Диссертация (1090939), страница 2
Текст из файла (страница 2)
Разработан алгоритм предобработки карты глубины для повышенияточности позиционирования объемной камеры.3. Разработан алгоритм адаптивного вычисления порога эффективногоразмера выборки фильтра частиц.4. Исследованылокальныхсовременныеособенностейметодыдетектированияизображенийсточкииописаниязренияихприменимости в системе прикладного объемного телевидения, а такжеметоды решения задачи одновременной локализации и картированияна основе расширенного фильтра Калмана и фильтра частиц.Практическая значимость1. Предложен и реализован на языке высокого уровня алгоритмодновременной локализации и картирования на основе цифровойобработки телевизионных изображений с использованием системыприкладного объемного телевидения.2.
Полученыподходоврезультатыиисследованияособенностейприменимостиреализациизадачиразличныходновременнойлокализации и картирования в системе прикладного объемноготелевидения.3. Предложен алгоритм предобработки дальнометрических данных,минимизирующий влияние дефектов карты глубины, что позволяетуменьшить ошибку локализации камеры.74. Предложен алгоритм адаптивного задания порога обновления выборкифильтра частиц, позволяющий при различных условиях улучшитьэффективность работы фильтра с точки зрения вычислительнойсложности, а также повысить точность оценки положения камеры.Результаты работы внедрены в разработки ООО «Энерготех»,ООО «A-Вижн», г.
Ярославль, в учебный процесс ЯрГУ им. П.Г. Демидова врамках дисциплин «Цифровые телевизионные системы» и «Цифроваяобработка изображений», а также в научно-исследовательские работы врамкахгрантаРФФИ№15-08-99639-а.Всерезультатывнедренияподтверждены соответствующими актами. Получены 2 свидетельства огосударственной регистрации программ для ЭВМ.Достоверность полученных научных результатов обеспечиваетсякорректнымиспользованиемматематическогоаппаратаиэкспериментальными данными, подтверждающими теоретические выкладкии результаты схожих российских и зарубежных исследований.Апробация работы.
Результаты работы докладывались и обсуждалисьна следующих научно-технических конференциях: 5-яи6-яВсероссийскаянаучно-техническаяконференция«Техническое зрение в системах управления», Москва, 2014–2016; 15th, 16th, 17th and 18th Conference of Open Innovation AssociationFRUCT, Finland, Russia, 2014–2015; 6-яМеждународнаянаучно-техническаяконференциянаучно–техническаяконференция«Распознавание», Курск, 2013; 10-ямеждународная«Перспективные технологии в средствах передачи информации»,Владимир, 2013; 14-яи15-яВсероссийскаянаучно-практическаяконференция«Проблемы развития и применения средств ПВО на современном8этапе.
Средства ПВО России и других стран мира, сравнительныйанализ», Ярославль, 2014–2015; 15-я, 16-я и 18-я Международная конференция «Цифровая обработкасигналов и ее применение», Москва, 2013–2016.Публикации. По теме диссертации опубликовано 18 научных работ, изних 3 статьи в журналах, рекомендованных ВАК РФ, 4 работыпроиндексированы в SCOPUS, 11 докладов на научных конференциях. Порезультатамработыполученосвидетельства2огосударственнойрегистрации программы для ЭВМ.Структура и объем работы.
Диссертация состоит из введения, трехглав, заключения, списка литературы, содержащего 100 наименований. Онаизложена на 148 страницах машинописного текста, содержит 64 рисунка и 10таблиц.Основные научные положения и результаты, выносимые назащиту1. Алгоритм одновременной локализации и картирования на основецифровой обработки телевизионных изображений для применения всистемах прикладного объемного телевидения.2.
Алгоритм предобработки карты глубины на основе медианнойфильтрацииимодифицированногоалгоритмаинтерполяции,позволяющий на 9% уменьшить ошибку локализации камеры припроизвольном движении.3. Алгоритмадаптивноговычисленияпороговогозначениядляобновления выборки фильтра частиц, позволяющий увеличить общуюпроизводительность системы и уменьшить ошибку локализациикамеры на 24% в сравнении с жестким заданием порогового значения.4. Рекомендации по применению различных подходов и особенностейреализации задачи одновременной локализации и картирования всистеме прикладного объемного телевидения.9Личный вклад автора. Выносимые на защиту положения предложеныи реализованы автором самостоятельно в ходе выполнения научноисследовательских работ на кафедре динамики электронных системЯрославского государственного университета им.
П.Г. Демидова.Благодарности. Автор выражает глубокую признательность своемунаучному руководителю – д.т.н., доценту А.Л. Приорову, а также д.т.н.,профессору Ю.А. Брюханову за помощь на всех этапах выполнениядиссертационной работы. Отдельная благодарность преподавателям ЯрГУим. П.Г. Демидова Н.И.
Фомичеву, Л.Н. Казакову, В.А. Тимофееву,К.С. Артёмову,работыкоторыхоказализначительноевлияниенаформирование взглядов автора в данном научном направлении. Эти взглядытакже формировались в совместной работе с коллегами по лаборатории«Цифровые цепи и сигналы» кафедры динамики электронных систем ЯрГУим.П.Г.Демидова,средикоторыхособеннохочетсяотметитьЮ. Лукашевича, А. Топникова, В. Волохова, А. Носкова, В. Кирноса,А. Тюкина, И. Лебедева, И.
