автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Разработка и исследование бионических алгоритмов построения информационной модели среды в задаче локальной навигации автономных мобильных роботов

На правах рукописи

Доленко Юрий Сергеевич

РАЗРАБОТКА И ИССЛЕДОВАНИЕ БИОНИЧЕСКИХ АЛГОРИТМОВ ПОСТРОЕНИЯ ИНФОРМАЦИОННОЙ МОДЕЛИ СРЕДЫ В ЗАДАЧЕ ЛОКАЛЬНОЙ НАВИГАЦИИ АВТОНОМНЫХ МОБИЛЬНЫХ РОБОТОВ

05.13.17 — Теоретические основы информатики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

13 ФЕВ 2014

Таганрог —2013

005545184

Работа выполнена в Федеральном государственном автонокшом образователь-„ом учреждении высшего профессионального образования «Южный федеральный университет» (ЮФУ) на кафедре «Вычислительной техники».

Научный руководитель - доктор технических наук, профессор Чериухин Юрий Викторович

Официальные оппоненты: доктор технических наук, профессор.

ведущий научный сотрудник Научно-исследовательского испытательного центра бронетанковой техники 3 Центрального научно-исследовательского института

Минобороны России Усков Анатолий Федорович

кандидат технических наук, заместитель директора по перспективным исследованиям Научно-исследовательского института системных исследований РАН Малофеев Юрий Георгиевич

Ведущая организация - Федеральное государственное унитарное

предприятие «Научно-исследовательскии и экспериментальный институт автомобильной электроники и электрооборудования», г. Москва

,-« Левоаля 2014 г. в 14:20 на заседании диссертационного

Защита состоится <<?К» февраля ¿шч и »--Тяган.

совета Д 212.208.21 Южного федерального университета по адресу. 347928, г. 1аган рог, пер. Некрасовский, 44, ауд. Д-406.

' С диссертацией можно ознакомиться в Зональной научной библиотеке Южного федерального университета по адресу: 344000. г. Ростов-на-Дону, ул. Пушкинская,

148.

Автореферат разослан 2014 г.

Ученый секретарь

диссертационного совета .¿^У Божешок А.В.

доктор технических наук ;/. )'- '

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время мобильная робототехника востребована практически во всех отраслях деятельности человека, начиная от культурно-массовых предприятий и медицинских учреждений, заканчивая исследовательскими и военными проектами. Особенно остро стоит проблема применения автономных мобильных роботов (AMP) в условиях повышенной опасности и агрессивности внешней среды. Примерами таких условий могут быть возникающие в результате техногенных катастроф зоны химического или радиационного поражения, мониторинг и патрулирование труднодоступных мест, например, нефтепровод, пролегающий по шельфу морского дна, совместная работа AMP с людьми в условиях производственных помещений или складов с токсичными, взрывоопасными и радиоактивными материалами и т.п. Во всех этих случаях необходима автономная навигация мобильного робота в естественной, априори неформализованной динамически изменяющейся внешней среде.

Автономная навигация мобильных роботов подразумевает решение задач построения информационной модели внешней среды на основе данных, полученных от сенсоров, и планирования с помощью неё траектории движения AMP. Различным аспектам решения указанных задач посвящены работы как отечественных (Ю.В. Черну-хин, В.Х. Пшихопов, И.А. Каляев, Е.И. Юревич, В.П. Носков, И. В. Рубцов и др.), так и зарубежных (S.Thrun, R.Glasius, A.Komoda, SimonX. Yang, M. Ollis, K.Konolige, M.Otte) ученых. Несмотря на то, что разработаны достаточно эффективные алгоритмы автоматического планирования траектории движения AMP, методы их использования для организации адаптивного управления AMP, и требования к представлению внешней среды, широкому практическому применению данных методов препятствуют ограничения существующей алгоритмической базы оперативного построения адекватных и полных информационных моделей сред функционирования AMP. Адекватность и полнота информационной модели среды, прежде всего, необходима при локальной навигации AMP в условиях с повышенными требованиями к безопасности, а именно в производственных или складских помещениях с объемными препятствиями и работающими там людьми.

Известно, что задача обработки и интерпретации дистантных данных для построения метрических карт проходимости среды связана с времяемкими и вычислительно затратными операциями преобразования результатов измерений из системы координат сенсора в декартовую систему координат, что влечет за собой необходимость учета различных погрешностей, а также необходимость разрешения'противоречивых данных, полученных в условиях динамически изменяющейся внешней среды. В свою очередь перспективные методы представления внешней среды, в которых информационная модель среды строится непосредственно в системе координат массива сенсорных данных, позволяют избежать ошибок и погрешностей при проециро-

вании данных между различными системами координат. Однако известные алгоритмы построения таких информационных моделей в условиях с объемными препятствиями не удовлетворяют критерию адекватности, что ведет к погрешностям при автоматическом синтезе траектории движения AMP. В то же время, результаты исследований в области обработки информации биологических зрительных систем, представленные в ииде моделей клеток сетчатки и зрительной коры, позволяют интерпретировать и обрабатывать сенсорные данные в базисе, обладающем рядом преимуществ по сравнению с традиционными методами: параллельная природа вычислений, пространственная конфигурация параметров моделей и эффективное кодирование результирующих данных. В связи с этим возникает проблема разработки бионических алгоритмов, обеспечивающих построение адекватных и полных информационных моделей сред функционирования AMP в реальном масштабе времени.

