РАЗРАБОТКА И ИССЛЕДОВАНИЕ СРЕДСТВ ВИДЕО-ДАЛЬНОМЕТРИЧЕСКОЙ НАВИГАЦИИ РОБОТОВ ВОЗДУШНОГО И НАЗЕМНОГО ПРИМЕНЕНИЯ
Аннотация
Работа посвящена решению актуальных задач совместной автономной видеонавигации ро- ботов воздушного и наземного применения в наиболее востребованных для проведения специаль- ных операций урбанизированных средах, включающих плотную городскую застройку и здания, где применение традиционных средств дистанционного управления ограничено наличием экраниро- ванных зон. Задачи групповой навигации предлагается решать на основе данных бортовых сис- тем технического зрения в процессе оперативной разведки рабочей зоны беспилотным летатель- ным аппаратом, результаты которой обеспечивают автономные движение и полет, как отдель- ных гетерогенных робототехнических средств, так и в группе. В основу алгоритмов навигации положены методы выделения из объемного облака точек, формируемого бортовым лидаром, опорной горизонтальной поверхности и горизонтальных сечений внешней среды, позволяющих с высокой точностью и быстродействием определять все шесть координат объекта управления. Рассмотрены случаи, обусловленные возможными характеристиками внешней среды, когда нави- гационная задача решается не полностью, и предложены методы их исключения путем дополне- ния дальнометрических данных лидара видеоданными телекамеры. Приведена оценка точности решения задач видеонавигации, полученная путем математического моделирования внешней сре- ды и формирования видеоданных. Предложены методы снижения ошибки видеонавигации, осно- ванные на использовании специально банка опорных изображений с известными координатами их формирования, позволяющие обеспечить безопасные автономные полет и движение робототех- нических средств в урбанизированной среде. Эффективность используемых методов и предлагае- мых алгоритмов видеонавигации подтверждается результатами экспериментальных исследова- ний соответствующих программно-аппаратных средств в реальных урбанизированных средах
Список литературы
1. Zhehan Li, Rui Mao, Nanhe Chen, Chao Xu, Fei Gao, Yanjun Cao. ColAG: A collaborative Air-Ground
Framework for Perception-Limited UGVs’ Navigation // arxiv. – URL: https://arxiv.org/abs/2310.13324
(дата обращения: 15.01.2025).
2. Yang J., Wen C.-K., Yang X., Xu J., Du T., and Jin S. Multi-domain cooperative SLAM: The enabler for integrated
sensing and communications // IEEE Wireless Commun. – Feb. 2023. – Vol. 30, No. 1. – P. 40-49.
3. Баричев Ю.С., Гойдин О.П., Носков В.П., Собольников С.А. Формирование информационно-
навигационного поля роботов воздушного базирования в урбанизированной среде // Известия
ЮФУ. Технические науки. – 2024. – № 1. – С. 213-225.
4. Казьмин В.Н., Носков В.П. Выделение геометрических и семантических объектов в дальномет-
рических изображениях для навигации роботов и реконструкции внешней среды // Известия
ЮФУ. Технические науки. – 2015. – № 10 (171). – С. 71-83.
5. Носков В.П., Киселев И.О. Трехмерный вариант метода Хафа в реконструкции внешней среды и
навигации // Мехатроника, автоматизация, управление. – 2018. – № 8. – С. 552-560.
6. Носков В.П., Киселев И.О. Выделение плоских объектов в линейно структурированных
3D-изображениях // Робототехника и техническая кибернетика. – 2018. – № 2 (19). – С. 31-38.
7. Загоруйко С.Н., Казьмин В.Н., Носков В.П. Навигация БПЛА и 3D-реконструкция внешней среды по
данным бортовой СТЗ // Мехатроника, автоматизация, управление. – 2014. – № 8. – С. 62-68.
8. Лакота Н.А., Носков В.П., Рубцов И.В., Лундгрен Я.-О., Моор Ф. Опыт использования элемен-
тов искусственного интеллекта в системе управления цехового транспортного робота // Меха-
троника. – 2000. – № 4. – С. 44-47.
9. Носков В.П., Носков А.В. Распознавание ориентиров в дальнометрических изображениях // Мо-
бильные роботы и мехатронные системы. – 2001. – С. 179-192.
10. Носков В.П., Носков А.В. Навигация мобильных роботов по дальнометрическим изображениям
// Мехатроника, автоматизация, управление. – 2005. – № 12. – С. 16-21.
11. Носков В.П., Рубцов И.В., Романов А.Ю. Формирование объединенной модели внешней среды
на основе информации видеокамеры и дальномера // Мехатроника, автоматизация, управление.
– 2007. – № 8. – С. 2-5.
12. Носков В.П., Киселев И.О. Использование текстуры линейных объектов для построения модели
внешней среды и навигации // Мехатроника, автоматизация, управление. – 2019. – № 8. – С. 490-497.
13. David L. Object recognition from local scale-invariant features // Proceedings of the International
Conference on Computer Vision. – 1999. – Vol. 2. – P. 1150.
14. Bay H., Tuytelaars T., Gool L.V. SURF: Speeded Up Robust Features // Computer Vision and image
Understanding. – 2008. – URL: http: // www.vizion.ee.ethz.ch/~surf/eccv06.pdf.
15. Ke Y., Sukthankar R. PCA-SIFT: A More Distinctive Representation for Local Image Descriptors.
– URL: http://www.cs.cmu.edu/~rahuls/pub/cvpr2004-keypoint-rahuls.pdf.
16. Носков В.П., Курьянов А.Н. Использование комплексированных дескрипторов в решении
SLAM-задачи // Известия ЮФУ. Технические науки. – 2022. – № 1. – С. 268-278.
17. Носков В.П., Курьянов А.Н., Иванушкин В.И. Анализ средств видео-навигации методами матема-
тического моделирования // Тр. 34-й Международной научно-технической конференции «Экстре-
мальная робототехника», 23-24 ноября 2023 г. – СП.: Изд-во: ЦНИИ РТК, 2023. – С. 36-46.
18. https://classic.gazebosim.org//.
19. https://docs.ros.org/en/humble/index.html.
20. Pascal Goldschmid, Aamir Ahmad. Integrated Multi-Simulation Environments for Aerial Robotics
Research. – https://doi.org/10.48550/arXiv.2502.10218.
