Метод коррекции оценки положения мобильного робота с использованием визуальной локации естественных ориентиров

Представлен подход к использованию визуальной локации известных ориентиров для повышения точности навигации мобильного робота (МР). Подход основывается на анализе изображений от одной или нескольких телевизионных камер МР и применении нелинейной фильтрации для коррекции навигационной оценки по визуальной локации. Ключевыми достоинствами является возможность коррекции положения и ориентации МР по любому числу ориентиров (начиная с одного), а также возможность использования произвольного числа камер. Проведенные экспериментальные исследования показали, что метод позволяет достичь погрешностей по смещению в плоскости дороги порядка 10 см и менее 1° по углу ориентации МР в пределах всей траектории.

мобильный робот, автономное транспортное средство, визуальная навигация, визуальная локация, техническое зрение, фильтр Калмана, комплексирование, оптимальная фильтрация, mobile robot, unmanned ground vehicle, visual navigation, visual location, computer vision, Kalman filter, sensor fusion

1. Черноножкин В. А., Половко С. А. Система локальной навигации для наземных мобильных роботов // Научно-технический вестник информационных технологий, механики и оптики. 2008. № 57. С. 13-22.

2. Тюкин А. Л., Лебедев И. М., Приоров А. Л. Анализ телевизионного изображения для работы системы позиционирования мобильного робота в помещении по маякам с цветовой кодировкой // Тезисы научно-технической конференции "Техническое зрение в системах управления - 2015". 2015. С. 77-78.

3. Raul Mur-Artal, J. M. M. Montiel and Juan D. Tardos. ORB-SLAM: A Versatile and Accurate Monocular SLAM System // IEEE Transactions on Robotics. 2015. Vol. 31, N. 5. P. 1147-1163.

4. Девятериков Е. А., Михайлов Б. Б. Использование данных визуального одометра для автономного возвращения моизображений визуальных ориентиров от сверхширокоугольной бильного робота в среде без фиксированных точек отсчета // Экстремальная робототехника. 2015. № 1. С. 351-361.

5. Korsakov A., Fomin I., Gromoshinsky D., Bakhshiev A., Stepanov D., Smirnova E. Determination of an Unmanned Mobile Object Orientation by Natural Landmarks // Supplementary Proceedings of the Fifth International Conference on Analysis of Images, Social Networks and Texts. Yekaterinburg, Russia. 2015. Vol. 1710. P. 91-101.

6. Viola P., Jones M. J. Robust Real-Time Face Detection // International Journal of Computer Vision. 2004. Vol. 57. P. 137-154.

7. Kalal Z., Mikolajczyk K., Matas J. Tracking-learning-detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2012. Vol. 34. P. 1409-1422.

8. Shengcai Liao, Xiangxin Zhu, Zhen Lei, Lun Zhang, Stan Z. Li. Learning Multiscale Block Local Binary Patterns for Face Recognition // International conference on Advances in Biometrics. 2007. P. 828-837.

9. Freund Y., Schapire R. E. A Short Introduction to Boosting // International joint conference on Artificial intelligence. 1999. Vol. 2. P. 1401-1406.

10. Girshick R. Fast R-CNN // The IEEE International Conference on Computer Vision (ICCV). 2015. P. 1440-1448.

11. Fomin I., Gromoshinskii D., Stepanov D. Visual features detection based on deep neural network in autonomous driving tasks // 26 международная конференция "GraphiCon2016". Нижний Новгород, 2016. С. 430-434.

12. Suliman C., Cruceru C., Moldoveanu F. Mobile robot position estimation using the Kalman filter // Scientific Bulletin of the "Petru Maior" University of Targu Mures. 2009. Vol. 6. P. 75.

13. Julier S. J., Uhlmann J. K. Unscented filtering and nonlinear estimation // Proceedings of the IEEE. 2004. Vol. 92, N. 3. P. 401-422.

14. Васильев И. А., Смирнова Е. Ю., Степанов Д. Н. Комплекс интеллектуальной навигации амфибийного спасательного средства // Робототехника и техническая кибернетика. 2015. № 2 (7). С. 30-33.

15. Stepanov D., Bakhshiev A., Gromoshinskii D., Kirpan N., Gundelakh F. Determination of the Relative Position of Space Vehicles by Detection and Tracking of Natural Visual Features with the Existing TV-Cameras" // Analysis of Images, Social Networks and Texts. Springer International Publishing. 2015. Vol. 542. P. 431-442.

16. Степанов Д. Н., Кирпань Н. А., Половко С. А. Алгоритм определения взаимного положения подводных аппаратов с использованием телевизионной системы и специальных световых маркеров // Интеллектуальные системы, управление и мехатроника - 2016. Матер. Всеросс. науч.-техн. конф. молодых ученых, аспирантов и студентов. 2016. С. 427-431.