Несмотря на актуальность отмеченной проблемы, исследования в области информационных моделей среды направлены на оптимизацию вычислительных затрат и увеличение размера охватываемой области восприятия внешней среды, что. однако, не позволяет качественным образом повлиять на оперативность построения и адекватность информационной модели. В связи с этим представляет интерес информационная модель проходимости внешней среды, используемая в бионическом нейросете-вом методе планирования, который был разработан в Таганрогском радиотехническом институте на кафедре вычислительной техники профессором Ю.В. Чернухиным. Информационная модель в данном методе однозначно определяет степень проходимости участков внешней среды, а существующие алгоритмы реализации критерия безопасности позволяют на её основе синтезировать траекторию движения AMP для условий повышенных требований к безопасности. Благодаря высокой производительности и относительной простоте аппаратной реализации нейросетевого планировщика траектории движения AMP, применение данного метода является перспективным. Задача разработки алгоритмов, обеспечивающих построение адекватной и полной информационной модели внешней среды для данного метода, и как следствие, позволяющих осуществлять планирование безопасных траекторий при локальной навигации AMP в сложной среде с объемными препятствиями, является весьма актуальной.

Целью диссертационной работы является разработка и исследование алгоритмов обработки, интерпретации и комплексирования сенсорных данных, алгоритмов построения информационной модели среды для решения задачи локальной навигации AMP с нейросетевым планировщиком траектории движения в реальном масштабе времени в условиях помещений с объемными препятствиями при повышенных требованиях к безопасности при перемещении. Примерами таких сред могут быть складские или производственные помещения, с работающими людьми.

Для достижения данной цели в диссертационном исследовании была поставлена задача разработки и исследования следующих бионических алгоритмов:

1. Алгоритм выделения объемных препятствий по дистантным данным с возможностью фильтрации препятствий с размером меньше заданного.

2. Алгоритм формирования конфигурируемых по размеру и протяженности убывающих полей задержек вокруг выделенных препятствий с размером больше заданного.

3. Алгоритм построения информационной модели априори неформализованной динамически изменяющейся внешней среды с объемными препятствиями для нейросетевого планировщика, обеспечивающего планирование траектории движения AMP на максимально безопасном расстоянии от препятствий.

4. Алгоритм комплексирования данных от нескольких сенсоров, один из которых используется для определения местоположение объектов препятствий, а другой для определения местоположения целевого объекта, позволяющее производить отображение целевого объекта в информационную модель среды с учетом полей зрения используемых сенсоров.

5. Создать программно-аппаратный комплекс для верификации разработанных алгоритмов и провести на нем натурные эксперименты на полигонах с объемными препятствиями.

Методы исследования: теоретические с использованием нейронных сетей, дискретных вычислительных систем, цифровой обработки изображений, элементов теории алгоритмов, и экспериментальные на основе специально разработанного программно-аппаратного комплекса.

Достоверность результатов диссертационного исследования подтверждается корректным математическим обоснованием предложенных бионических алгоритмов, результатами их программного моделирования и натурных экспериментов.

Научная новизна заключается в разработке:

1) алгоритма выделения объемных препятствий по дистантным данным,_ отличающегося от известных тем, что он не требует преобразования результатов измерений в метрическое представление в декартовой системе координат, и обеспечивает возможность фильтрации препятствий с размерами меньше заданного за счет использования математической модели рецептивного поля ганглиозных On- / Off- клеток сетчатки;

2) алгоритма формирования убывающих полей задержек вокруг выделенных препятствий, отличающегося от известных тем, что он предоставляет возможность конфигурации протяженности, размеров и скорости убывания поля задержек, а также фильтрации препятствий с размерами меньше заданного, за счет использования математической модели рецептивного поля Off- клеток сетчатки;

3) алгоритма построения информационной модели среды для нейросетевого планировщика, отличающегося от известных, тем, что он позволяет обеспечивать движение между препятствиями на максимально безопасном удалении от них без перехода в метрическое представление в декартовой системе координат;

4) алгоритма комплексирования данных от нескольких сенсоров, отличающегося от известных тем, что он является инвариантным к способу определения целевого объекта в канале технического зрения, и позволяет производить его отображение в информационную модель среды с учетом полей зрения используемых сенсоров.

Полученные в ходе диссертационного исследования результаты соответствуют пунктам «Применение бионических принципов, методов и моделей в информационных технологиях» и «Исследование информационных структур, разработка и анализ моделей информационных процессов и структур» паспорта специальности 05.13.17 «Теоретические основы информатики».

Научные результаты, выносимые на защиту:

1. Алгоритм выделения объемных препятствий по дистантным данным.

2. Алгоритм формирования убывающих полей задержек вокруг выделенных препятствий.

3. Алгоритм построения информационной модели среды для нейросетевого планировщика движения AMP.

4. Алгоритм комплексирования данных от нескольких сенсоров при построении информационной модели среды для нейросетевого планировщика движения AMP.

Практическая значимость полученных результатов диссертационной работы заключается в том, что они ориентированы на использование при автоматизации задач безопасного перемещения автономных мобильных транспортных роботов с опасными грузами в условиях ограниченного пространства маневрирования, например в условиях производственных или складских помещений.

Практическое использование полученных результатов. Разработанный в процессе диссертационного исследования программный комплекс имеет свидетельство о государственной регистрации программы для ЭВМ, практические результаты также отражены в соответствующих актах о внедрении в НИР № 01201260083 проводимой на кафедре Вычислительной Техники Южного Федерального Университета, а также в НИР ОАО «Научно-конструкторское бюро вычислительных систем».

Апробация результатов работы. Основные научные результаты диссертационной работы докладывались и обсуждались на международных научных конференциях (XV Международной конференции по нейрокибернетике. 2010. XVI Международной конференции по нейрокибернетике, 2012), научно-технических конференциях («Техническое зрение в системах управления» 2012, 2013 Институт космических исследований РАН), всероссийских НТК с международным участием: «Компьютерные и информационные технологии в науке, инженерии и управлении» (КомТех 2012, КомТех 2013). всероссийской научной конференции (ИТСАУ 2011). Основные результаты диссертации опубликованы в 6 статьях, 2 из которых включены в перечень изданий, рекомендованных ВАК.

