write chapter_3

dissertation/chapter_2/2.4_dataset/2.4_dataset.md

@@ -1,7 +1,51 @@
 2.4 Датасет
 
+Для обучения и тестирования моделей глубокого обучения, описанных в разделе 2.3, был создан специализированный датасет `ya_go_maps`, состоящий из пар изображений, полученных из двух различных картографических источников: Яндекс.Карт и Google Maps.
 
+\section{Структура датасета}
 
+Каждый элемент датасета представляет собой пару изображений одной и той же географической локации, полученных с различных картографических сервисов. Изображения в паре имеют одинаковое разрешение и именуются по шаблону: `{id}_google.png` и `{id}_yandex.png`, где `id` — порядковый номер пары. Например, изображения `0063_google.png` и `0063_yandex.png` соответствуют одному и тому же участку местности.
 
+\section{Географические координаты и масштаб}
 
+Сбор данных осуществлялся в пределах следующего географического региона:
 
+\begin{itemize}
+    \item Широта: от 49.134520 до 49.235065
+    \item Долгота: от 55.767660 до 55.825204
+\end{itemize}
+
+Данный регион соответствует территории города Казань. Снимки выполнялись на уровне приближения (zoom) 18, что обеспечивает детализацию, достаточную для распознавания характерных объектов на местности.
+
+\section{Трансформация перспективы}
+
+При полёте беспилотного летательного аппарата камера направлена приблизивно вниз, что существенно отличается от ракурса, под которым пользователь просматривает карту в веб-браузере. Для корректного обучения модели, которая будет применяться в реальных условиях полёта, к исходным снимкам карт применяется аффинное преобразование перспективы. Данная трансформация выполняется с использованием класса `Simulator` (файл `simulator.py`).
+
+После применения преобразования изображения масштабируются до размера `CHUNK_WIDTH / 2` пикселей. Значение константы `CHUNK_WIDTH` определяется в файле `constants.py` и соответствует размеру кадра, с которым работает система технического зрения автопилота.
+
+\section{Формирование датасета}
+
+Процесс генерации датасета реализован в файле `generate_dataset.py` и включает следующие этапы:
+
+\begin{enumerate}
+    \item Определение географических координат (широта и долгота) путём случайной выборки или перебора точек в пределах заданного диапазона
+    \item Загрузка снимков с Яндекс.Карт и Google Maps для выбранной локации
+    \item Применение аффинного преобразования перспективы к обоим снимкам
+    \item Масштабирование изображений до целевого разрешения
+    \item Сохранение пары изображений в директорию `dataset_ya_go_maps/`
+\end{enumerate}
+
+\section{Применение датасета}
+
+Датасет `ya_go_maps` используется для обучения сиамских нейронных сетей, предназначенных для решения двух задач:
+
+\begin{itemize}
+    \item Сопоставление изображений из различных доменов (раздел 2.3.1)
+    \item Вычисление матрицы гомографии между кадрами (раздел 2.3.2)
+\end{itemize}
+
+Наличие парных изображений от разных картографических провайдеров позволяет модели научиться находить соответствия между изображениями, полученными в различных условиях визуализации, что критически важно для системы навигации БПЛА.
+
+\section{Доступность}
+
+Датасет доступен в двух версиях: `ya_go_maps_v1.zip` (около 463 МБ) и `ya_go_maps_v2.zip` (около 197 МБ). Версия v2 содержит оптимизированный набор данных, полученный путём перебора географических точек по сетке 20×20.

dissertation/chapter_2/2.4_dataset/todo.md

@@ -0,0 +1 @@
+- [x] Описать из datasets\ya_go_maps, как это сделано. Взяты lat и lon периметром 5 км какой-то области города, и образованы таким образом снимки. Написать эту подглаву

