مدل‏سازی الگوریتم درک عمق دید خلبان برای جلوگیری از برخورد به مانع در فاز فرود هواپیما تجاری

این مقاله روش جدیدی برای درک عمق براساس عملکرد چشم انسان در ناوبری فاز فرود هواپیماهای تجاری ارائه می‏ دهد. سیستم پیشنهاد شده برای شرایطی که دید محدود است، زیرساخت‏ های لازم در فرودگاه وجود ندارند و یا ابزار‏های ناوبری دچار مشکل شده‏ اند و اطلاعات نادرست ارائه می ‏دهند طراحی شده است. واحد اندازه‏ گیری اینرسی و داده‏ های مدل دیجیتالی ارتفاع در ارتفاع بالاتر از 60 متر از سطح زمین با هم ترکیب شده و منطقه فرود شبیه‏ سازی می‏ شود. با رسیدن به ارتفاع زیر 60 متر داده‏های دوربین مادون قرمز رو به جلو به ورودی سیستم اضافه می ‏شود. در نتیجه نقشه محیط بصورت بلادرنگ هنگام فرود بروز می ‎شود. در این مرحله برای درک عمق، روش تطبیق چشم به شبیه‏ سازی اضافه می ‏شود. در این بررسی از روش پسا رندر گوسی برای اجرای الگوریتم تاری تمرکز زدایی چشم استفاده شده است. نتایج شبیه‏ سازی با استفاده از استاندارد‏های سنجش کیفی سیستم بصری شبیه‏ ساز کامل پرواز ارزیابی شده است. نتایج بدست آمده بیانگر افزایش دقت روش پیشنهادی در زمینه‏های رزولوشن تصویر، زاویه دید خلبان، سرعت رندر فریم‏ها و تاخیر نمایش تصاویر است.

modeling of the pilot’s depth perception algorithm to avoid collisions with obstacles for commercial aircraft landing

this paper proposes a novel method for depth perception based on the performance of the human eye in the landing phase navigation of a fixed-wing aircraft. the proposed system is designed for situations where visibility is limited, there is no necessary infrastructure at the airport or navigation instruments that have problems and provide incorrect information. the inertial measurement unit and digital elevation model data are integrated to estimate the position of the aircraft and simulate the landing area at more than 200 feet. reducing the height to 200 feet, the forward-looking infrared camera data is added to the system input. so, the environment map is updated in real-time in landing. at this stage, to depth perception, accommodation cue of the human eye is added to the simulation. in this study, the post-rendering gaussian method to implement depth of field is used. simulation results evaluated by using the standard of quality measurement of the visual system of flight simulation training devices and the results confirm the accuracy of the proposed method in terms of resolution, the field of view, frame per second and latency.