Структура и объём работы. Диссертация состоит из введения, трех глав, заключения. библиографического списка и двух приложений. Основное содержание

диссертации изложено на 115 страницах, содержит 73 рисунка и 6 таблиц. Список использованных источников включает 42 ссылки на научную библиографию по теме проводимых исследований в диссертационной работе.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, кратко изложены теоретические и практические результаты работы, представлена их научная новизна и практическая значимость, сформулированы основные положения, выносимые на защиту.

В первой главе сделан анализ методов и алгоритмов построения информационной модели внешней среды для решения задачи локальной навигации. В результате анализа сделан вывод о том, что алгоритмы определения препятствий по дистантным данным и перспективный метрический метод построения информационной модели внешней среды, позволяют формировать информационную модель динамически изменяющейся внешней среды, однако функционирование в режиме реального времени на данном этапе не является возможным. Рассмотренный альтернативный метод представления внешней среды, система координат в котором связана непосредственно с массивом дистантных данных, имеет ряд ограничений, к таковым относятся наличие априорных знаний о внешней среде (модель плоской подстилающей поверхности), а синтезированная траектория движения требует дополнительного анализа для обеспечения критерия безопасности, так как информационная модель среды неоднозначно определяет проходимость участков. Наряду с рассмотренными методами показано, что бионический нейросетевой метод планирования имеет преимущество в производительности (сложность О(Ы) при аппаратной реализации) и однозначно определяет степень проходимости участков внешней среды (см. рисунок 1).

Грамши) облает»

восприятии npcmtrcTiliie

Рряшшз области восприятии

Неироходмммй / учасгок

' Проходимый участок с деланным u _ко^>фнинс>1том_задержки z

Рисунок 1 - Схематичное представление информационной модели среды AMP с бионической нейросетевой системой управления

Существующие алгоритмы для бионического нейросетевого метода планирования позволяют перемещаться между препятствиями на максимально безопасном удалении от них (см. рисунок 2), за счет механизма убывающих полей задержек волны возбуждения в нейросети формально-логического типа, формируемых в процессе построения информационной модели среды.

Рисунок 2 - Траектория движения, обеспечивающая максимально безопасное перемещение AMP

На основании рассмотренных возможностей бионического нейросетевого метода планирования для решения задачи локальной навигации AMP сделан вывод о том, что его применение и использование его представления внешней среды является наиболее перспективным.

Для реализации указанных возможностей в среде с объемными препятствиями, были проведены исследования в области обработки, интерпретации и комплексиро-вания дистантных данных. Анализ нейрофизиологических работ посвященных обработке зрительной информации у млекопитающих позволил сформулировать основные направления исследования возможностей по использованию математических моделей ганглиозных On-/Off- клеток сетчатки, позволяющих определять локальные контрасты. а также окрестности вокруг локальных контрастов, для решения задач обработки дистантных данных и построения информационной модели среды.

Таким образом, в данной работе была поставлена задача провести исследования и разработать бионические алгоритмы обработки, интерпретации и комплексирова-ния сенсорных данных, для построения информационной модели внешней среды, с целью синтеза безопасной траектории движения AMP нейросетевым планировщиком при решении задачи локальной навигации в условиях априори неформализованной динамически изменяющейся среды с объемными препятствиями.

Вторая глава посвящена разработке бионических алгоритмов обработки, интерпретации и комплексирования дистантных данных с целью последующего построения информационной модели внешней среды для синтеза траектории движения AMP нейросетевым планировщиком. Показано, что алгоритмы являются инвариантными к типу используемых дистантных сенсоров, однако основным требованием является

представление дистантных данных в виде двумерного массива расстояний от сенсора до точки измерения, где соседним элементам массива соответствуют соседние точки измерений. В случае если используется стереокамера, то для разработанных алгоритмов нет необходимости преобразовывать карту диспарантности в массив дистантных данных.

Для проведения теоретических и экспериментальных исследований был проведен краткий обзор имеющихся дистантных сенсоров, в результате чего было показано, что в полигонных условиях закрытого типа (внутри помещений) оптимальным является сенсор ASUS Xtion PRO. Полученный в результате измерений двумерный массив дистантных данных (см. рисунок 3) для последующей обработки корректируется в соответствии с выражением 1:

,к _ fr,k_ni _ ('ty1, если Jty1 * 0 или It/ = 0 и /= О Х'У ~ 1 l JJ I l^n1, если Ity1 = 0 и * 0; Ы

где - значение пикселя с координатами х,уна k-ом шаге,1 <x<w, 1 <y<h, w,h -ширина и высота изображения соответственно, m = х± 1, п = у ± 1.

Предобработанные дистантные данные имеют высокую плотность измерений (см. рисунок 3) и в дальнейшем интерпретируются как изображение, каждый элемент которого соответствует расстоянию до точки измерения.

а) б)

Рисунок 3 - Визуализация дистантных данных (а), где в оттенках серого цвета представлены расстояния от сенсора до точек измерения во внешней среде (в инверсной форме, т.е. чем ближе, тем светлее), черным цветом обозначены участки, для которых расстояния неизвестны; визуализация дистантных данных после компенсирования ошибок измерений сенсором (б) В данной работе показано, что для выделения объемных препятствий, формирования убывающих полей задержек вокруг выделенных препятствий и последующего построения информационной модели среды необходимо использовать систему координат, связанную с массивом дистантных данных, что вычислительно более эффективно, чем преобразование результатов измерений в метрическую карту в декартовой системе координат. Результаты работы алгоритмов топологически соответствуют исходному массиву дистантных данных, что позволяет производить их комплексирова-ние без дополнительных затрат на преобразования систем координат.