Трапезникова, Е. Давыденко, Ю. Айвазяна.Отдельная благодарность своей семье за постоянную поддержку во времяобучения в аспирантуре и подготовке данной диссертации.10ГЛАВА 1. АЛГОРИТМИЧЕСКАЯ ОСНОВА СИСТЕМОДНОВРЕМЕННОЙ ЛОКАЛИЗАЦИИ И КАРТИРОВАНИЯНА ОСНОВЕ АНАЛИЗА ВИДЕОСИГНАЛА1.1.Вводные замечанияСовременный этап развития различных областей технического зренияотмечается значительным интересом к разработке методов одновременнойлокализации и картирования, известных в зарубежных литературныхисточниках как SLAM алгоритмы (от англ. simultaneous localization andmapping-одновременнаялокализацияикартирование).Объектомприменения данных алгоритмов в большинстве случаев является мобильнаяроботизированная платформа, оснащенная набором сенсоров, тип которыхопределяется рамками поставленной задачи – точностью оценки траекториии построения карты, условиями освещенности и геометрией пространства.Это могут быть лазерные дальномеры, цифровые камеры видимого илиинфракрасного диапазона, сонары и т.
д. Несмотря на то, что свойствавычисляемой карты всецело зависят от характеристик применяемых сенсорови условий окружающего пространства, чаще всего задача сводится к поискуособыхобластейпространства,такназываемыхориентиров,характеризующихся устойчивой идентификацией в пределах потока данных,поступающих с сенсоров [37, 48, 23].Особенную популярность в последние годы приобрели решения,основыванные на применении цифровых камер в качестве основныхсенсоров.
Главной причиной этого является быстрый рост вычислительныхвозможностей и снижение стоимости устройств цифровой обработкиизображений. Растет количество алгоритмов, практическое применениекоторых переходит в область реального времени, ослабевают ограничения,накладываемые на разрешения исходных изображений. Хотя использованиеизображений высокого разрешения все еще сопряжено с определенными11сложностями, низкая стоимость камер в сравнении с другими сенсорами,традиционно применяющимися в задачах SLAM, позволяет им найтиширокую область применения.В данной главе рассматриваются современные результаты работ вобласти алгоритмов одновременного построения карты пространства илокализации мобильных роботов, а также сопутствующих исследований.Приводятся преимущества и недостатки отдельных подходов, области ихприменимости в зависимости от конфигурации цифровой телевизионнойкамеры и внешних условий.
Рассматриваются методы детектирования идескрипторыестественныхособыхточекориентироввизображений,задачевыступающиходновременнойвкачествелокализацииикартирования. Приводится описание системы прикладного объемноготелевидения и математической модели объемной камеры.1.2.Подходы к решению задачи одновременной локализации икартированияЗапоследнеедесятилетиеобластьпримененияалгоритмоводновременной локализации и построения карты колоссально выросла.Наиболее частым доводом в пользу данных методов является необходимостьлокальной автонмной навигации мобильных роботов при отсутствиивозможности использования систем глобального позиционирования, а такжев случаях, когда требуется большая точность, чем могут предоставитьспутниковые решения.В общем виде задачей локализации в рамках рассматриваемогоалгоритмического комплекса является оценка текущего положения камеры впространстве, в зависимости от истории наблюдений, доступных измеренийи управляющих команд, а также модели наблюдений окружающегопространства.
Результатом работы всего комплекса алгоритмов является каккарта окружающего пространства, так и полная или частичная траекториядвижения в пределах полученной карты. Местоположение робота, как12правило, рассматривается в системе локальных координат, связанных сисходным положением, так как априорной информации о начальныхкоординатах нет. Требования к построенной карте диктуются возможностьюпоследующего использования ее для локализации. Без этого вычислениеместоположения и построение карты будут осуществляться независимо, чтоприведет к непрерывному росту погрешности [23]. На рисунке 1.1 приведенпример работы алгоритма, на котором изображены две траектории – реальнаятраектория движения камеры и траектория, вычисленная с помощью SLAMалгоритма.Рис.
1.1. Пример работы алгоритма одновременной локализации ипостроения карты пространстваКак можно увидеть, погрешность при этом накапливается с каждымпоследующим шагом. В данном случае построенной картой являетсядвумерная карта ориентиров. Если подходить к робототехнической задаче13одновременной локализации и построения карты пространства глобально, томожно обозначить три парадигмы в подходах к решению данной проблемы: Решения на основе расширенного фильтра Калмана; Решения на основе фильтра частиц; Решения на основе задачи оптимизации графа.Как правило, выбор той или иной парадигмы диктуется особенностямитехнической реализации робота, внешними условиями, а также требованиямик производительности программного комплекса. Для решения задачиодновременнойлокализацииикартированиянаосновеанализателевизионных изображений наиболее часто используются первые дваподхода.
Решения на основе оптимизации графов более характерны длясистем, оснашенных лазерными датчиками и функционирующих внутрипомещений в небольшом пространстве [98, 88]. При этом ориентирамивыступаютболеевысокоуровневыеобъекты,нежелиособыеточкиизображний. В качестве ориентиров могут использоваться плоскости (стены)и углы помещений.
Число ориентиров при этом значительно меньше, чем вслучае использования естественных локальных особенностей изображений.Это вызвано в первую очередь тем, что трудоемкость задачи оптимизациипостроенного графа зависит от размера окружающего пространства и длиныпутидвижениякамеры.Поэтомурешениянаосновеграфовнерассматриваются в даннной работе, так как наиболее характерны для систем,оснащенных лазерными датчиками не предназначенных для работы в режимереального времени.1.2.1. Решения на основе расширенного фильтра КалманаАлгоритмы данной группы используют вероятностный подход крешению проблемы на основе определенной формы байесовских фильтров.Главная идея этого направления состоит в получении начальной, априорнойоценки положения, которая основана на модели наблюдений, накопленной14динамики измерений, а также наборе методов, используемых для вычисленияуточненной, апостериорной оценки после непосредственных измерений.Расширенный фильтр КалманаОсновным инструментом рассматриваемого пути решения задачилокализации является та или иная реализация широкого класса фильтровКалмана.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
