Использование текстуры линейных объектов для построения модели внешней среды и навигации

Рассмотрены актуальные задачи 3D-реконструкции модели индустриально-городской среды и навигации, решаемые путем выделения и идентификации в процессе движения текстурированных линейных объектов по данным бортовой комплексированной системы технического зрения, состоящей из взаимно-юстированных 3D-лазерного сенсора и видеокамеры с общей зоной обзора. Для полного решения навигационной задачи (определения трех линейных и трех угловых координат объекта управления) необходимо в процессе движения в последовательности облаков точек, формируемых 3D-лазерным сенсором, выделять и идентифицировать не менее трех взаимно не параллельных плоских объектов. В случае выделения менее трех плоских объектов (например, в средах, подвергшихся разрушениям) навигационная задача решается не полностью (определяются однозначно не все координаты, а некоторые координаты связываются линейной или нелинейной зависимостями). В этих случаях предлагается дополнительно использовать формируемую видеокамерой текстуру выделяемых плоских объектов. В статье приведен анализ особенностей решения навигационной задачи в зависимости от числа выделяемых и идентифицируемых текстурированных линейных объектов в текущих комплексированных дальнометрических изображениях. Предложены алгоритмы решения навигационной задачи при выделении и идентификации в процессе движения одного текстурированного линейного объекта и двух текстурированных не параллельных друг другу линейных объектов. Показано, что в первом случае использование текстуры позволяет свести решение навигационной задачи к трехмерной, а во втором случае — к одномерной задаче оптимизации (поиску глобального оптимума функционала соответственно от трех и одной переменной). Предложенные алгоритмы обработки комплексированных изображений обеспечивают полное решение навигационной задачи даже при выделении менее трех линейных объектов, что существенно повышает достоверность решения навигационной задачи и построения модели внешней среды даже в индустриально-городских средах, подвергшихся разрушению, и, следовательно, надежность функционирования и живучесть наземных и воздушных робототехнических средств в автономных режимах движения. Приведены результаты работы соответствующих программно-аппаратных средств в реальных индустриально-городских средах, подтверждающие корректность и эффективность предлагаемых алгоритмов.

1. Лапшов В. С., Носков В. П. и др. Бой в городе. Боевые и обеспечивающие роботы в условиях урбанизированной территории // Известия ЮФУ. Технические науки № 3, 2011. С. 142—146.

2. Smith R., Self M., Cheeseman P. Estimating uncertain spatial relationships in robotics // Autonomous robot vehicles. — Springer, New York, NY, 1990. С. 167—193.

3. Leonard J. J., Durrant-Whyte H. F. Simultaneous map building and localization for an autonomous mobile robot //Proceedings IROS’91: IEEE/RSJ International Workshop on Intelligent Robots and Systems’ 91. — IEEE, 1991. — С. 1442—1447.

4. Каляев А. В., Носков В. П., Чернухин Ю. В., Каляев И. А. Однородные управляющие структуры адаптивных роботов. М.: Наука, 1990. 147 с.

5. Лакота Н. А., Носков В. П., Рубцов И. В., Лундгрен Я.-О., Моор Ф. Опыт использования элементов искусственного интеллекта в системе управления цехового транспортного робота // Мехатроника. 2000. № 4. С. 44—47.

6. Носков В. П., Рубцов И. В. Опыт решения задачи автономного управления движением мобильных роботов // Мехатроника, автоматизация, управление. 2005. № 12. С. 21—24.5.

7. Носков В. П., Носков А. В. Навигация мобильных роботов по дальнометрическим изображениям // Мехатроника, автоматизация, управление. 2005. № 12. С. 16—21.

8. Загоруйко С. Н., Казьмин В. Н., Носков В. П. Навигация БПЛА и 3D-реконструкция внешней среды по данным бортовой СТЗ // Мехатроника, автоматизация, управление. 2014. № 8. С. 62—68.

9. Haehnel A. S. D., Thrun S. Generalized ICP // Proc. of Robotics: Science and Systems (RSS). — 2009.

10. Mitra N. J. et al. Registration of point cloud data from a geometric optimization perspective // Proceedings of the 2004 Eurographics/ACM SIGGR APH symposium on Geometry processing. — ACM, 2004. С. 22—31.

11. Казьмин В. Н., Носков В. П. Выделение геометрических и семантических объектов в дальнометрических изображениях для навигации роботов и реконструкции внешней среды // Известия ЮФУ. Технические науки". 2015. № 10 (171) (Тематический сборник "Проблемы управления и робототехники"). С. 71—83.

12. Носков В. П., Киселев И. О. Трехмерный вариант метода Хафа в реконструкции внешней среды и навигации // Мехатроника, автоматизация, управление. 2018. № 8. С. 552—560.

13. Носков В. П., Киселев И. О. Выделение плоских объектов в линейно структурированных 3D-изображениях // Робототехника и техническая кибернетика. 2018. № 2(19). С. 31—38.

14. Носков А. В., Рубцов И. В., Романов А. Ю. Формирование объединенной модели внешней среды на основе информации видеокамеры и дальномера // Мехатроника, автоматизация, управление. 2007. № 8. C. 2—5.

15. Bylow E., Sturm, Jürgen & Kerl, Christian & Kahl, Fredrik & Cremers, Daniel. Real-Time Camera Tracking and 3D Reconstruction Using Signed Distance Functions // Robotics: Science and Systems, 2013.