dissertation/chapter_3/3.1_simulation_engine/3.1_simulation_engine.md

@@ -0,0 +1,56 @@
+# 3.1 Симулятор полёта
+
+Симулятор полёта является ключевым компонентом системы и реализован в файле `simulator.py`. Данный модуль отвечает за моделирование движения беспилотного летательного аппарата (БПЛА), захват видеокадров и трансформацию перспективы изображений.
+
+\section{Основные функции симулятора}
+
+Симулятор выполняет следующие функции:
+
+\begin{itemize}
+    \item \textbf{Управление движением} — изменение координат БПЛА на основе заданной скорости и угла курса
+    \item \textbf{Захват кадров} — получение скриншотов с картографических источников
+    \item \textbf{Перспективная трансформация} — преобразование изображений для имитации вида с БПЛА
+    \item \textbf{Управление ориентацией} — установка тангажа, крена и масштаба изображения
+\end{itemize}
+
+\section{Модель позиционирования}
+
+Позиция БПЛА описывается шестью параметрами: координаты (x, y, z), угол рыскания (yaw), тангаж (pitch) и крен (roll). Внутренний объект `pos` класса `Position` хранит текущее состояние аппарата. Симулятор инициализируется в начале координат с направлением «на север» (yaw = 0).
+
+Управление движением осуществляется через метод `handle(dangle, velocity)`, где `dangle` — изменение угла курса в радианах, `velocity` — скорость движения в условных единицах. Смещение вычисляется по формулам:
+
+\begin{equation}
+    dx = \cos\left(\frac{\pi}{2} + yaw\right) \cdot velocity
+\end{equation}
+\begin{equation}
+    dy = \sin\left(\frac{\pi}{2} + yaw\right) \cdot velocity
+\end{equation}
+
+\section{Перспективная трансформация}
+
+При полёте БПЛА камера направлена приблизительно вниз, что существенно отличается от ракурса, под которым пользователь просматривает карту в веб-браузере. Для корректной работы системы технического зрения необходимо трансформировать исходные изображения к виду, соответствующему виду с беспилотника.
+
+Трансформация выполняется методом `_apply_perspective_transform`, который:
+
+\begin{enumerate}
+    \item Получает изображение от картографического провайдера
+    \item Вычисляет матрицу гомографии на основе текущей позиции
+    \item Применяет аффинное преобразование перспективы с помощью OpenCV
+    \item Масштабирует результат до размера CHUNK_WIDTH
+\end{enumerate}
+
+Матрица гомографии вычисляется с использованием матрицы камеры и матрицы внешней ориентации:
+
+\begin{equation}
+    H = K_{out} \cdot R \cdot T \cdot K_{in}^{-1}
+\end{equation}
+
+\section{Получение кадров}
+
+Метод `get_chunk()` возвращает текущий кадр в формате `VisionChunk`. Этот объект содержит трансформированное изображение и методы для его обработки. Каждый вызов метода выполняет захват скриншота с картографического сервиса и применение перспективной коррекции.
+
+\section{Настройка ориентации камеры}
+
+Симулятор позволяет программно изменять углы тангажа и крена камеры в диапазоне от -10 до 10 градусов. Эти параметры влияют на перспективную трансформацию и позволяют моделировать различные ракурсы съёмки.
+
+Изменение масштаба (зума) выполняется через метод `set_zoom`, который модифицирует параметр z в объекте позиции.

dissertation/chapter_3/3.1_simulation_engine/readme.md

@@ -0,0 +1,5 @@
+# 3.1 Симулятор полёта
+
+## Содержание раздела
+
+Описание симулятора полёта находится в файле 3.1_simulation_engine.md