В соответствии с представлением информационной модели внешней среды для нейросетевого планировщика производится классификация дискретных участков наблюдаемой сцены на препятствия и проходимые участки. Разработанный бионический алгоритм выделения объемных препятствий основывается на обнаружении границ препятствий в двумерном массиве дистантных данных, так как в данной интерпретации дистантных данных граница является локальным контрастом и определяется разницей в значениях расстояний соседних элементов массива дистантных данных, что соответствует смещению местоположения объектов в пространстве. Принцип выделения объемных препятствий по дистантным данным основан на механизме выделения локальных контрастов и окрестностей локальных контрастов Оп- \ 01Т- гангли-озных клеток сетчатки. Математическая модель информационной деятельности Оп- \ ОА-ганглиозных клеток сетчатки, аппроксимируется фильтром «Разница по Гауссу»:

^ = ^' ехр (- + - ■ ехр (- (М! + , (2)

где А|И А.2— амплитуды гауссиан. х„и уи—координаты центра, стХ| суХ2.о\|. сгУ2~ стандартное отклонение гауссиан для х, у.

В зависимости от выбранных стандартных отклонений сформируется модель рецептивного поля Оп- (см. рисунок 4) или Off- (см. рисунок 5) типа. Из рисунков видно. что область, соответствующая центральной зоне (возбуждающей) рецептивного поля, определяет размер выделяемого локального контраста, а кольцеобразная область соответствует периферийной зоне (вытормаживающей) рецептивного поля, относительно которой определяется локальный контраст.

■» -Г"-»

а) б)

Рисунок 4 —Графики функций «Разница по Гауссу», моделирующие рецептивные поля On- (а) и Off- (б) типа Таким образом, разработанный алгоритм выделения объемных препятствий в зависимости от заданного размера рецептивного поля позволяет выделять границы пре-

пятствий или препятствия целиком, фильтруя при этом препятствия с размером меньше заданного.

Выделенные в массиве дистантных данных препятствия соответствуют участкам нейросети формально-логического типа, блокирующим распространение волны возбуждения в нейросети. На рисунке 6 показано выделение в закрытом помещении, как объемных объектов, так и их стыков с подстилающей поверхностью, в том числе и стен.

а) б)

Рисунок б — Визуализация дистантных данных для сцены в помещении (а) (на заднем плане видны стыки стен) с объемными препятствиями; результат работы алгоритма выделения объемных препятствий и стыков препятствий с подстилающей поверхностью (б)

Моделирование и проведение экспериментальных исследований алгоритма выделения объемных препятствий показало, что программная реализация на языке С++ с использованием открытой библиотеки OpenCV на ЭВМ, оснащенной 4-х ядерным процессором AMD Phenom II N930 под управлением ОС Windows 7, позволяет обеспечивать работу в реальном масштабе времени (см. табл. 1). Таблица I - Время работы программной реализации алгоритма выделения объемных

препятствий по дистантным данным

Разрешение

160x120 (QQVGA) 320x240 (QVGA) 640x480 (VGA)

Размер ядра фильтра 7 0.82 ± 0.03 мс 2.64 ± 0.02 мс 10.76 ±0.04мс

15 1.44 ± 0.02 мс 5.61 ±0.03 мс 21.46 ±0.07мс

35 2.92 ± 0.04 мс 10.91 ±0.06 мс 47.12 ± 0.11мс

71 5.58 ± 0.04 мс 22.48 ± 0.05 мс 94.36 ±0.18мс

Решение проблемы формирования убывающих полей задержек вокруг выделенных объемных препятствий для обеспечения безопасного перемещения AMP между препятствиями в данной работе отражено в алгоритме, использующем математическую модель информационной деятельности ганглиозных Off- клеток сетчатки (см. рисунок 5). Поле представляет собой кольцеобразный убывающий градиент, значения элементов которого в дальнейшем используются в качестве коэффициентов задержки нейроэлементов при прохождении волны возбуждения в нейросети. Отличительной

особенностью алгоритма формирования данных полей является возможность фильтрации локальных контрастов, размер которых меньше размера центральной зоны рецептивного поля, соответствующей отрицательным значениям ядра фильтра «Разница по Гауссу». В работе показана возможность конфигурирования убывающих полей задержек за счет изменения пространственного положения и протяженности периферийной зоны рецептивного поля, соответствующей положительным значениям ядра фильтра (см. рисунок 7).

И %

ИНН

вив г ъ<

¥ .; % г'

а)

6)

Рисунок 7 - График функции «Разница по Гауссу», моделирующий протяженное рецептивное поле Off- типа, вид сбоку (а) и вид сверху (б) Формируемые поля задержек инварианты к форме препятствия, так как построение производится вокруг локального контраста заданного размера, а не препятствия в целом. На рисунке 8 представлен результат работы алгоритма формирования убыва--ющих полей задержек вокруг выделенных препятствий.

а) б)

Рисунок 8 — Визуализация дистантных данных (а), градиентные кольцеобразные убывающие поля задержек вокруг выделенных препятствий (б) Моделирование и проведение экспериментальных исследований алгоритма формирования убывающих полей задержек вокруг выделенных объемных препятствий на

указанной выше конфигурации ЭВМ показало, что программная реализация обеспечивает работу в реальном масштабе времени (см. табл. 2.).

Сформированные поля являются числовыми коэффициентами задержки распространения волны возбуждения при прохождении в нейросети формально-логического типа, что обеспечивает синтез безопасной траектории движения между выделенными объемными препятствиями.

Таблица 2 - Время работы программной реализации алгоритма формирования убы-

вающих полей задержек вокруг выделенных препятствий

Разрешение

160x120 (QQVGA) 320x240 (QVGA) 640x480 (VGA)

Размер ядра фильтра 7 0.42 ± 0.02 мс 1.34 ±0.03 мс 5.32 ± 0.07мс

15 0.71 ±0.03 мс 2.59 ± 0.04 мс 10.63 ±0.11 мс

35 1.47 ± 0.03 мс 5.57 ±0.06 мс 23.52 ±0.14мс

71 2.81 ±0.04 мс 11.26 ±0.09 мс 47.31 ±0.18мс

В работе показано что, результаты алгоритма выделения объемных препятствий по дистантным данным и алгоритма формирования убывающих полей задержек вокруг выделенных объемных препятствий имеют топологическое соответствие. На этом основании сформулирован алгоритм построения информационной модели внешней среды для нейросетевого планировщика траектории движения AMP. который включает в себя классификацию участков внешней среды на цели, препятствия и свободные участки, формирование убывающих полей задержек вокруг объемных препятствий, и комплексирование результатов выделения объемных препятствий и результатов формирования убывающих полей задержек вокруг выделенных препятствий. Алгоритм представлен в описательном виде и состоит из следующих шагов представленных ниже:

1. Выделение препятствий с помощью модели рецептивного поля On- типа сверткой двумерного массива дистантных данных фильтром «Разница по Гауссу»:

/с(х,у) = /(х,у)*СЯ1„2

где а1 < а2.

