Дослідження методів і технологій визначення положення мобільного об'єкта в просторі

Автор(и)

  • Olga Nechyporenko Черкаський державний технологічний університет, бул. Шевченка, 460, м. Черкаси, Україна, 18006, Україна https://orcid.org/0000-0002-3954-3796
  • Yaroslav Korpan Черкаський державний технологічний університет, бул. Шевченка, 460, м. Черкаси, Україна, 18006, Україна https://orcid.org/0000-0002-1455-5977

DOI:

https://doi.org/10.15587/2312-8372.2018.147861

Ключові слова:

алгоритми методу SLAM, визначення положення, мобільний об'єкт, технічний зір

Анотація

Об'єктом дослідження є процес відстеження положення мобільного об'єкта в просторі. Одним з найбільш слабких місць в системах відстеження положення мобільного об'єкта в просторі є проблема усунення неоднозначності визначення ключових точок при скануванні навколишнього середовища. Ця проблема особливо важлива при одночасному застосуванні декількох методів (або технологій) відстеження положення. З'являється потреба в додатковому калібруванні та налагодженні.

У ході дослідження використовувалися результати аналізу методів і технологій автоматичного визначення положення і орієнтації тривимірних об'єктів з використанням систем технічного зору. Аналіз розглянутих популярних систем і методів вимірювання просторового положення об'єктів, а також алгоритмів та технологій навігації мобільного робота, показав, що кожна з розглянутих систем має свої переваги і недоліки. Кожна з них використовується в залежності від поставлених перед даною системою цілей.

Проведено порівняльний аналіз основних різновидів алгоритмів методу SLAM. Перспективи даного методу – використання методів штучного інтелекту та розширеного фільтра Калмана – покращують швидкість SLAM-методу. Підтвердженням цьому – величезна кількість відкритих проектів по створенню даного типу навігації в рамках різноманітних конкурсів:

  • VSLAM – реалізація методу SLAM на основі методів комп'ютерного зору;
  • RGBDSLAM – пакет для реєстрації хмари точок з RGBD датчиків, таких як Kinect або стерео-камери;
  • hector_mapping – SLAM для платформ без одометра – тільки на основі даних від LIDAR та ін.

Оскільки більшість сучасних технологій все частіше використовують стандартизовані формати сигналів Wi-Fi, Bluetooth, GPS, можна стверджувати, що застосування і аналіз інформації з великої кількості датчиків дозволить збільшити точність визначення координат об'єкта в кілька разів. Створення необхідного інформаційного поля навігації і маршрутизації дозволить картографувати і локалізуватися мобільному об'єкту на місцевості з великою точністю.

Біографії авторів

Olga Nechyporenko, Черкаський державний технологічний університет, бул. Шевченка, 460, м. Черкаси, Україна, 18006

Кандидат технічних наук, доцент

Кафедра робототехніки та спеціалізованих комп'ютерних технологій

Yaroslav Korpan, Черкаський державний технологічний університет, бул. Шевченка, 460, м. Черкаси, Україна, 18006

