Статья

Название статьи ВЕРОЯТНОСТНЫЙ ПОДХОД К РЕШЕНИЮ ЗАДАЧИ SLAM В ТРЁХМЕРНОМ ПРОСТРАНСТВЕ
Автор В.Н. Казьмин
Рубрика РАЗДЕЛ VI. СИСТЕМЫ УПРАВЛЕНИЯ
Месяц, год 01-02, 2017
Индекс УДК 007:621.865.8
DOI
Аннотация Предложен и рассмотрен подход к решению центральных для автономной робототехники задач определения координат подвижных роботизированных объектов и по-строения модели окружающего пространства по данным бортовой системы технического зрения, основанный на применении численного метода Монте-Карло для задачи локализации. Суть метода состоит в применении многочастичного фильтра для последовательно-го вычисления плотности распределения вероятностей, которая задаёт возможные положения робота в пространстве. Особенностью реализации метода является использование выделенных в дальнометрическом кадре плоскостей для измерения положения робота относительно карты, путём сопоставления их с уже имеющимися в базе данных и решения системы уравнений, построенной на параметрах найденных пар соответствующих друг другу плоскостей. При навигации, помимо геометрии пространства, используется яркостная раскраска выделенных плоскостей с целью повышения точности и разрешения геометрически неопределённых ситуаций. После определения положения робота найденные в кадре плоскости вносятся в базу данных с объединением и усреднением с уже имеющейся в ней информацией и используются для навигации в последующих циклах алгоритма. Приведены результаты работы созданных алгоритмов и программ, решающих поставленные задачи в темпе движения робота; осуществлена оценка ошибок и производительности. На основе анализа результатов теоретических и экспериментальных исследований сделано заключение, что предлагаемый подход обеспечивает переход от больших объемов исходной информации к компактным описаниям внешней среды, содержащим навигационные данные, что позволяет эффективно решать задачи локализации и автономного управления движением мобильных роботов и беспилотных летательных аппаратов.

Скачать в PDF

Ключевые слова Мобильный робот; беспилотный летательный аппарат; система технического зрения; многочастичный фильтр; локализация; реконструкция модели окружающего пространства; метод Монте-Карло.
Библиографический список 1. Носков В.П., Носков А.В. Навигация мобильных роботов по дальнометрическим изображениям // Мехатроника, автоматизация, управление. – 2005. – № 12. – C. 16-21.
2. Казьмин В.Н., Носков В.П. Выделение геометрических и семантических объектов в дальнометрических изображениях для навигации роботов и реконструкции внешней среды // Известия ЮФУ. Технические науки. – 2015. – № 10 (171). – С. 71-83.
3. Besl P., McKay N. A method for registration of 3-D shapes // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1992. – № 14. – P. 239-256.
4. Shen S., Michael N., Kumar V. Autonomous Multi-Floor Indoor Navigation with a Computationally Constrained MAV // IEEE International Conference on Robotics and Automation, 2011.
5. Nuchter A., Lingemann K., Hertzberg J., Surmann H.6 D SLAM–3D Mapping Outdoor Envi-ronments // Journal of Field Robotics. – 2007. – No. 24 (8/9). – P. 699-722.
6. Khoshelham K. Automated localization of a laser scanner in indoor environments using planar objects // International Conference on Indoor Positioning and Indoor Navigation. – 2010.
7. Brenner C., Dold C. Automatic relative orientation of terrestrial laser scans using planar struc-tures and angle constraints // ISPRS Workshop on Laser Scanning. – 2007. – P. 84-89.
8. Morris W., Dryanovski I., Xiao J. 3D indoor mapping for micro-UAVs using hybrid range finders and multi-volume occupancy grids // RSS workshop on RGB-D: Advanced Reasoning with Depth Camera, 2010.
9. Schadler M., Stuckler J., Behnke S. Rough terrain 3D mapping and navigation using a continu-ously rotating 2D laser scanner // German Journal on Artificial Intelligence. – 2014. – No. 28 (2). – P. 93-99.
10. Stuckler J., Behnke S. Multi-resolution surfel maps for efficient dense 3D modeling and tracking // Journal of Visual Communication and Image Representation. – 2014. – No. 25 (1).
– P. 137-147.
11. Hornung A., Wurm K., Bennewitz M., Stachniss C., Burgard W. OctoMap: An efficient proba-bilistic 3D mapping framework based on octrees // Autonomous Robots. – 2013. – Vol. 34, No. 3. – P. 189-206.
12. Hornung A., Osswald S., Maier D., Bennewitz M. Monte Carlo localization for humanoid robot navigation in complex indoor environments // International Journal of Humanoid Robotics.
– 2014.
13. Thrun S., Burgard W., Fox D. Probabilistic robotics: Intelligent robotics and autonomous agents. – The MIT Press, 2005. – 672 p.
14. Казьмин В.Н., Носков В. П. Объемное зрение в системе навигационного обеспечения беспилотного летательного аппарата // Вестник МГТУ им. Н.Э. Баумана. Серия «Машиностроение». – 2012. – С. 113-121.
15. Загоруйко С.Н., Казьмин В.Н., Носков В.П. Навигация БПЛА и 3D-реконструкция внеш-ней среды по данным бортовой СТЗ // Мехатроника, автоматизация, управление. – 2014. – № 8. – C. 62-68.
16. Craig John J. Introduction to robotics: mechanics and control. – 3rd ed. – New Jersey: Pearson Education Inc, 2004. – P. 19-54.
17. Sheraz Khan S., Wollherr D., Buss M. Modeling laser intensities for simultaneous localization and mapping // IEEE Robotics and Automation Letters. – 2016. – Vol. 1, No. 2. – P. 692-699.
18. Fischler M., Bolles R. Random sample consensus: A paradigm for model fitting with applica-tions to image analysis and automated cartography // Communications of the ACM. – 1981.
– No. 24 (6). P. 381-395.
19. http://www.pointclouds.org (дата обращения 29.01.2017).
20. http://www.ros.org (дата обращения 29.01.2017).
21. http://www.gazebosim.org (дата обращения 29.01.2017).
22. Meyer J., Sendobry A., Kohlbrecher S., Klingauf U., Stryk O. Comprehensive Simulation of Quadrotor UAVs using ROS and Gazebo // Proceedings of the Third international conference on Simulation, Modeling, and Programming for Autonomous Robots. – 2012. – P. 400-411.

Comments are closed.