. г (Ну. если 1$у > в,

2. Пороговая обработка I : Kv = < ' ,г ' „ где в - заданное порого-

х,у (_ 0, если ¡1У < в;

вое значение, определяемое в процессе калибровки сенсорной подсистемы экспериментальным путем.

3. Выделение препятствий с помощью модели рецептивного поля Oil- типа сверткой двумерного массива дистантных данных фильтром «Разница по Гауссу»:

/Р(*,У) = КХ.У) *

где cjj > а2.

. _ fl£y, если I^y > в,

4. Пороговая обработка Г: I£v = < ' . " где в - заданное порого-

0, если ¡¡¡у < в;

вое значение, определяемое в процессе калибровки сенсорной подсистемы экспериментальным путем.

5. Формирование результирующего двумерного массива с выделенными препятствиями и стыками: 1°у = ¡¡у + 1ху

6. Формирование убывающих полей задержек с помощью модели рецептивного поля Off- типа сверткой двумерного массива выделенных препятствий фильтром «Разница по Гауссу»:

где а1 > сг2.

7. Нормализация !р: 1рху = (/£у - 1рт1п) ■ - CSTWL, ~ + С™, где 'min и ¡max ~ минимальное и максимальные значения коэффициентов задержки в массиве /р соответственно, ¡тм ~ новые минимальное и максимальное значения коэффициентов задержки.

р о (Ч£у> если ¡¡¿у > в,

8. Пороговая обработка Г : /¿v = ■ " где б - заданное порого-

0, если 1£у < б;

вое значение, определяемое в процессе калибровки сенсорной подсистемы экспериментальным путем.

9. Формирование информационной модели внешней среды М:

О, если > О,

| ¡¡у, если /£у > 0 и 1°у = О,

Mx'v 1 К, если 1рх,у =,0 и 1°у = 0,

1х.у ■

где М - информационная модель среды, представленная в виде двумерного массива; у - элемент информационной модели среды с координатами х.у: 1° - массив выделенных препятствий; 1Р — массив сформированных убывающих полей задержек вокруг препятствий; 1ху — элемент массива со значениями сформированных коэффициентов задержки прохождения волны возбуждения в нейросети формальнологического типа; /г - массив с целевыми участками; Т-значение соответствующее целевому участку; К - заданный числовой коэффициент задержки для свободных участков.

10. Конец

Результат работы алгоритма представлен на рисунке 9, где черным цветом обозначены участки-препятствия, темными эллиптическими убывающими градиентами представлены поля задержек (свободные участки с коэффициентами задержки волны

а) б)

Рисунок 9 - Визуализация дистантных данных (а), результат работы алгоритмы построения информационной модели среды (б) Временные характеристики программной реализации алгоритма с указанными выше параметрами ЭВМ и программными средствами приведены в таблице 3. Таблица 3 — Время работы программной реализации алгоритма построения информационной модели среды

Разрешение Время обработки (мс)

160x120 (QQVGA) 4.55 ±0.04

320x240 (QVGA) 17.04 ± 0.14

640x480 (VGA) 73.44 ± 1.27

В работе рассмотрена и решена проблема построения информационной модели среды, когда определение цели и препятствий осуществляются разными сенсорами. Схематичное представление информационной модели среды AMP с такой СТЗ показано на рисунке 10. Границы областей восприятия «Сенсора 1» и «Сенсора 2» не пересекаются, а их взаимное расположение, позволяет выразить результат поиска целевого объекта в угловом направлении относительно AMP (по результатам обработки данных от «Сенсора 2»), Угловое направление на цель определяется по результатам обработки данных от «Сенсора 2» и не зависит от способа идентификации целевого объекта (например, в случае использования в качестве «Сенсора 2» ТВ камеры возможно определение целевого объекта по цветовому признаку, форме и т.п.). Отображение полученного углового направления производится в дополнительную линейку формально-логических нейронов, соединенных с основной нейросетыо формальнологического типа, расположение которых соответствует дальней границе области восприятия «Сенсора 1». Построение информационной модели среды при этом производится в соответствии с выражением:

возбуждения в нейросети формально-логического типа), серым цветом свободные участки с коэффициентом равным 1, белым цветом участки-цели (в данном случае целью являлся цветной маркер).

Мх.у =

lp

х,у

О, если 1°у > О, если /Ду > О и 1°у = О, К, если 1рх,у = О и 1°у = О,

£>т = Т, т = - ■ Ь ± к-, V

где О - дополнительная линейка формально-логических нейронов (одномерный массив), От - элемент одномерного массива формально-логических нейронов, Т— значение, соответствующее целевому участку; а - угловое направление на цель, ср -область восприятия основного сенсора в угловом измерении, Ь — размер дополнительной линейки нейроэлементов, к -коэффициент, задающий количество нейроэлементов для отображения.

I рации» области Сенсоры виспрнйшя

i ]!;(!! П1Ы oG.MIC i 11 iUK'npmmiii

\

Цель

Ut>.l:tcrb восприятии

ccittnpu 2

. hi Hti. I lit! ttvu.mni с I |fut,;i

для области ностгрнятип сенсора 2

тг J1 *

1

-

|\

! i нфчрм.» u и ;ihm .!M MOIC.Ih ttG.I.U"I H

\ nOCirptlMI ItU L'L'IiCOp'4 I ! U'; K;r.t»ti \ час ни.