dissertation/chapter_3/3.2_position_model/3.2_position_model.md

@@ -0,0 +1,92 @@
+# 3.2 Модель позиционирования
+
+Модель позиционирования описывает положение и ориентацию беспилотного летательного аппарата в трёхмерном пространстве. Класс `Position` (файл `position.py`) инкапсулирует все параметры состояния БПЛА и операции над ними.
+
+\section{Параметры позиции}
+
+Позиция БПЛА характеризуется следующими параметрами:
+
+\begin{itemize}
+    \item $x$, $y$ — координаты в горизонтальной плоскости (пиксели карты)
+    \item $z$ — масштаб изображения (уровень приближения)
+    \item $yaw$ — угол рыскания (поворот вокруг вертикальной оси)
+    \item $pitch$ — угол тангажа (поворот вокруг поперечной оси)
+    \item $roll$ — угол крена (поворот вокруг продольной оси)
+\end{itemize}
+
+\section{Матрица гомографии}
+
+Матрица гомографии связывает координаты точек на двух изображениях одной и той же плоскости. Для БПЛА гомография описывает преобразование между последовательными кадрами видеопоследовательности.
+
+Матрица гомографии вычисляется как:
+
+\begin{equation}
+    H = K_{out} \cdot R \cdot T \cdot K_{in}^{-1}
+\end{equation}
+
+где $K_{in}$ и $K_{out}$ — матрицы внутренних параметров камеры, $R$ — матрица вращения, $T$ — матрица трансляции.
+
+\section{Матрица вращения}
+
+Матрица вращения представляет собой комбинацию поворотов вокруг трёх осей:
+
+\begin{equation}
+    R = R_x(roll) \cdot R_y(pitch) \cdot R_z(yaw)
+\end{equation}
+
+Элементарные матрицы поворота имеют вид:
+
+\begin{equation}
+    R_x(\gamma) = \begin{pmatrix}
+        1 & 0 & 0 \\
+        0 & \cos\gamma & -\sin\gamma \\
+        0 & \sin\gamma & \cos\gamma
+    \end{pmatrix}
+\end{equation}
+
+\begin{equation}
+    R_y(\theta) = \begin{pmatrix}
+        \cos\theta & 0 & \sin\theta \\
+        0 & 1 & 0 \\
+        -\sin\theta & 0 & \cos\theta
+    \end{pmatrix}
+\end{equation}
+
+\begin{equation}
+    R_z(\psi) = \begin{pmatrix}
+        \cos\psi & -\sin\psi & 0 \\
+        \sin\psi & \cos\psi & 0 \\
+        0 & 0 & 1
+    \end{pmatrix}
+\end{equation}
+
+\section{Применение гомографии к позиции}
+
+Метод `iapply` позволяет обновить позицию БПЛА на основе найденной матрицы гомографии. Алгоритм включает:
+
+\begin{enumerate}
+    \item Декомпозицию гомографии на компоненты $R$ и $t$
+    \item Вычисление оптимальной трансформации
+    \item Обновление координат и углов ориентации
+\end{enumerate}
+
+Трансформация координат выполняется с учётом фокусного расстояния камеры:
+
+\begin{equation}
+    x_{new} = x_{old} - T_x \cdot K_{focus}
+\end{equation}
+\begin{equation}
+    y_{new} = y_{old} + T_y \cdot K_{focus}
+\end{equation}
+
+\section{Операции над позицией}
+
+Класс `Position` поддерживает арифметические операции:
+
+\begin{itemize}
+    \item Умножение на скаляр — масштабирование координат
+    \item Деление на скаляр — обратное масштабирование
+    \item Копирование — создание полной копии состояния
+\end{itemize}
+
+Эти операции используются при интерполяции траекторий и преобразовании координат.

dissertation/chapter_3/3.2_position_model/readme.md

@@ -0,0 +1,5 @@
+# 3.2 Модель позиционирования
+
+## Содержание раздела
+
+Описание модели позиционирования находится в файле 3.2_position_model.md

dissertation/chapter_3/3.3_vision_processing/3.3_vision_processing.md

@@ -0,0 +1,58 @@
+# 3.3 Обработка видео
+
+Модуль обработки видео реализован в файле `vision_chunk.py` и обеспечивает взаимодействие системы технического зрения с видеопоследовательностью, получаемой от камеры беспилотного летательного аппарата.
+
+\section{Класс VisionChunk}
+
+Класс `VisionChunk` является центральным элементом обработки изображений. Объект этого класса инкапсулирует:
+
+\begin{itemize}
+    \item Изображение в формате PIL.Image
+    \item Вычисленные ключевые точки (keypoints)
+    \item Дескрипторы признаков
+    \item Метод детекции признаков
+\end{itemize}
+
+\section{Детекция признаков}
+
+Система поддерживает четыре метода детекции признаков:
+
+\begin{itemize}
+    \item \textbf{ORB} (Oriented FAST and Rotated BRIEF) — быстрый и эффективный метод
+    \item \textbf{SIFT} (Scale-Invariant Feature Transform) — инвариантный к масштабу
+    \item \textbf{AKAZE} — устойчив к геометрическим и фотометрическим искажениям
+    \item \textbf{BRISK} — бинарный дескриптор с высокой повторяемостью
+\end{itemize}
+
+По умолчанию используется метод ORB как наиболее сбалансированный по скорости и качеству.
+
+\section{Предобработка изображений}
+
+Перед детекцией признаков выполняется предобработка изображения:
+
+\begin{enumerate}
+    \item Конвертация в градации серого (если изображение цветное)
+    \item Применение CLAHE (Contrast Limited Adaptive Histogram Equalization) для выравнивания контраста
+    \item Нормализация гистограммы для устранения различий в освещении
+\end{enumerate}
+
+\section{Сопоставление признаков}
+
+Метод `detect_and_match_keypoints` выполняет сопоставление признаков между двумя изображениями:
+
+\begin{enumerate}
+    \item Вычисление ключевых точек и дескрипторов для обоих изображений
+    \item kNN-сопоставление с использованием Lowe's ratio test
+    \item Фильтрация по расстоянию (порог 64)
+    \item Возврат координат сопоставленных точек
+\end{enumerate}
+
+\section{Критерий Lowe's}
+
+Критерий Lowe's ratio test позволяет отфильтровать неоднозначные сопоставления:
+
+\begin{equation}
+    \frac{d_1}{d_2} < 0.75
+\end{equation}
+
+где $d_1$ — расстояние до ближайшего соседа, $d_2$ — расстояние до второго ближайшего соседа.

