DOI: 10.17586/2226-1494-2020-20-3-371-376


УДК004.42

ИССЛЕДОВАНИЕ СИСТЕМЫ НАВИГАЦИИ ДЛЯ МОБИЛЬНЫХ РОБОТОВ НА ОСНОВЕ ОДНОВРЕМЕННОЙ ЛОКАЛИЗАЦИИ И ПОСТРОЕНИЯ КАРТЫ



Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Осман Валаа, Громов В.С. Исследование системы навигации для мобильных роботов на основе одновременной локализации и построения карты // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 3. С. 371–376. doi: 10.17586/2226-1494-2020-20-3-371-376


Аннотация
Предмет исследования. Рассмотрена задача навигации для мобильных роботов на основе метода одновремен- ной локализации и построения карты. Камера INTEL Realsense Depth использована для получения данных от окружающей среды. Методы. Использован метод Real-Time Appearance-Based Mapping для построения облака точек. Спроецировано изображение на плоскость для получения двухмерной карты стоимости. Применен алго- ритм D* для планирования глобального пути к желаемой цели, а подход с динамическим окном использован в качестве локального планировщика. Основные результаты. Представлены методы построения: облака точек изображения, полученного от камеры INTEL Realsense Depth, и пути от местоположения робота до желаемой цели. Практическая значимость. Предлагаемый подход является быстрым и надежным, может быть использо- ван для внутренней навигации (заводы, компании и т. д.), и позволяет проводить вычисления с использованием центрального процессора без необходимости использования графического процессора.

Ключевые слова: навигация, планирование пути, RTAB-Map, SLAM, алгоритм D*

Список литературы
  1. Meyer J.-A., Filliat D. Map-based navigation in Mobile robots: II. A review of map-learning and path-planning strategies // Cognitive Systems Research. 2003. V. 4. N 4. P. 283–317. doi: 10.1016/S1389-0417(03)00007-X
  2. Güzel M. Autonomous vehicle navigation using vision and mapless strategies: A survey // Advances in Mechanical Engineering. 2013. P. 234747. doi: 10.1155/2013/234747
  3. Aulinas J., Petillot Y., Salvi J., Lladó X. The SLAM problem: a survey // Frontiers in Artificial Intelligence and Applications. 2008. V. 184. P. 363–371. doi: 10.3233/978-1-58603-925-7-363
  4. Labbé M., Michaud F. RTAB-Map as an open-source lidar and visual simultaneous localization and mapping library for large-scale and long-term online operation // Journal of Field Robotics. 2019. V. 36. N 2. P. 416–466. doi: 10.1002/rob.21831
  5. Mur-Artal R., Tardós J.D. ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras // IEEE Transactions on Robotics. 2017. V. 33. N 5. P. 1255–1262. doi: 10.1109/TRO.2017.2705103
  6. Victerpaul P., Saravanan D., Janakiraman S., Pradeep J. Path planning of autonomous mobile robots: A survey and comparison // Journal of Advanced Research in Dynamical and Control Systems. 2017. V. 9. N 12(spec.issue). P. 1535–1565.
  7. Liu X., Gong D. A comparative study of a-star algorithms for search and rescue in perfect maze // Proc. of the International Conference on Electric Information and Control Engineering (ICEICE 2011). 2011. P. 24–27. doi: 10.1109/ICEICE.2011.5777723
  8. Stentz A. The D* algorithm for real-time planning of optimal traverses: Technical Report, Carnegie Mellon University, Pittsburgh, PA, 1994. CMU-RI-TR-94-37.
  9. Fox D., Burgard W., Thrun S. The dynamic window approach to collision avoidance // IEEE Robotics and Automation Magazine. 1997. V. 4. N 1. P. 23–33. doi: 10.1109/100.580977
  10. Taketomi T., Uchiyama H., Ikeda S. Visual SLAM algorithms: A survey from 2010 to 2016 // IPSJ Transactions on Computer Vision and Applications. 2017. V. 9. P. 16. doi: 10.1186/s41074-017-0027-2
  11. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: An efficient alternative to SIFT or SURF // Proc. of the IEEE International Conference on Computer Vision (ICCV 2011). 2011. P. 2564–2571. doi: 10.1109/ICCV.2011.6126544
  12. Hast A., Sablina V.A., Kylberg G., Sintorn I.-M. A simple and efficient feature descriptor for fast matching // Full Papers Proc. 23rd International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision (WSCG). University of West Bohemia, Plzen, Czech Republic. 2015. P. 135–142.
  13. Yuvaraju M., Sheela K., Sobana R. Feature extraction of real-time image using sift algorithm // International Journal of Research in Electrical and Electronics Engineering. 2015. V. 3. N 4. P. 1–7.
  14. Labbé M., Michaud F. Online global loop closure detection for large-scale multi-session graph-based SLAM // Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2014). 2014. P. 2661–2666. doi: 10.1109/IROS.2014.6942926


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2020 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика