Метод динамически перестраиваемых меток (ДПМ) визуальной одометрии

Мартынов О.В., Карпенков А.С., Антошина Е.А.

Описывается разработанный метод динамически перестраиваемых меток. Рассматривается возможность использования этого метода для навигации автономной мобильной робототехнической системы

1.Введение

Потребность в решении задачи навигации автономной мобильной робототехнической системы (МРС) в последнее время получила особую актуальность из-за мощного развития робототехники. С этой задачей тесно связаны задачи построения локальной карты, осуществления автоматизированного движения МРС по заданному маршруту и многие другие. Существует достаточно много различных путей решения этих задач [1,2]. Одно из перспективных направлений решения основано на техническом зрении, в котором используется видеопоток данных, полученных с видеокамеры [3]. Наиболее эффективными из методов, основанных на техническом зрении представляются методы визуальной одометрии [4-6], в которых по видеопотоку данных получаются угловые и путевые характеристика объектов видеоизображения. Эти методы имеют ряд существенных преимуществ перед другими методами, в частности возможность автоматизированного использования, относительную простоту и дешевизну реализации и т.д. Однако, при использовании обычных методов визуальной одометрии возникают существенные сложности. Это в первую очередь низкая точность и надёжность получения выходных характеристик. Для решения этой проблемы предлагается следующий метод.

2. Метод динамически перестраиваемых меток

Основная идея данного метода состоит в определении координат мобильного объекта на основе значений расстояний и углов динамически выделенных и зафиксированных участков изображения – меток. При этом в ходе движения проводиться динамическое выделение и фиксация новых меток, появляющихся в поле зрения камеры. Процесс получения координат объекта выполняется в два этапа:

1. Объект находиться в точке с известными координатами. Проводиться выделение и фиксация меток в поле зрения объектива, с получение углов и расстояний до меток. Объект передвигается в новую точку с известными координатами, где повторяется процедура определения углов и расстояний до зафиксированных меток и т.д. По полученному набору углов и расстояний методом прямой засечки [7,8] проводиться расчёт координат всех зафиксированных меток.

2. Объект начинает движение в область с неизвестными координатами, так что бы основная часть фиксированных меток оставалась в поле зрения объектива. Через малое, фиксированное время проводиться определение углов и расстояний до меток от текущего положения объекта. Методом обратной засечки [7,8] проводиться пересчёт координат объекта в данной точке. Одновременно проводиться выделение и фиксация новых меток попавших в поле зрения объектива. При накоплении требуемого набора углов и расстояний, прямой засечкой определяются координаты новых зафиксированных меток. Процесс продолжается по ходу движения до конечного пункта маршрута.

Таким образом, для получения координат методом ДПМ необходимо решить следующие задачи:

1. Разработать оптимальную методику распознавания образов, позволяющую осуществить выделение и фиксацию объектов. Наиболее перспективным представляется метод, основанный на определении границ видимых объектов в изображении.

2. Разработать методику определения угловых величин между направлением главной оптической оси объектива и направлением на метку. Часто такая задача сопровождается потребностью определения расстояния от объектива до метки, что осуществляется путём комплексного использования дальномера.

3. Разработать аппаратный ускоритель вычислений. Данный ускоритель предназначен преимущественно для реализации вычислений с массовым параллелизмом, ориентированных на типовые алгоритмы обработки изображений. В данном случае можно говорить о реализации вычислителей с количеством вычислительных узлов от десятков до тысяч.

3. Заключение

Существующие методы навигации и построения локальной карты автономными мобильными робототехническими системами имеют существенные недостатки, ограничивающие их применение. В первую очередь это касается таких важных параметров как точность, надежность и быстродействие.

Предлагаемый метод оптимален по указанным параметрам. Точность и надёжность определения координат обеспечивается многократным превышением необходимого числа опорных пунктов, что осуществляется выделением и фиксацией большого числа меток (около 20) и малым интервалом времени проведения пересчёта. Кроме того, предполагается альтернативная оценка надёжности получения координат, используя данные по определению расстояния между опорными пунктами на основе механического датчика скорости.

Быстродействия осуществляется применением специализированного вычислителя, ориентированного на обработку визуальных данных, а также специальных программ по выделению и фиксации меток, и осуществлению движения по маршруту.

Ещё одним существенным достоинством описанного нами метода является использование данных с обычных видеокамер и лазерных дальномеров. Это позволяет удешевить конструкцию, реализующую данную методику, по сравнению, например, с системами, построенными на базе лидаров [9].

Теоретическое исследование настоящей работы выполнено при частичной финансовой поддержке базовой частью государственного задания № 2014/67 Минобрнауки России.

Список литературы

1. Анучин О.Н., Емельянцев Г.И. Интегрированные системы ориентации и навигации для морских подвижных объектов – СПб., 1999. – 357 с. ISBN 5-90780-22-8.

2. Ориентация и навигация подвижных объектов: современные информационные технологии / Под ред. Б.С. Алёшина, К.К. Bepeмеенко, А.И. Черноморского – М.: ФИЗМАТЛИТ, 2006. – 424 с.

3. Миронов С.В., Юдин А.В. Система технического зрения в задачах навигации мобильных объектов // Программные продукты и системы. 2011. № 1. С. 10-16.

4. Rafu B. Rusu, Semantic 3D Object Maps for Everyday Manipulation in Human Living Environments, Artificial Intelligence (KI-Kuenstliche intelligenz),2010

5. Martin A. Fischler, Robert C. Bolles. Random Sample Consensus: A Paradigm for model fitting with applications to image analisys and automated cartography. Comm. Of the ACM 24:381-395. DOI:10.1145/358669.358692,June 1981

6. S.Ahrens, D. Levine, G.Andrews, J.P. How. Vision-based guidance and control of a hovering vehicle in unknown, GPS-denied environments. In IEEE Int. Conf. Robotics and Automation, pages 2643-2648, May 2009.

7. Клюшин Е.Б., Киселев М.И., Михелев Д.Ш., Фельдман В.Д. Инженерная геодезия: Учебник для вузов / Под ред. Михелева Д.Ш. — 4-е изд., испр. — М.: Издательский центр «Академия», 2004. — 480 с. ISBN: 5-7695-1524-4

8. О.О. Барабанов, Л.П. Барабанова Математические задачи дальномерной навигации М. Физматлит 2007г. 272с.

9. Ryan W. Wolcott, Ryan M. Eustice Visual localization within LIDAR maps for automated urban driving. IROS, 2014. 176-183p