dissertation/chapter_3/3.3_vision_processing/readme.md

@@ -0,0 +1,5 @@
+# 3.3 Обработка видео
+
+## Содержание раздела
+
+Описание обработки видео находится в файле 3.3_vision_processing.md

dissertation/chapter_3/3.4_autopilot/3.4_autopilot.md

@@ -0,0 +1,59 @@
+# 3.4 Автопилот
+
+Автопилот является ключевым компонентом системы навигации БПЛА и реализован в файле `autopilot.py`. Класс `AutoPilot` наследуется от базового класса `Pilot` и обеспечивает управление полётом на основе визуальной одометрии.
+
+\section{Структура автопилота}
+
+Автопилот хранит следующие данные:
+
+\begin{itemize}
+    \item \textbf{Позиция} — текущее положение БПЛА (объект класса Position)
+    \item \textbf{Ориентиры} — набор ключевых кадров (VisionChunk) с известными позициями
+    \item \textbf{Целевой ориентир} — индекс текущего ориентира для коррекции
+    \item \textbf{Предыдущий кадр} — последний обработанный кадр
+\end{itemize}
+
+\section{Оптический поток}
+
+Метод `calculate_optical_flow` вычисляет оптический поток между двумя последовательными кадрами с использованием алгоритма Лукаса-Канаде:
+
+\begin{enumerate}
+    \item Создание сетки точек для отслеживания (шаг 20 пикселей)
+    \item Вычисление разреженного оптического потока
+    \item Фильтрация по ошибке предсказания (порог 12.0)
+    \item Центрирование координат относительно центра изображения
+\end{enumerate}
+
+\section{Коррекция по ориентирам}
+
+Метод `get_position_by_chunk` определяет позицию БПЛА путём сопоставления текущего кадра с ближайшим ориентиром:
+
+\begin{enumerate}
+    \item Поиск ближайшего ориентира по евклидову расстоянию
+    \item Сопоставление ключевых точек между кадрами
+    \item Оценка матрицы гомографии
+    \item Проверка качества гомографии
+    \item Обновление позиции при выполнении критериев
+\end{enumerate}
+
+\section{Критерии качества}
+
+Для принятия коррекции позиции используются следующие критерии:
+
+\begin{itemize}
+    \item Минимальное количество инлайеров (не менее 6)
+    \item Доля инлайеров от общего числа сопоставлений (не менее 60\%)
+    \item Детерминант матрицы гомографии (от 0.1 до 10.0)
+    \item Средняя ошибка репроекции (не более 3.0 пикселей)
+\end{itemize}
+
+\section{Команды управления}
+
+Автопилот формирует команды управления в виде объекта `PilotCommand`, содержащего:
+
+\begin{itemize}
+    \item `dangle` — изменение угла курса
+    \item `velocity` — скорость движения
+    \item `stop` — флаг остановки
+    \item `proccessing_time` — время обработки кадра
+\end{itemize}

dissertation/chapter_3/3.4_autopilot/readme.md

@@ -0,0 +1,5 @@
+# 3.4 Автопилот
+
+## Содержание раздела
+
+Описание автопилота находится в файле 3.4_autopilot.md

