Для авторов
Найти
Результаты поиска
Найдено результатов: 5.
-
МЕТОДИКА ИДЕНТИФИКАЦИИ ОБЪЕКТА ДЛЯ ИНТЕГРАЦИИ С РОБОТИЗИРОВАННЫМИ СИСТЕМАМИ
Н.М. Чернышов , И. К. Романова-Большакова2025-04-27Аннотация ▼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. -
ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ В СИСТЕМАХ ОБРАБОТКИ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ
О.Б. Лебедев , Р.И. Черкасов254-2762025-11-10Аннотация ▼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
-
ОБНАРУЖЕНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА КАРТЕ ЗАНЯТОСТИ С НАКОПЛЕНИЕМ НА ОСНОВЕ ФИЛЬТРА ЧАСТИЦ
И.О. Шепель2022-08-09Аннотация ▼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. -
РЕАЛИЗАЦИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ВСТРАИВАЕМЫХ УСТРОЙСТВАХ С ОГРАНИЧЕННЫМ ВЫЧИСЛИТЕЛЬНЫМ РЕСУРСОМ
В. В. Ковалев , Н.Е. Сергеев2022-01-31Аннотация ▼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. Шепель2021-08-11Аннотация ▼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.
1 - 5 из 5 результатов
