ОРГАНИЗАЦИЯ ЦЕЛЕНАПРАВЛЕННЫХ ПЕРЕМЕЩЕНИЙ ПОДВИЖНЫХ СРЕДСТВ С ИСПОЛЬЗОВАНИЕМ ЗРИТЕЛЬНЫХ ОРИЕНТИРОВ

  • С. М. Соколов Институт прикладной математики им. М.В. Келдыша РАН
  • Н.Д. Беклемишев Институт прикладной математики им. М.В. Келдыша Российской академии наук
  • А. А. Богуславский Институт прикладной математики им. М.В. Келдыша Российской академии наук
Ключевые слова: Системы технического зрения, беспилотные подвижные средства, навигация, ориентиры, каркас программного обеспечения, метод Гаусса-Ньютона

Аннотация

Рассматривается решение навигационной задачи с помощью системы технического
зрения, определяющей положение подвижного средства относительно ориентиров, ука-
занных в окружающем пространстве. Навигация по ориентирам является наиболее объек-
тивным критерием расположения подвижного средства в окружающем пространстве.
Способ измерения параметров соотношений, характеризующих расположение подвижного
средства относительно ориентиров, является почти независимым от других навигацион-
ных измерений. Ввод данных для корректировки координат и других параметров движения
может производится не непрерывно, а в некоторые дискретные, и, в общем случае, до-
вольно редкие моменты времени. Рассматривается общая схема решения: от постановки,
до получения навигационной информации. Кратко описывается комплексирование получен-
ных данных с данными от других навигационных средств, анализируются ключевые про-
блемы и параметры СТЗ, влияющие на точность получаемых результатов. Ключевым мо-
ментом в рассматриваемом способе является решение системы уравнений, описывающих
положение робототехнических комплексов относительно указанных ориентиров. Эта
система решается модифицированным методом Гаусса-Ньютона для нелинейной переопределенной системы уравнений. Заменой левой части каждого уравнения ее дифференциа-
лом в точке начального приближения осуществляется линеаризация. Значения неизвестных
в переопределенной системе линейных уравнений, при которых сумма квадратов невязок в
уравнениях является минимальной, могут быть получены либо методом SVD (сингулярного
разложения), либо с помощью симметризации системы. При этом SVD более устойчив к
накоплению вычислительной погрешности, но несколько более требователен к ресурсам
компьютера и сложнее в реализации. Мы использовали решение методом симметризации
как более простое. Полученная система решается методом квадратного корня (Холецко-
го). Для обнаружения ориентиров в составе СТЗ используются два вида модулей СТЗ –
панорамный, на основе камеры с объективом типа «рыбий глаз» и стерео. Предложенный
способ позволяет решать задачу уточнения параметров движения по отдельным, разре-
женным измерениям собственного положения и скорости относительно ориентиров в
окружающем пространстве. Независимо и в комплексе с другими средствами навигации
описанный подход обеспечивает высокоточное определение навигационных параметров в
различных условиях движения. Описываются результаты натурных экспериментов с ма-
кетом предложенной системы при движении в различных условиях. Обсуждаются пути
совершенствования и развития рассмотренного подхода.