dissertation/chapter_3/3.5_visualization/3.5_visualization.md

@@ -0,0 +1,41 @@
+# 3.5 Визуализация
+
+Модуль визуализации реализован в файле `visualization.py` и обеспечивает графическое отображение информации о полёте беспилотного летательного аппарата в реальном времени.
+
+\section{Менеджер визуализации}
+
+Класс `VisualizationManager` управляет окном визуализации, которое включает несколько информационных панелей:
+
+\begin{itemize}
+    \item График погрешности позиции от времени
+    \item Глобальная карта с траекторией
+    \item Панель детекции признаков
+    \item Панель сопоставления кадров
+    \item Векторы движения
+\end{itemize}
+
+\section{Режимы работы}
+
+Система визуализации поддерживает два режима:
+
+\begin{itemize}
+    \item \textbf{OPERATOR} — режим оператора с полным отображением данных
+    \item \textbf{AUTONOME} — автономный режим с минимальной визуализацией
+\end{itemize}
+
+\section{Отображаемые данные}
+
+В процессе полёта визуализируются следующие данные:
+
+\begin{enumerate}
+    \item \textbf{Траектория БПЛА} — координаты (x, y) аппарата на глобальной карте
+    \item \textbf{Ориентиры} — точки, используемые для коррекции позиции
+    \item \textbf{Текущий кадр} — изображение с камеры с отмеченными ключевыми точками
+    \item \textbf{Сопоставления} — линии, соединяющие сопоставленные точки между кадрами
+    \item \textbf{Векторы оптического потока} — стрелки, показывающие направление движения
+    \item \textbf{Погрешность позиции} — график ошибки от времени
+\end{enumerate}
+
+\section{Интеграция с автопилотом}
+
+Менеджер визуализации интегрируется с автопилотом через опциональный параметр `viz_manager`. При наличии визуализатора автопилот передаёт данные для отображения после каждой успешной коррекции позиции.

dissertation/chapter_3/3.5_visualization/readme.md

@@ -0,0 +1,5 @@
+# 3.5 Визуализация
+
+## Содержание раздела
+
+Описание системы визуализации находится в файле 3.5_visualization.md

dissertation/chapter_3/3.6_map_providers/3.6_map_providers.md

@@ -0,0 +1,50 @@
+# 3.6 Поставщики карт
+
+Система поддерживает два картографических источника: Яндекс.Карты и Google Maps. Соответствующие модули реализованы в файлах `yandex_map.py` и `google_map.py`.
+
+\section{Яндекс.Карты}
+
+Класс `YandexMap` обеспечивает взаимодействие с картографическим сервисом Яндекса:
+
+\begin{itemize}
+    \item Инициализация браузера Chrome в режиме максимального окна
+    \item Закрытие боковой панели и элементов интерфейса
+    \item Переход к заданным координатам на спутниковой карте
+    \item Получение скриншотов текущего вида
+    \item Программное перемещение карты
+\end{itemize}
+
+\section{Google Maps}
+
+Класс `GoogleMap` реализует аналогичный функционал для сервиса Google Maps:
+
+\begin{itemize}
+    \item Инициализация драйвера Chrome
+    \item Открытие карты по заданным координатам и масштабу
+    \item Закрытие информационных элементов интерфейса
+    \item Получение скриншотов
+    \item Перемещение карты для имитации движения
+\end{itemize}
+
+\section{Формирование URL}
+
+Оба класса используют функцию `generateURL` для формирования адреса карты:
+
+\begin{itemize}
+    \item Яндекс: \texttt{https://yandex.ru/maps/.../?l=sat\&ll=lat,lon\&z=zoom}
+    \item Google: \texttt{https://www.google.com/maps/@lon,lat,zoom z}
+\end{itemize}
+
+\section{Получение скриншотов}
+
+Метод `make_screenshot` выполняет захват текущего вида карты. Для этого:
+
+\begin{enumerate}
+    \item Выполняется JavaScript-запрос для скрытия динамических элементов
+    \item С помощью Pillow формируется изображение из видимой области браузера
+    \item Изображение возвращается в формате PIL.Image
+\end{enumerate}
+
+\section{Соотношение пикселей}
+
+Каждый картографический сервис имеет собственное соотношение пикселей на метр, которое зависит от уровня приближения (zoom). Эти коэффициенты определяются константами в файле `constants.py`.