Проходимый yljcini;

i i 1-Я j)<t\U ШМ1.П! V'mCTOK

П|п>\а н!ля.[Н участок с шанньш

\____k'i kji'fmhe йе н i o\f _

Рисунок 10 - Схематичное представление алгоритма комплексирования сенсорных

данных

Представленные в работе результаты моделирования показали, что бионический способ обработки дистантных данных позволяет:

- производить выделение объемных препятствий без преобразования результатов измерений в метрическое представление в декартовой системе координат, при этом предоставляется возможность фильтрации препятствий с размерами менее заданного;

- формировать убывающие поля задержек вокруг выделенных препятствий, чтобы обеспечить синтез траектории движения AMP на максимально безопасном удалении от препятствий;

- строить е: реальном масштабе времени информационную модель априори неформализованной динамически изменяющей внешней среды в условиях полигона закрытого типа с объемными препятствиями как соизмеримыми с габаритами AMP, так

и превышающих их. для последующего планирования безопасной траектории движения AMP при решении задачи локальной навигации;

- комплексировать данные от нескольких сенсоров, в случае, когда определение целевого объекта и препятствий производится разными сенсорами.

В третьей главе изложены результаты натурных экспериментов по исследованию разработанных алгоритмов построения информационной модели внешней среды, которые представляют собой решение задачи локальной навигации AMP в средах различной степени сложности. Верификация разработанных алгоритмов производилась итерационным способом, с помощью последовательного усложнения внешней среды и сенсорной подсистемы. На каждом этапе натурных экспериментов была проведена проверка работоспособности как отдельных алгоритмов (поиск цели, выделение препятствий, построение убывающих полей задержек вокруг выделенных препятствий) так и системы управления в целом.

Одним из этапов проверки работоспособности разработанных алгоритмов является функционирование на полигоне, где препятствия и цели определяются по цветовому признаку (см. рисунок 11). Цель отслеживается во время движения посредством ТВ камеры, оснащенной телеобъективом, и расположенной на сервоприводе, препятствия определяются по изображениям с передних ТВ камер, оснащенных широкоугольными объективами. Дальнейшая верификация производилась на полигоне с объемными препятствиями, размеры которых варьировались от размера корпуса AMP, до размеров значительно превышающих его. Препятствия располагались таким образом, чтобы AMP всегда мог определить положение целевого объекта с помощью ТВ камеры, расположенной на поворотном устройстве.

Рисунок 11 - Слева представлен макет АМР, предназначенный для решения задачи локальной навигации на полигоне с цветными маркерами; справа представлены изображения с передних ТВ камер, ниже представлена информационная модель среды с визуализацией распространения волны возбуждения в нейросети формальнологического типа

Дистантный сенсор закреплен на мачте, что обеспечивает лучший обзор по сравнению с расположением непосредственно на корпусе AMP (см. рисунок 12). Такое расположение позволяет планировать траекторию движения между препятствиями соразмерными с корпусом AMP. Натурные эксперименты показали, что AMP успешно достигает целевого объекта, как при статическом расположении препятствий, так и при их перемещении во время движения.

Xtion PRO

i для определения местоположения препятствий) ТВ камера

(используется для исключения целевого объекта, попадающего в область видимости сенсора ASUS Xtion PRO, из категории препятствий)

ТВ камера на поворотном устройстве (используется для определения и отслеживания положения целевого объекта)

Рисунок 12 - Макет AMP, предназначенный для решения задачи локальной навигации в условиях с объемными препятствиями Экспериментальные исследования алгоритма выделения объемных препятствий показали, что он позволяет производить эффективную классификацию участков внешней среды на проходимые и непроходимые участку посредством определения локальных изменений в двумерном массиве дистантных данных. Алгоритм формирования убывающих полей задержек вокруг выделенных препятствий в ходе экспериментальных исследований показал, что гибкий механизм настройки протяженности и размера полей по осям координат позволяет учитывать собственные габариты AMP и устанавливать безопасную зону прохождения при перемещении AMP рядом с препятствиями. Таким образом, в результате проведенных экспериментов получено подтверждение основных теоретических положений, а программная реализация алгоритма построения информационной модели среды, базирующегося на алгоритме выделения препятствий и алгоритме формирования убывающих полей задержек, обеспечивает работу в режиме реального времени (-24 мс. для изображения 160x120 на процессоре с тактовой частотой 1 ГГц и инструкциями i486), формируя адекватную информационную модель внешней среды для нейросетевого планировщика, позволяющую синтезировать траекторию движения AMP на максимально безопасном расстоянии от препятствий.

ЗАКЛЮЧЕНИЕ

Основной научный результат диссертационной работы заключается в разработке

траектории движения AMP при решении задачи локальной навигации. В ходе раб

^"KSS препятствий по дистантны, данным без преОбразования результатов измерений в метрическое представление в декарто-воПистеме координат, с возможностью фильтрации препятствии с размером

2 "ЛГрГрования конфигурируемых по размеру и протяженности убывающих полей задержек вокруг выделенных препятствии с размером

3 ^"ГрТеиия информационной модели априори неформализованной 3' динамически изменяющейся среды с объемными прспятствиями ^я не^ ^

тевого планировщика, обеспечивающий планирование траектории движения AMP на максимально безопасном расстоянии от препятствии.

4 Алгоритм комплектования данных от нескольких сенсоров, ол " ™ оых используется для определения местоположение объектов препятствии, а Другой определения' местоположения целевого объекта, позволяющий производить отображение целевого объекта в информационную модель ере-

лы с учетом полей зрения используемых сенсоров. 5. ^.о-аппар1ый комплекс для верификации разработанных алго-

' 6 Свидетельство о" государственной регистрации программы для ЭВМ

' №2013618155 «Программный комплекс исследования поведения и«-ллекту-ального мобильного робота с биоинспирированнои системой технического

зиения для нейросетевой системы управления». Результаты теоретических и экспериментальных исследований, использованы научно-исследовательских работах, проводимых на кафедре вычислительнои т х к Южноп, Федерального Университета и ОАО «Научно-конструкторское бюро вычис

лительных систем».

