Найти

Результаты поиска

• МЕТОДИКА ИДЕНТИФИКАЦИИ ОБЪЕКТА ДЛЯ ИНТЕГРАЦИИ С РОБОТИЗИРОВАННЫМИ СИСТЕМАМИ

  Н.М. Чернышов , И. К. Романова-Большакова

  2025-04-27

  Аннотация ▼

  Целью исследования является разработка методики идентификации и определения место-
  положения объектов в условиях низкой видимости и возможного изменения их формы, с акцентом
  на извлечение деталей, созданных методом селективного лазерного спекания (SLS), из порошковой
  среды. В работе рассматриваются два принципиально разных подхода к формированию алгорит-
  мов управления роботизированным манипулятором. Первый подход, доверительный, основан на
  предположении о минимальном смещении объекта в процессе манипуляций. Манипулятор дви-
  жется по траектории, рассчитанной на основе предварительной трехмерной модели, без коррек-
  ции до момента захвата. Этот метод отличается высокой скоростью выполнения операции и
  минимальными вычислительными затратами. Однако он сопряжен с рисками: деформация объ-
  екта из-за сопротивления среды, смещение детали при контакте с инструментом, а также не-
  возможность захвата при значительных отклонениях от номинального положения. Второй под-
  ход, осторожный, предполагает поэтапное удаление слоев порошка для визуализации объекта и
  корректировки траектории до захвата. Этот метод включает несколько этапов: удаление верх-
  него слоя среды до частичного обнажения детали, анализ данных для уточнения положения объ-
  екта, а также построение адаптивной траектории с учетом возможного смещения. Отдельное
  внимание в статье уделено генерации данных для обучения нейронных сетей, которые использу-
  ются для идентификации объектов в условиях зашумленности. Рассмотрены два метода искус-
  ственного моделирования порошковых покрытий. Примитивный метод заключается в расшире-
  нии вершин трехмерной модели вдоль нормалей с добавлением случайного шума. Усовершенство-
  ванный метод предполагает дифференцированное распределение порошка с учетом локальной
  кривизны поверхности. Последующие экспериментальные результаты показали, что обучение
  нейронной сети с использованием реальных данных имеет низкую эффективность. Точность рас-
  познавания составила 60–75%, что связано с малым объемом выборки и влиянием внешних факто-
  ров, таких как освещение и помехи. В то же время использование синтетических данных, подго-
  товленных по представленной в исследовании методике, позволило повысить точность распозна-
  вания до 92%. Практическая значимость работы заключается в разработке методики поиска,
  обнаружения и определения детали, погруженной в порошок, что может быть использовано для
  автоматизации процессов постобработки на производствах, использующих селективное лазерное
  спекание. Разработанные решения адаптированы для интеграции в роботизированные системы работающие в условиях ограниченной видимости. Предложенные методы могут быть масшта-
  бированы на широкий спектр задач в аддитивном производстве и робототехнике, что делает их
  перспективными для внедрения в промышленные процессы.

• ИСПОЛЬЗОВАНИЕ СИСТЕМЫ КАМЕР КРУГОВОГО ОБЗОРА ДЛЯ ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ДВИЖЕНИЯ МОБИЛЬНОГО РОБОТА

  И.С. Фомин , А. А. Базельцев

  2026-04-29

  Аннотация ▼

  Рассматривается проблема обеспечения безопасности движения мобильной робототехнической платформы в окружении с известными классами объектов на основе результатов обнаружения объектов по системе камер кругового обзора. Хорошо известны решения по обеспечению безопасности по камерам с использованием оптических потоков или иных способов выделения подвижных объектов в поле зрения. Здесь предлагается использовать для обеспечения безопасности положение и форму объектов, рассчитанные по результатам работы нейросетевого детектора. Система кругового обзора (СКО) состоит из 4 камер с широким углом зрения. Рассмотрены несколько подходов к подаче объектов в нейросетевой детектор. Показаны различия по качеству и быстродействию для этих подходов, сформированы методические рекомендации по использованию. Для расчета положений объектов в системе координат камер и через положения камер - в СК робота – предложены 2 решения на основе калибровки камер и некоторых допущений. В первом случае положение робота на поверхности принимается за горизонтальное, а высота камеры над поверхностью – постоянной и известной, а во втором – предварительно известным принимается один метрический размер объекта для каждого класса. Предложенное решение развернуто и протестировано на вычислителе на базе Rockchip 3588 и показывает высокие результаты по количеству обнаружений (от 8 до 19 объектов в среднем на кадр в зависимости от настроек), и быстродействию (0,29 с для 8 объектов на кадр и около 1,05 с для результата в 19 объектов на кадр). С точки зрения точности определения дистанции до объектов, то для первого способа стандартное отклонение составило от 4,2 до 7,9 мм, для второго - от 3,8 до 7,6 мм. Устойчивость оценки размеров объектов для первого способа от 0,64 до 2,02 мм, для второго от 1,63 до 2,22 мм соответственно. Полученные результаты позволяют уверенно утверждать, что предложенный алгоритм обнаружения объектов применим для обеспечения безопасности и навигации мобильного робота с использованием камер системы кругового обзора

• ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СИСТЕМАХ ОБРАБОТКИ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ

  О.Б. Лебедев , Р.И. Черкасов

  254-276

  2025-11-10

  Аннотация ▼

  Рассмотрено применение технологий искусственного интеллекта, в частности компьютерного зрения в системах обработки визуальной информации. Проведен комплексный анализ нейросетевых подходов к решению задач компьютерного зрения, включая систематизацию ключевых типов задач: классификацию изображений, детектирование объектов и семантическую сегментацию. Детально исследованы архитектурные принципы сверточных нейронных сетей с акцентом на механизмы извлечения пространственных признаков через сверточные слои, оптимизацию представления данных посредством операций пулинга и преобразование признаков в полносвязных слоях. Особое внимание уделено эволюции методов обнаружения объектов, где задача выбора модели рассмотрена как расширение классификации за счет интеграции регрессии пространственных координат, а также проведена оценка эффективности детекторов на основе метрик IoU, Precision, Recall и F1-score, демонстрирующих фундаментальный компромисс между точностью локализации и скоростью обработки. В качестве оптимального решения для систем реального времени представлен алгоритм YOLOv7, архитектура которого основана на разбиении входного изображения на сетку S×S ячеек с прямым предсказанием параметров ограничивающих рамок (координаты центра, ширина, высота) и вероятностей классов для каждой ячейки, а также использовании специализированных слоёв (SPP, PANet) для мультимасштабной агрегации признаков. Структура нейронной сети подтверждает эффективность используемого подхода, обеспечивающего высокое быстродействие без критического снижения точности в стратегически важных приложениях видеонаблюдения, автономных систем и дополненной реальности. Проведено сравнительное исследование одноэтапных и двухэтапных детекторов с оценкой их производительности по ключевым метрикам. Особое внимание уделено практическим аспектам применения технологий компьютерного зрения в реальных системах обработки визуальной информации

• РЕАЛИЗАЦИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ВСТРАИВАЕМЫХ УСТРОЙСТВАХ С ОГРАНИЧЕННЫМ ВЫЧИСЛИТЕЛЬНЫМ РЕСУРСОМ

  В. В. Ковалев , Н.Е. Сергеев

  2022-01-31

  Аннотация ▼

  Большие объемы видеоданных, фиксируемые сенсорными датчиками в различных спек-
  тральных диапазонах, существенные размеры архитектур сверточных нейронных сетей
  создают проблемы с реализацией нейросетевых алгоритмов на периферийных устройствах
  из-за значительных ограничений вычислительных ресурсов на встраиваемых вычислительных
  устройствах. В статье рассмотрено применение алгоритмов автоматического поиска и
  распознавания образов на основе методов машинного обучения, реализованных на встраивае-
  мых устройствах с вычислительным ресурсом Graphics Processing Unit. В качестве алгорит-
  ма поиска и распознавания образов используются детекционные сверточные нейронные сети
  «You Only Look Once V3» и «You Only Look Once V3-Tiny», которые реализованы на встраи-
  ваемых вычислительных устройствах линейки NVIDIA Jetson, находящиеся в разном ценовом
  диапазоне и с различным вычислительным ресурсом. Также в работе экспериментальным
  путем вычислены оценки алгоритмов на встраиваемых устройствах по таким показателям,
  как потребляемая мощность, время прямого прохода сверточнной нейронной сети и точ-
  ность обнаружения. На основе решений реализованных, как на аппаратном уровне, так и на
  программном, представляющихся компанией NVIDIA становится возможным применение
  глубоких нейросетевых алгоритмов на основе операции свертка в режиме реального времени.
  Рассмотрены методы оптимизации вычислений, предлагаемые компанией NVIDIA. Произве-
  дены экспериментальное исследования влияния вычислений с пониженной точностью на ско-
  рость работы и точность обнаружения объектов на изображениях, исследуемых архитек-
  тур сверточных нейронных сетей, которые были предварительно обучены на выборке изо-
  бражений состоящей из датасетов PASCAL VOC 2007 и PASCAL VOC 2012