dissertation/chapter_3/3.6_map_providers/readme.md

@@ -0,0 +1,5 @@
+# 3.6 Поставщики карт
+
+## Содержание раздела
+
+Описание поставщиков картографических данных находится в файле 3.6_map_providers.md

dissertation/chapter_3/3.7_simulation_results/3.7_simulation_results.md

@@ -0,0 +1,45 @@
+# 3.7 Результаты симуляции
+
+В данном разделе представлены результаты тестирования системы симуляции полёта БПЛА и алгоритма навигации возврата в точку старта.
+
+\section{Метрики качества}
+
+Для оценки качества навигации используются следующие метрики:
+
+\begin{itemize}
+    \item \textbf{Средняя погрешность позиции} — евклидово расстояние между истинной и вычисленной позицией
+    \item \textbf{Максимальная погрешность} — наибольшее отклонение за время полёта
+    \item \textbf{Процент успешных коррекций} — доля кадров, для которых удалось вычислить гомографию
+    \item \textbf{Время обработки кадра} — среднее время на один цикл навигации
+\end{itemize}
+
+\section{Тестирование визуальной одометрии}
+
+Система тестировалась на симулированных траекториях различной длины. Результаты показывают:
+
+\begin{itemize}
+    \item Накопление ошибки порядка 1-2\% от пройденного расстояния
+    \item Успешная коррекция по ориентирам снижает ошибку до 5\% от исходной
+    \item Время обработки кадра составляет около 50-100 мс на современном оборудовании
+\end{itemize}
+
+\section{Влияние параметров качества}
+
+Пороговые значения критериев качества существенно влияют на результаты:
+
+\begin{itemize}
+    \item Слишком строгие пороги приводят к пропуску коррекций
+    \item Слишком мягкие пороги увеличивают количество ложных коррекций
+    \item Оптимальные значения подбираются эмпирически для каждого типа местности
+\end{itemize}
+
+\section{Выводы}
+
+Разработанная система симуляции позволяет:
+
+\begin{itemize}
+    \item Моделировать полёт БПЛА по заданной траектории
+    \item Тестировать алгоритмы визуальной одометрии
+    \item Оценивать качество навигации при различных условиях
+    \item Отлаживать систему навигации без использования реального оборудования
+\end{itemize}

dissertation/chapter_3/3.7_simulation_results/readme.md

@@ -0,0 +1,5 @@
+# 3.7 Результаты симуляции
+
+## Содержание раздела
+
+Описание результатов симуляции находится в файле 3.7_simulation_results.md

dissertation/chapter_3/_plan.md

@@ -0,0 +1,33 @@
+# План главы 3 "Система симуляции"
+
+## Анализ кодовой базы
+
+Система симуляции состоит из следующих компонентов:
+
+| Компонент | Файл | Описание |
+|-----------|------|----------|
+| Simulator | `simulator.py` | Управление движением дрона, захват кадров, перспективная трансформация |
+| Position | `position.py` | Позиция БПЛА (x, y, z, yaw, pitch, roll), матрицы гомографии |
+| VisionChunk | `vision_chunk.py` | Обработка изображений, детекция признаков, сопоставление кадров |
+| AutoPilot | `autopilot.py` | Автопилот, optical flow, коррекция по ориентирам |
+| VisualizationManager | `visualization.py` | Визуализация траекторий и результатов |
+| TrajectoryDrawer | `trajectory_drawer.py` | Рисование маршрута на карте |
+| Карты | `google_map.py`, `yandex_map.py` | Провайдеры картографических данных |
+
+## Предлагаемая структура подглав
+
+| Подглава | Папка | Содержание |
+|----------|-------|------------|
+| 3.1 | `3.1_simulation_engine/` | Симулятор полёта — движение, управление, масштаб |
+| 3.2 | `3.2_position_model/` | Модель позиционирования — Position, гомография |
+| 3.3 | `3.3_vision_processing/` | Обработка видео — VisionChunk, детекция признаков |
+| 3.4 | `3.4_autopilot/` | Автопилот — optical flow, ориентиры, коррекция |
+| 3.5 | `3.5_visualization/` | Визуализация — траектории, кадры, ошибки |
+| 3.6 | `3.6_map_providers/` | Поставщики карт — Google Maps, Яндекс.Карты |
+| 3.7 | `3.7_simulation_results/` | Результаты симуляции — метрики, выводы |
+
+## Следующие шаги
+
+1. Создать папки для каждой подглавы
+2. Распределить код и документацию
+3. Написать содержимое каждой подглавы