Основные публикации по теме диссертации

Публикации в гаданиях, рекомендованных ВАК 1 Чернухин Ю В., Доленко Ю.С., Бутов П.А. Бионические подходы к обработке сенсорной информации в нейросетевых системах управления интеллектуальных мо-

бильных роботов // Известия Южного федерального университета. Технические пауки.-Таганрог: Изд-во ТТИ ЮФУ. 2012. -№ 5 (130).-С. 194-199.

2. Чернухин Ю.В., Доленко Ю.С., Бутов П.А. Нейросетевой подход к решению задачи локальной навигации интеллектуальными мобильными роботами в условиях, приближенных к реальной среде // Известия Южного федерального университета. Технические науки. - Таганрог: Изд-во ТТИ ЮФУ. 2013. - № 5 (143). - С. 80-84.

Публикации в других изданиях

3. Чернухин Ю.В., Бутов П.А., Доленко Ю.С. Бионический подход к построению гибридной системы технического зрения для интеллектуальных мобильных роботов // Информационные технологии, системный анализ и управление. Сборник трудов. — Таганрог: Изд-во ТТИ ЮФУ, 2011. - с. 20-23.

4. Чернухин Ю.В., Бутов П.А., Доленко Ю.С. Оптимизация нейросетевого подхода методом поля потенциалов в задаче навигации автономных интеллектуальных мобильных роботов // Материалы XVI Международной конференции по нейрокибер-нетике. - Ростон-на-Дону: Издательство ЮФУ, 2012. Т. 2. - С. 219-221.

5. Чернухин Ю.В., Бутов П.А., Доленко Ю.С. Биоинспирированная система технического зрения для автономных интеллектуальных мобильных роботов // Тезисы докладов научно-технической конференции «Техническое зрение в системах управления - 2012». - Москва: ИКИ РАН, 2012 - С. 24-26.

6. Чернухин Ю.В., Бутов П.А., Доленко Ю.С. Гетерогенная система технического зрения для нейросетевой системы управления автономного мобильного робота // Тезисы докладов научно-технической конференции «Техническое зрение в системах управления - 2013». - Москва: ИКИ РАН, 2013 - С.65-67.

В работах, написанных в соавторстве, личный вклад автора состоит в следующем: в [1,2] предложены,бионические алгоритмы обработки дистантных данных, формирования убывающих полей задержек волны возбуждения в нейросети формально-логического типа, комплексирования данных от нескольких сенсоров, а также построения информационной модели внешней среды, в [3,4,5,6] предложены варианты систем технического зрения AMP для решения задачи локальной навигации в условиях полигонов различной степени сложности.

Типография ЮФУ. Заказ №416. Тираж 100 экз.

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО

ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

04201456^ <

На правах рукописи

Доленко Юрий Сергеевич

РАЗРАБОТКА И ИССЛЕДОВАНИЕ БИОНИЧЕСКИХ АЛГОРИТМОВ ПОСТРОЕНИЯ ИНФОРМАЦИОННОЙ МОДЕЛИ СРЕДЫ В ЗАДАЧЕ ЛОКАЛЬНОЙ НАВИГАЦИИ АВТОНОМНЫХ МОБИЛЬНЫХ

РОБОТОВ

Специальность: 05.13.17 - теоретические основы информатики

Диссертация

на соискание ученой степени кандидата технических наук

Научный руководитель -д.т.н., проф. Чернухин Ю.В.

Таганрог-2013

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ...................................................................................................4

ГЛАВА 1. ПОДХОДЫ К ПОСТРОЕНИЮ ИНФОРМАЦИОННОЙ МОДЕЛИ СРЕДЫ ПРИ РЕШЕНИИ ЗАДАЧИ ЛОКАЛЬНОЙ НАВИГАЦИИ АВТОНОМНЫМИ МОБИЛЬНЫМИ РОБОТАМИ С НЕЙРОСЕТЕВОЙ СИСТЕМОЙ УПРАВЛЕНИЯ............................................10

1.1 Анализ известных алгоритмов построения информационной модели среды для решения задачи локальной навигации............................10

1.2. Особенности построения информационной модели среды для нейросетевой планировщика траектории движения AMP...........................29

1.3 Способы обработки зрительной информации в биологических системах зрения животных............................................................................35

1.4 Выводы..............................................................................................41

ГЛАВА 2. СИНТЕЗ БИОНИЧЕСКИХ АЛГОРИТМОВ ПОСТРОЕНИЯ ИНФОРМАЦИОННОЙ МОДЕЛИ СРЕДЫ ДЛЯ НЕЙРОСЕТЕВОГО ПЛАНИРОВЩИКА............................................................................................45

2.1 Обработка, интерпретация и представление дистантных данных для бионических алгоритмов.........................................................................45

2.2 Синтез и исследование алгоритма выделения объемных препятствий на базе математической модели информационной деятельности ганглиозных On- \ Off- клеток сетчатки.................................54

2.3 Оптимизация алгоритма выделения объемных препятствий на базе математической модели информационной деятельности ганглиозных On- \ Off- клеток сетчатки........................................................65

2.4 Синтез и исследование алгоритма формирования убывающих полей задержек вокруг выделенных объемных препятствий на базе математической модели информационной деятельности ганглиозных Off- клеток сетчатки.......................................................................................73

2.5 Синтез алгоритма построения информационной модели внешней среды для нейросетевого планировщика.......................................77

2.6 Синтез алгоритма комплексирования данных от нескольких сенсоров для построения информационной модели внешней среды..........80

2.7 Выводы..............................................................................................83

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ЛОКАЛЬНОЙ НАВИГАЦИИ АВТОНОМНЫМИ МОБИЛЬНЫМИ РОБОТАМИ................87

