Статья

Название статьи УНИФИЦИРОВАННАЯ КОМПОНОВКА КОМПЛЕКСНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ АВТОПИЛОТОВ МОБИЛЬНЫХ СРЕДСТВ
Автор С.М. Соколов, А.А. Богуславский
Рубрика РАЗДЕЛ IV. СТАНДАРТИЗАЦИЯ И УПРАВЛЕНИЕ КАЧЕСТВОМ ПРОДУКЦИИ
Месяц, год 02, 2016
Индекс УДК 681.518.3: 629.058: 629.053
DOI
Аннотация В работе анализируется процесс разработки и компоновки систем информационного обеспечения мобильных средств с повышенной степенью автономности и полностью автономных. Рассматриваются современные тенденции в создании подобных систем, приводятся примеры из мирового и отечественного опыта разработки. Для повышения эффективности процессов создания интеллектуальных автопилотов мобильных средств предлагается ввести в рассмотрение пространство конфигураций подобных систем. Осями пространства являются: аппаратные средства, модели среды функционирования и алгоритмическое обеспечение. Точками этого пространства являются «точки сборки» конкретных прикладных систем информационного обеспечения в составе систем управления мобильными средствами. Конфигурационное пространство позволяет конструктивно разложить процесс создания систем информационного обеспечения на составляющие, качественно и количественно с помощью матриц соответствия оценивать возможные варианты компоновки конкретной системы. Даются рекомендации и предлагаются решения по компонентам по каждой из осей конфигурационного пространства. Закладываются основы формирования «куба согласования» программно-аппаратных компоновок систем информационного обеспечения в составе интеллектуальных систем управления мобильными средствами. В подходах к повышению эффективности, как самого процесса создания, так и результирующих систем акценты делаются на использование в качестве основы информационных систем многофункциональных систем технического зрения реального времени и программно-аппаратной унификации предлагаемых решений. По аппаратным составляющим подробно разбираются компоновки систем технического зрения реального времени. Построение моделей представления внешнего мира предлагается основывать на концепции интерпретирующей навигации. В алгоритмическом обеспечении объединение разно уровневых алгоритмов обработки предлагается реализовывать на основе крупномасштабных каркасов и унификации программных реализаций. Приводятся примеры авторского использования писанных подходов и решений.

