышения надёжности в бортовых комплексах управления применяют резервирование ИНС, в количестве трех модулей ИНС. В идентичных условиях эксплуатации дрейфы модулей могут быть схожими, и без внешнего эталонного источника невозможно определить, какая из систем «ушла», а какая передает достоверные данные [1, 3]. Внешним эталоном, не подверженным схожему накоплению ошибки, может служить бортовой оптический модуль, направленный в сторону подстилающей поверхности и отсылающий видеопоток в нейросетевой модуль. Нейронные сети на данный момент позволяют надёжно обнаруживать и сопровождать ключевые точки ландшафта даже в условиях отсутствия искусственных ориентиров [2]. Проводя сравнение курса, вычисленного по смещению ключевых точек, с курсом от каждой ИНС, можно зафиксировать факт расхождения, и количественно оценить величину дрейфа и идентифицировать вышедший из строя модуль. В настоящей статье приводится математический аппарат, реализующий такую систему анализа.

 

Читать далее…

References

1. Чжу, Ю., Янг, Ю., Лю, М. и др. Обзор методов слияния нескольких датчиков для беспилотных летательных аппаратов в условиях, когда GNSS недоступен // Журнал IEEE Sensors Journal. – 2023. – Т. 23, № 8. – С. 7895-7915.
2. 2. Досовицкий А., Фишер П., Ильг Э. и др. FlowNet: Изучение оптического потока с помощью сверточных сетей // Материалы Международной конференции IEEE по компьютерному зрению (ICCV). – 2015. – С. 2758-2766.
3. 3. Муртал Р., Тардос Дж.Д. ORB-SLAM3: точная библиотека с открытым исходным кодом для визуального, визуально-инерциального и многомартового SLAM // IEEE Transactions on Robotics. – 2021. – Том 37, № 6. – С. 1874-1890.
4. 4. Цинь Т., Ли П., Шен С. ВИНС-Моно: надежный и универсальный монокулярный визуально-инерциальный оценщик состояния // IEEE Transactions on Robotics. – 2018. – Том 34, № 4. – С. 1004-1020.
5. 5. Барат, Д., Мэйтас, Дж. MAGSAC++: быстрый, надежный и устойчивый сэмплер // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2021. – Том 43, № 10. – С. 3479-3494.