Литература

1. RSS novosti. Novosti iskusstvennogo intellekta [RSS news. Artificial Intelligence News].
Available at: https://ai-news.ru/2021/01/bespilotnye_karernye_samosvaly.html.
2. OOO «MosTransArenda». Trend na bespilotnye samosvaly nabiraet oboroty [LLC
«MosTransArenda». The trend for unmanned dump trucks is gaining momentum]. Available
at: ttps://mtarenda.ru/articles/trend-na-bespilotnye-samosvaly-nabiraet-oboroty/#.
3. KOMEK MASHINERI. Doydut li bespilotnye samosvaly Komatsu do Rossii? Ischeznet li
professiya voditelya? [KOMEK MACHINERY. Will Komatsu unmanned dump trucks reach
Russia? Will the driver profession disappear?]. Available at: https://www.komek.ru/staty/
doydut-li-bespilotnye-samosvaly-komatsu-do-rossii-ischeznet-li-professiya-voditelya/.
4. Tadviser. Produkt: BelAZ-7513R_(bespilotnyy_samosval) [Tadviser. Product: BelAZ-7513R
(unmanned dump track). Available at: https://www.tadviser.ru/index.php|/Produkt:BelAZ-
7513R_(bespilotnyy_samosval).
5. Kozhemyakin A. Samosval na million [Dump truck for a million]. Available at:
https://dev.by/news/samosval-na-million.
6. Petrichkovich YA., Solokhina T. i dr. RoboDeus – 50-yadernaya geterogennaya SnK dlya
vstraivaemykh sistem i robototekhniki [RoboDeus – a 50-core heterogeneous SoC for embedded
systems and robotics], Elektronika [Electronics], 2020, No. 7, pp. 52-63.
7. NVidia Corp. NVidia Jetson AGX Xavier. Available at: https://www.nvidia.com/ruru/
autonomous-machines/embedded-systems/jetson-agx-xavier/.
8. Intel Corp. Accelerate Automotive with Intel. Available at: https://www.intel.ru/content/
www/ru/ru/automotive/products/programmable/overview.html.
9. Shnkland S. Tesla self-driving car computer. Available at: https://www.cnet.com/news/meettesla-
self-driving-car-computer-and-its-two-ai-brains.
10. Mur-Artal R., Tardós J. ORB-SLAM: Tracking and mapping recognizable features, MVIGRO
Workshop at Robotics Science and Systems (RSS), Berkeley, USA, 2014.
11. Kiril'chenko A.A., Platonov A.K., Sokolov S.M. Teoreticheskie aspekty organizatsii
interpretiruyushchey navigatsii mobil'nogo robota [Theoretical aspects of the organization of
interpretive navigation of a mobile robot], Preprint IPM im. M.V. Keldysha RAN [Preprint of
the Institute of Applied Mathematics M.V. Keldysh RAS], 2008, No. 19.
12. Boguslavskiy A.A. i dr. Modeli i algoritmy dlya intellektual'nykh sistem upravleniya [Models and
algorithms for intelligent control systems]. Moscow: IPM im. M.V. Keldysha, 2019, 228 p.
13. Larman K. Primenenie UML 2.0 i shablonov proektirovaniya [Applying UML 2.0 and design
patterns]. Vil'yams, 2019, 736 p.
14. Gill F., Myurrey U., Rayt M. Prakticheskaya optimizatsiya [Practical optimization]. Moscow:
Mir, 1985, 510 p.
15. Golub Dzh., Van Loun Ch. Matrichnye vychisleniya [Matrix calculations]. Moscow: Mir,
1999, 548 p.
16. Bakhvalov N.S., Zhidkov N.P., Kobel'kov G.M. chislennye metody [Numerical methods]. Moscow:
Nauka, 1987, 600 p.
17. Infineon Technologies AG. Sensor fusion for autonomous driving. Available at:
https://www.infineon.com/cms/en/applications/automotive/chassis-safety-and-adas/sensor-fusion/.
18. Kocic J., Jovičić N., Drndarevic V. Sensors and Sensor Fusion in Autonomous Vehicles, Proc.
26th Telecommunications Forum (TELFOR), Belgrade, Serbia, 20-21 November 2018,
pp. 420-425.
19. Sokolov S.M., Beklemishev N.D., Boguslavsky A.A. Coordinated use of visual odometry and
landmarks for navigation of mobile ground vehicles, ISPRS International Workshop Photogrammetric
and computer vision techniques for video Surveillance, Biometrics and Biomedicine
Moscow, April 26-28, 2021. (в печати).
20. Sprunk C. Planning Motion Trajectories for Mobile Robots Using Splines, Faculty of Applied
Sciences Department of Computer Science Autonomous Intelligent Systems, 2008. Available
at: http://www2.informatik.uni-freiburg.de/~lau/students/Sprunk2008.pdf.
21. Sokolov S.M., Boguslavskiy A.A., Trifonov O.V. Intellektual'nye moduli sistemy
tekhnicheskogo zreniya dlya operativnogo opredeleniya sostoyaniya i kontrolya ob"ektov
infrastruktury zheleznoy dorogi [Intelligent modules of the technical vision system for rapid
determination of the state and control of railway infrastructure facilities], Tr. 2-y
mezhdunarodnoy nauchno-prakticheskoy konferentsii «Intellektual'nye sistemy na transporte»
(IntellectTrans-2012) 28-31 marta 2012 g. [Proceedings of the 2nd International scientific and
practical conference "Intelligent Systems in Transport" (IntellectTrans-2012) 28-31 March
2012-St. Petersburg, 2012]. Saint Petersburg, 2012, pp. 346-355.
22. 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, pp. 463-476.
23. SBG Systems. Ellipse Series, 2021. Available at: https://www.sbgsystems.
com/products/ellipse-series/.
Опубликован
2021-04-04
Выпуск
Раздел
РАЗДЕЛ IV. СВЯЗЬ, НАВИГАЦИЯ И НАВЕДЕНИЕ