Определение расстояния до препятствий по снимкам с фронтальной камеры дрона с использованием нейронных сетей

1.

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ
ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«МОСКОВСКИЙ АВИАЦИОННЫЙ ИНСТИТУТ
(национальный исследовательский университет)»
Институт №3 «Системы управления, информатика и электроэнергетика»
Кафедра 311 «Прикладные программные средства и математические методы»
Направление подготовки 09.03.03 «Прикладная информатика»
Квалификация «Бакалавр»
Курсовая работа на тему
Определение расстояния до препятствий по
снимкам с фронтальной камеры дрона с
использованием нейронных сетей
Выполнили:
студенты группы М3О-126СВ-24
Маракшин Артём Сергеевич
Шеститко Екатерина Николаевна
Москва 2025
1

2. Цель: реализовать метод измерения расстояния на фотографии с помощью одной камеры

Задачи:
Калибровка камеры и устранение дисторсии на
изображении
Применение нейросети MiDaS для построения карты
глубины
Масштабирование относительной глубины в метры
2

3. Структура работы

Этап 1. Анализ предметной области:
• Изучение методов определения расстояния по изображениям.
• Анализ существующих решений и библиотек.
Этап 2. Разработка алгоритмов:
• Разработка алгоритма обработки изображений.
• Реализация алгоритма расчета расстояния.
Этап 3. Реализация системы:
• Написание кода на Python.
Этап 4. Тестирование:
• Проверка точности измерений на тестовых изображениях.
• Оценка быстродействия системы.
• Исправление ошибок.
Этап 5. Анализ результатов:
• Подготовка отчета с результатами тестирования.
• Формулировка выводов и рекомендаций.
3

4. Модель глубины MiDaS

Архитектура MiDaS_small:
лёгкая и быстрая
Вход: RGB-изображение
384×384
Выход: относительная карта
глубины (диапазон 0 – 1)
Обучена на разных датасетах,
хорошо обобщается
4

5. Калибровка камеры

5

6. Пайплайн

Загрузка кадра
Устранение
дисторсии
Нормализация и
ресайз до 384×384
Прогон через модель
MiDaS
Получение сырых
глубинных значений
Масштабирование в
метры
6

7. Результат

Относительная ошибка: 5–14%
7