Алгоритмическое обеспечение системы внешнего наблюдения и маршрутизации автономных мобильных роботов

В статье представлено алгоритмическое обеспечение системы внешнего наблюдения и маршрутизации автономных мобильных роботов. В ряде случаев практическое применение мобильных роботов сопряжено с решением задач навигации. В частности, положение наземных роботов может определяться за счет применения средств видеонаблюдения, закрепляемых на неподвижном основании или же на борту сопровождающих беспилотных летательных аппаратов. В предлагаемом к рассмотрению подходе по видеоизображению, получаемому с внешней видеокамеры, расположенной над рабочей зоной мобильных роботов, распознается местоположение как роботов, так и расположенных поблизости препятствий. Строится оптимальный маршрут до целевой точки выбранного робота и отслеживаются изменения его рабочей зоны. Информация о допустимых маршрутах робота передается в сторонние приложения по каналам сетевой связи. Первичная обработка изображения с камеры включает коррекцию дисторсии, оконтуривание и бинаризацию, что позволяет отделить фрагменты изображения, содержащие роботов и препятствия от фоновых поверхностей и предметов. Распознавание роботов на видеокадре основано на применении SURF детектора. Данная технология выделяет ключевые точки на видеокадре в сопоставлении их с ключевыми точками эталонных изображений роботов. Планирование траекторий реализовано с применением алгоритма Дейкстры. Дискретность траекторий, получаемых с использованием алгоритма поиска пути на графе, может быть компенсирована на борту автономных мобильных роботов за счет применения сплайн-аппроксимации. Проведенные экспериментальные исследования подтвердили работоспособность предлагаемого подхода как в задаче распознавания и локализации мобильных роботов, так и в задаче планирования безопасных траекторий.

1. Lee D., ParangiA. CS 4758: Automated semantic mapping of environment. 2013. URL: https://www.cs.cornell.edu/courses/cs4758/2013sp/final_projects/spring_2011/Dongsu_Aperahama.pdf

2. Le Saux B., Sanfourche M. Rapid semantic mapping: learn environment classifiers on the fly. In: Proc. 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). November 3−7, 2013. Tokyo, Japan. https://doi.org/10.1109/IROS.2013.6696888

3. Kurose J.F., Ross K.W. Computer networking: A topdown approach. 5th ed. Boston, MA: Pearson Education; 2010. 864 р. ISBN 978-0-13-136548-3

4. Преимущества IP-видеонаблюдения над аналоговым на примере BEWARD. URL: https://www.beward.ru/articles/statya-preimushhestva-ip-videonablyudeniyanad-analogovym-na-primere-oborudovaniya-beward/

5. Иофис Е.А., Шебалин И.Ю. Фотокинотехника. М.: Советская энциклопедия; 1981. С. 80, 81.

6. Helland T. A simple algorithm for correcting lens distortion. URL: http://www.tannerhelland.com/4743/simple-algorithm-correcting-lens-distortion/

7. Манюкова Н.В. Компьютерное зрение как средство извлечения информации из видеоряда. Математические структуры и моделирование. 2015;4(36):123−128.

8. Mikolajczyk K., Schmid C. A performance evaluation of local descriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2005;27(10):1615−1630. https://doi.org/10.1109/TPAMI.2005.188

9. Абилмажинова Б.С., Андреев В.О. Детекторы углов или как происходит распознавание маркеров дополненной реальности. Инновации в науке. 2016;2(51):156−162.

10. Ивашечкин А.П., Василенко А.Ю., Гончаров Б.Д. Методы нахождения особых точек изображения и их дескрипторов. Молодой ученый. 2016;15(119):138−140.

11. Бовырин А.В., Дружков П.Н., Ерухимов В.Л., Половинкин А.Н. и др. Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP. М.: ИНТУИТ; 2016. 515 с.

12. Canny J. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986;PAMI-8(6):679−698. https://doi.org/10.1109/TPAMI.1986.4767851

13. Blair B., Murphy C. Difference of gaussian scale-space pyramids for SIFT feature detection. 6.375: Complex Digital Systems Design Final Project Report, Spring 2007. URL: http://www.ballardblair.com/projects/Difference_of_Gaussian_paper.pdf

14. Рудаков И.В., Васютович И.М. Исследование перцептивных хеш-функций изображений. Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2015;08:269−280. http://dx.doi.org/10.7463/0815.0800596

15. Юферев В.С. Локальная аппроксимация кубическими сплайнами. Ж. вычисл. матем. и матем. физ. 1981;21(1):5−10.