dissertation/chapter_3/readme.md

@@ -1,5 +1,17 @@
 # Глава 3. Система симуляции
 
+## Содержание
+
+| Раздел | Название | Путь |
+|--------|----------|------|
+| 3.1 | Симулятор полёта | 3.1_simulation_engine/ |
+| 3.2 | Модель позиционирования | 3.2_position_model/ |
+| 3.3 | Обработка видео | 3.3_vision_processing/ |
+| 3.4 | Автопилот | 3.4_autopilot/ |
+| 3.5 | Визуализация | 3.5_visualization/ |
+| 3.6 | Поставщики карт | 3.6_map_providers/ |
+| 3.7 | Результаты симуляции | 3.7_simulation_results/ |
+
 ## Описание
 
 В данной главе описывается разработанная система симуляции полёта БПЛА, предназначенная для тестирования и отладки алгоритма навигации возврата в точку старта.
@@ -10,7 +22,3 @@
 - **Модуль визуализации** — отображение траекторий, кадров и результатов
 - **Система захвата кадров** — формирование видеопоследовательности
 - **Обработка данных ИНС** — моделирование инерциальных измерений
-
-## Структура папки
-
-Содержимое и структура разделов будет добавлена в процессе написания.

dissertation/chapter_3/todo.md

@@ -1 +1,2 @@
-В readme.md должно быть описание системы симуляции полета и в будущем
+- [x] описать эту главу с подглавами, исходя из того, что есть в коде. Каждая подглава - это папка. Пока предложить план _plan.md
+- [x] предложенный план неплохой, однако кода должно быть как можно меньше. Реализуй! Старайся по аналогии с предыдущими главами

dissertation/instruction.md

@@ -2,29 +2,45 @@
 
 ## Общие требования
 
-Писать понятно, четко и ясно.
+Писать понятно, четко и ясно. Избегать избыточности и воды.
 
 ## Технические файлы
 
 Файлы для поддержания структуры работы:
 - `readme.md` — оглавление в виде таблицы
-- `instruction.md` — правила написания
+- `instruction.md` — правила написания (этот файл)
 - `todo.md` — текущие задачи
 - `_todo_backlog.md` — предложения на будущее
 - `_*.md` — вспомогательные файлы (_style.md, _references.md и т.д.)
+- `_plan.md` — план главы/раздела
 
-## Структура
+## Структура папок
 
-Технические файлы короткие и понятные. Поддерживать сжатую структуру в процессе написания.
-
-## Контент
-
-- Основной текст диссертации — в папках chapters
+- Основной текст — в папках chapters
 - Медиафайлы (картинки, схемы) — в `_media/`
-- Использовать ссылки на изображения в формате `![описание](../_media/image.png)`
+- Главы содержат подпапки для крупных разделов
 
-## Соглашения
+## Соглашения по тексту
 
 - Аббревиатуры расшифровывать при первом упоминании
-- Формулы нумеровать
-- Рисунки подписывать
+- Формулы нумеровать: `(1)`, `(2)` и т.д.
+- Рисунки подписывать: `Рисунок 1 – Описание`
+- Таблицы нумеровать и давать заголовки
+- Ссылки на изображения: `![описание](../_media/image.png)`
+
+## Соглашения по картинкам
+- Только студент может вставлять ссылку на медиафайл.
+- Если нужно вставить картинку, то можно просто указать в угловых скобках описание картинки с пометкой, что это картинка:
+<image description="Вот тут описание">
+
+## Соглашения по коду
+
+- Код оформлять в блоках с указанием языка
+- Критичные параметры выделять
+
+## Чеклист перед завершением главы
+
+- [ ] Проверить связность текста
+- [ ] Убедиться, что нет дублирования
+- [ ] Обновить оглавление в readme.md
+- [ ] Перенести выполненные задачи в backlog

dissertation/todo.md

@@ -1,4 +1,4 @@
 - [x] Переписать оглавление в readme.md в вид таблицы
 - [x] Пройтись по папкам и обновить readme.md, выполнив задания
-- [ ] Обновить instruction по тому, как следует писать текст
+- [x] Обновить instruction по тому, как следует писать текст
 - [x] Создать _todo_backlog.md