• АЛГОРИТМ КОМПЛЕКСИРОВАНИЯ НЕСКОЛЬКИХ ИСТОЧНИКОВ ДАННЫХ В ОБЩУЮ КАРТУ ЗАНЯТОСТИ

  И. О. Шепель

  2021-08-11

  Аннотация ▼

  В работе рассматривается проблема построения модели проходимости окружаю-
  щего пространства в среде с большим количеством динамических объектов по данным от
  нескольких различных сенсоров. Целью работы является качественное улучшение алгорит-
  ма построения карты занятости путем добавления способа обработки данных как от
  существующих алгоритмов детектирования движущихся препятствий, так и от автомо-
  бильного радара миллиметрового диапазона. В исследовании решается задача объединения
  данных о статичном окружении и о динамических объектах в одну общую модель прохо-
  димости для дальнейшего планирования траектории движения. Представленная в статье
  модификация алгоритма способна комплексировать данные как карт занятости, постро-
  енных по трехмерному облаку точек от любого датчика, так и данные, представленные в
  виде массива трехмерных объектов с известными координатами, размерами и ориентаци-
  ей. Комплексирование данных происходит на уровне построения карт занятости и не на-
  кладывает дополнительных требований на источник информации о динамических препят-
  ствиях. Алгоритм способен уточнять данные о позиции и размерах динамического объекта
  скоростью от радара, что позволяет планировать траекторию с учетом движения дина-
  мических объектов. Одновременное использование классического подхода к построению
  карт позволяет обнаруживать препятствия в случае ошибки алгоритма обнаружения
  динамических препятствий. Разработанный алгоритм работает в реальном масштабе
  времени на модуле Jetson AGX Xavier, и протестирован в реальных условиях на мобильной
  робототехнической платформе в автономном режиме. Сформулированы перспективные
  направления дальнейших исследований по улучшению представленного подхода.

• ОБНАРУЖЕНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА КАРТЕ ЗАНЯТОСТИ С НАКОПЛЕНИЕМ НА ОСНОВЕ ФИЛЬТРА ЧАСТИЦ

  И.О. Шепель

  2022-08-09

  Аннотация ▼

  Рассматривается проблема обнаружения динамических препятствий на карте за-
  нятости, полученной по данным системы технического зрения мобильной робототехниче-
  ской платформы. Целью работы является качественное улучшение алгоритма обнаруже-
  ния препятствий с помощью добавления фильтра частиц для выделения движущихся объ-
  ектов по данным карты. В исследовании решается задача корректного накопления данных
  в карте занятости и уменьшения задержки обновления информации в ячейках карты, по
  которым двигаются динамические объекты. Представленная в статье модификация
  фильтра частиц способна корректно работать с динамическими препятствиями в широ-
  ком диапазоне скоростей, устойчива к выбросам, вызванным в результате случайной гене-
  рации начальной скорости частиц, и предназначена для работы в реальных условиях в сре-
  де с большим количеством движущихся препятствий и в реальном масштабе времени.
  Разработана эвристика, которая уменьшает количество неправильных классификаций вокклюдированных зонах. Показано, что алгоритм обнаружения динамических объектов в карте занятости инвариантен к типу сенсоров, используемых в системе технического
  зрения, а также описана реализация, объединенная с накапливаемой картой препятствий.
  Алгоритм реализован и протестирован на борту автономной робототехнической плат-
  формы и на открытом наборе данных. В статье приведено сравнение с другими подходами
  к обнаружению динамических препятствий, а также рассчитаны метрики быстродейст-
  вия для всех анализируемых методов для вычислителей на базе GPU Nvidia RTX 3070 и GPU
  встроенного вычислителя Jetson AGX Xavier. Сформулированы перспективные направления
  дальнейших исследований по улучшению представленного подхода.