Скачать в PDF

Ключевые слова Автономные транспортные средства; системы информационного обеспечения; системы технического зрения реального времени; конфигурационное пространство; программный каркас; интерпретирующая навигация.
Библиографический список 1. Buehler M. et al. The 2005 DARPA Grand Challenge. Springer, 2007.
2. Buehler M. et al. The DARPA Urban Challenge. Springer, 2009.
3. Сайт проекта «самоуправляемый» автомобиль (self-driving car). Режим доступа: https://www.google.com/selfdrivingcar.
4. John Markoff (October 9, 2010). "Google Cars Drive Themselves, in Traffic". The New York Times. Retrieved October 11, 2010.
5. Сообщение агентства Defence Talk. Режим доступа: https://lenta.ru/news/2006/01/26/oshkosh.
6. Ford первым тестирует автономные автомобили в условиях снега. Раздел «новости» официального сайта компании Ford Motor Company. Режим доступа: http://www.ford.ru/AboutFord/News/Vehicle/2016/Vhcl_160113.
7. Максим Кадаков. Пересчитываем камеры самоуправляемого Nissan Leaf. За рулём. РФ. Режим доступа: http://www.zr.ru/content/articles/839794-derzhim-ruki-u-rulya-samoupravlyaemogo-nissan-leaf/.
8. Беспилотный камаз готов к испытаниям. Раздел «новости» официального сайта компании КАМАЗ. Режим доступа: http://www.kamaz.ru/press/releases/bespilotnyy_kamaz_uzhe_na_doroge.
9. Ellery A. Rover vision – fundamentals / Planetary Rovers, Springer, 2016.
10. США завершили палубные испытания беспилотника X-47B. Новостное агентство lenta.ru. Режим доступа: http://lenta.ru/news/2012/12/20/x47b/.
11. Компании Ford и Google объединят усилия по автономным машинам. Automotive News. Режим доступа: https://www.drive.ru/news/ford/567936dc95a65602f50000c2.html.
12. Анатолий Ализар. Беспилотные «Камазы» выезжают на дороги общего назначения. Geektimes. Режим доступа: https://geektimes.ru/post/264602/.
13. Краснобаев А.А. Обзор алгоритмов детектирования пр.остых элементов изображения и анализ возможности их аппаратной реализации // Препринт ИПМ им. М.В. Келдыша РАН. – 2005. – № 114. – 20 с. – URL: http://keldysh.ru/papers/2005/prep114/prep2005_114.html.
14. Vasilyev A.I., Boguslavskiy A.A., Sokolov S.M. Parallel SIFT-detector implementation for images matching // Proc. of the 21st Conference on Computer Graphics and Vision, GraphiCon’ 2011, September 26-30, 2011, Moscow. – P. 173-176.
15. Boguslavsky A.A., Sokolov S.M., Sazonov V.V. Computer Vision for Control and Research // of Mechanical Systems. Proc. of 8th Mechatronics Forum International Conference, University of Twente, Netherlands, June 24-26, 2002. – P. 1096-1105.
16. Boguslavsky A.A., Sokolov S.M., Trifonov O.V., Yaroshevsky V.S. Intellectual information system for mobile robot control // Proc. of the Intern. Conf. SCI2002, July 14-18, Orlando, Florida, USA, 2002.
17. Boguslavsky A.A., Sokolov S.M. Component Approach to the Applied Visual System Software Development // 7th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2003), July 27-30, Orlando, Florida, USA, 2003.
18. Laplante P. Software engineering for image processing systems. CRC Press, 2004.
19. Wagner M. et al. Principles of Computer System Design for Stereo Perception // Carnegie-Mellon University Technical Report, CMU-RI-TR-02-01, 2002.
20. Scaramuzza D., Fraundorfer F. Visual Odometry. Part I // IEEE Robotics and Automation Magazine, December 2011. – P. 80-92.
21. Scaramuzza D., Fraundorfer F. Visual Odometry. Part II // IEEE Robotics and Automation Magazine, June 2012. – P. 78-90.
22. Rankin A. et al. Unmanned ground vehicle perception using thermal infrared cameras // Proc. SPIE Unmanned Systems Technology XIII, 2011(SPIE, 2011).
23. Sokolov S.M., Boguslavsky A.A. Intellectual Images Processing for a Realtime Recognition Problem // Proc. The 2nd Intern. Multi-Conf. on Complexity, Informatics and Cybernetics (IMCIC2011), Orlando, Florida, USA, March 27th-30th, 2011, Orlando, Florida, USA. – 2011. – Vol. II. – P. 406-411.
24. Sokolov S.M., Boguslavsky A.A., Sazonov V.V., Triphonov O.V. On-board navigation based on accelerometers and vision system // Proc. of the 14th Mechatronics Forum International Conference (Mechatronics 2014), Karlstad University, Sweden, June 16-18, 2014. – P. 175-181.
25. Sokolov S.M., Boguslavsky A.A. , Vasilyev A.I., Trifonov O.V. Development of software and hardware of entry-level vision systems for navigation tasks and measuring. // Advances in Intelligent Systems and Computing (Springer). – 2013. – Vol. 208 AISC. – P. 463-476.
26. Sokolov S.M., Boguslavsky A.A., Platonov A.K., Kiy K.I., Gorelik L.I., Filachev А.М., Fumin А.I. An IR Channel-Based Automated Driver Assistance System // Proc. 12th Intern. Conf on Systemics, Cybernetics and Informatics (WMSCI 2008), Orlando, Florida, USA, June 29-July 2. – 2008. – Vol. III. – P. 368-373.
27. Sokolov S.M., Boguslavsky A.A., Kuftin F.A. Vision System for Relative Motion Estimation from Optical Flow. Proc. 13th Intern. Conf on Systemics, Cybernetics and Informatics (WMSCI 2009), Orlando, Florida, USA, July 10-13, 2009.
28. Baranov, S.N., Nikiforov V.V. Density of Multi-Task Real-Time Applications // Conference of Open Innovation Association, FRUCT, 2015-June (June). – P. 9-15.
29. Baranov S.N., Telezhkin A.M. Metrics for Software Development // SPIIRAS Proceedings. – 2014. – Issue 5 (36). – P. 5-27.
30. Shin B.-K., Xu Z., Klette R. Visual lane analysis and higher-order tasks: a concise review // Machine Vision and Applications, April 2014.
31. Hillel A., Lerner R., Levi D., Raz G. Recent progress in road and lane detection: a survey // Machine Vision and Applications, February 2012.
32. Tumofte R., Zimmermann K., Van Gool L. Multi-view traffic sign detection, recognition, and 3D localisation // Machine Vision and Applications. – April 2014. – Vol. 25 (3). – P. 633-647.
33. Bak A., Bouchafa S., Aubert D. Dynamic objects detection through visual odometry and stereovision: a study of inaccuracy and improvement sources // Machine Vision and Applications. – April 2014. – Vol. 25 (3). – P. 681-697.
34. Maimone M. et al. Autonomous Navigation Results from the Mars Exploration Rover (MER) Mission // Experimental Robotics IX, STAR 21, Springer-Verlag. – 2006. – P. 3-12.
35. Johnson A. et al. Design Through Operation of an Image-Based Velocity Estimation System for Mars Landing // International Journal of Computer Vision. – 2007. – No. 74 (3). – P. 319-341.
36. Howard T. et al. Enabling Continues Planetary Rover Navigation through FPGA Stereo and Visual Odometry // IEEE Aerospace Conference, Big Sky, Montana, 2012.
37. Matthies L. et al. Computer Vision on Mars // International Journal of Computer Vision. – October 2007. – No. 75 (1). – P. 67-92.
38. Ellery A. Rover vision – fundamentals // Planetary Rovers. Springer, 2016. – P. 199-262.

Comments are closed.