Кандидат технічних наук, доцент

Кафедра робототехніки та спеціалізованих комп'ютерних технологій

Посилання

  1. Potapov, A. (2014). Sistemy komp'yuternogo zreniya: sovremennye zadachi i metody. Control Engineering, 1 (49), 20–26.
  2. Newcombe, R. A., Lovegrove, S. J., Davison, A. J. (2011). DTAM: Dense tracking and mapping in real-time. IEEE International Conferenceon Computer Vision (ICCV). Barcelona, 2320–2327. doi: http://doi.org/10.1109/iccv.2011.6126513
  3. Engel, J., Schöps, T., Cremers, D. (2014). LSD-SLAM: Large-Scale Direct Monocular SLAM. Lecture Notes in Computer Science. Cham, 834–849. doi: http://doi.org/10.1007/978-3-319-10605-2_54
  4. Mur-Artal, R., Montiel, J. M. M., Tardos, J. D. (2015). ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, 31 (5), 1147–1163. doi: http://doi.org/10.1109/tro.2015.2463671
  5. Werner, C., Werner, S., Schöne, R., Götz, S., Aßmann, U. (2018). Self-adaptive Synchronous Localization and Mapping using Runtime Feature Models. Proceedings of the 7th International Conference on Data Science, Technology and Applications, 1, 409–418. doi: http://doi.org/10.5220/0006945504090418
  6. Nechyporenko, O. V., Korpan, Ya. V. (2016). Biometrychna identyfikatsiia i avtentyfikatsiia osoby za heometriieiu oblychchia. Visnyk Khmelnytskoho natsionalnoho universytetu, 4, 133–138.
  7. Nechyporenko, O., Korpan, Y. (2017). Analysis of methods and technologies of human face recognition. Technology Audit and Production Reserves, 5 (2 (37)), 4–10. doi: http://doi.org/10.15587/2312-8372.2017.110868
  8. Miroshnichenko, N. (2018). Mirovoy rynok AR dostignet ob"ema v 198 milliardov dollarov k 2025 godu. BIS Research. Novosti VR industrii. Available at: https://vrgeek.ru/mirovoj-rynok-ar-dostignet-obema-v-198-milliardov-dollarov-k-2025-godu/2018
  9. Santos, F. M., Silva, V. F., Almeida, L. M. (2002). A robust self-localization system for a small mobile autonomous robot. International Symphosium on Robotics and Automation, 1–6. Available at: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.134.2502
  10. Antoni, D., Ban, Z., Zagar, M. (2001). Demining Robots – Requirements and Constraints. Automatika, 42 (3-4), 189–197.
  11. Melo, L. F. de, Rosário, J. M., Junior, A. F. da S. (2013). Mobile Robot Indoor Autonomous Navigation with Position Estimation Using RF Signal Triangulation. Positioning, 4 (1), 20–35. doi: http://doi.org/10.4236/pos.2013.41004
  12. Zakharov, A. A., Tuzhilkin, A. Yu., Vedenin, A. S. (2014). Algoritm opredeleniya polozheniya i orientatsii trekhmernykh obektov po videoizobrazheniyam na osnove veroyatnostnogo podkhoda. Fundamentalnye issledovaniya, 11-8, 1683–1687.
  13. Menache, A. (2011). Understanding motion capture for computer animation. The Morgan Kaufmann Series In Computer Graphics, 254.
  14. Tobon, R. (2010). The Mocap Book: A Practical Guide to the Art of Motion Capture. Forisforce, 258.
  15. Nguyen, V., Harati, A., Siegwart, R. (2007). Lightweight SLAM algorithm using orthogonal planes for indoor mobile robotics. Intelligent Robots and Systems, 658–663. doi: http://doi.org/10.1109/iros.2007.4399512
  16. Yuldashev, M. N. (2015). Ul'trazvukovye sistemy dlya opredeleniya prostranstvennogo polozheniya podvizhnogo obekta. Naukoemkie tekhnologii i intellektual'nye sistemy 2015. Moscow: MGTU im. N. E. Baumana, 465–472.
  17. Nechyporenko, O. V., Korpan, Y. V., Nechyporenko, O. V., Khomchenko, O. S. (2018). Methods and technologies of monitoring of the position of a mobile object in space. Kompiuterne modeliuvannia ta optymizatsiia skladnykh system (KMOSS-2018). Dnipro: Balans-klub, 193–195.
  18. Aulinas, J. (2008). The SLAM Problem: A Survey. Proceedings of the 2008 Conference on Artificial Intelligence Research & Development, 363–71. Available at: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.163.6439

##submission.downloads##

Опубліковано

2018-05-31

Як цитувати

Nechyporenko, O., & Korpan, Y. (2018). Дослідження методів і технологій визначення положення мобільного об’єкта в просторі. Technology Audit and Production Reserves, 6(2(44), 4–10. https://doi.org/10.15587/2312-8372.2018.147861

Номер

Том 6 № 2(44) (2018): Інформаційно-керуючі системи

Розділ

Інформаційні технології: Оригінальне дослідження

Ліцензія

Авторське право (c) 2018 Olga Nechyporenko, Yaroslav Korpan

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.