3.1 Разработка программно-аппаратного комплекса верификации алгоритмов......................................................................................................87

3.2 Экспериментальные исследования на программно-аппаратном комплексе разработанных алгоритмов в условиях полигонов различной степени сложности.........................................................................................93

3.3 Практическое использование разработанных алгоритмов...........102

3.4 Выводы............................................................................................104

ЗАКЛЮЧЕНИЕ........................................................................................107

БИБЛИОГРАФИЧЕСКИЙ СПИСОК......................................................111

ПРИЛОЖЕНИЕ А.....................................................................................116

ПРИЛОЖЕНИЕ Б.....................................................................................117

ВВЕДЕНИЕ

Актуальность проблемы. В настоящее время мобильная робототехника востребована практически во всех отраслях деятельности человека, начиная от культурно-массовых предприятий и медицинских учреждений, заканчивая исследовательскими и военными проектами. Особенно остро стоит проблема применения автономных мобильных роботов (AMP) в условиях повышенной опасности и агрессивности внешней среды. Примерами таких условий могут быть возникающие в результате техногенных катастроф зоны химического или радиационного поражения, мониторинг и патрулирование труднодоступных мест, например, нефтепровод, пролегающий по шельфу морского дна, совместная работа AMP с людьми в условиях производственных помещений или складов с токсичными, взрывоопасными и радиоактивными материалами и т.п. Во всех этих случаях необходима автономная навигация мобильного робота в естественной, априори неформализованной динамически изменяющейся внешней среде.

Автономная навигация мобильных роботов подразумевает решение задач построения информационной модели внешней среды на основе данных, полученных от сенсоров, и планирования с помощью неё траектории движения AMP. Различным аспектам решения указанных задач посвящены работы как отечественных (Ю.В. Чернухин, В.Х. Пшихопов, И.А. Каляев, Е.И. Юре-вич, В.П. Носков, И. В. Рубцов и др.), так и зарубежных (S.Thrun, R.Glasius, A.Komoda, SimonX. Yang, M. Ollis, K.Konolige, M.Otte) ученых. Несмотря на то, что разработаны достаточно эффективные алгоритмы автоматического планирования траектории движения AMP, методы их использования для организации адаптивного управления AMP, и требования к представлению внешней среды, широкому практическому применению данных методов препятствуют ограничения существующей алгоритмической базы оперативного построения адекватных и полных информационных моделей сред функционирования AMP. Адекватность и полнота информационной модели среды,

прежде всего, необходима при локальной навигации AMP в условиях с повышенными требованиями к безопасности, а именно в производственных или складских помещениях с объемными препятствиями и работающими там людьми.

Известно, что задача обработки и интерпретации дистантных данных для построения метрических карт проходимости среды связана с времяемки-ми и вычислительно затратными операциями преобразования результатов измерений из системы координат сенсора в декартовую систему координат, что влечет за собой необходимость учета различных погрешностей, а также необходимость разрешения противоречивых данных, полученных в условиях динамически изменяющейся внешней среды. В свою очередь перспективные методы представления внешней среды, в которых информационная модель среды строится непосредственно в системе координат массива сенсорных данных, позволяют избежать ошибок и погрешностей при проецировании данных между различными системами координат. Однако известные алгоритмы построения таких информационных моделей в условиях с объемными препятствиями не удовлетворяют критерию адекватности, что ведет к погрешностям при автоматическом синтезе траектории движения AMP. В то же время, результаты исследований в области обработки информации биологических зрительных систем, представленные в виде моделей клеток сетчатки и зрительной коры, позволяют интерпретировать и обрабатывать сенсорные данные в базисе, обладающем рядом преимуществ по сравнению с традиционными методами: параллельная природа вычислений, пространственная конфигурация параметров моделей и эффективное кодирование результирующих данных. В связи с этим возникает проблема разработки бионических алгоритмов, обеспечивающих построение адекватных и полных информационных моделей сред функционирования AMP в реальном масштабе времени.

Несмотря на актуальность отмеченной проблемы, исследования в области информационных моделей среды направлены на оптимизацию вычислительных затрат и увеличение размера охватываемой области восприятия

внешней среды, что, однако, не позволяет качественным образом повлиять на оперативность построения и адекватность информационной модели. В связи с этим представляет интерес информационная модель проходимости внешней среды, используемая в бионическом нейросетевом методе планирования, который был разработан в Таганрогском радиотехническом институте на кафедре вычислительной техники профессором Ю.В. Чернухиным. Информационная модель в данном методе однозначно определяет степень проходимости участков внешней среды, а существующие алгоритмы реализации критерия безопасности позволяют на её основе синтезировать траекторию движения AMP для условий повышенных требований к безопасности. Благодаря высокой производительности и относительной простоте аппаратной реализации нейросетевого планировщика траектории движения AMP, применение данного метода является перспективным. Задача разработки алгоритмов, обеспечивающих построение адекватной и полной информационной модели внешней среды для данного метода, и как следствие, позволяющих осуществлять планирование безопасных траекторий при локальной навигации AMP в сложной среде с объемными препятствиями, является весьма актуальной.

Целью диссертационной работы является разработка и исследование алгоритмов обработки, интерпретации и комплексирования сенсорных данных, алгоритмов построения информационной модели среды для решения задачи локальной навигации AMP с нейросетевым планировщиком траектории движения в реальном масштабе времени в условиях помещений с объемными препятствиями при повышенных требованиях к безопасности при перемещении. Примерами таких сред могут быть складские или производственные помещения, с работающими людьми.

Для достижения данной цели в диссертационном исследовании была поставлена задача разработки и исследования следующих бионических алгоритмов:

1. Алгоритм выделения объемных препятствий по дистантным данным с возможностью фильтрации препятствий с размером меньше заданного.

2. Алгоритм формирования конфигурируемых по размеру и протяженности убывающих полей задержек вокруг выделенных препятствий с размером больше заданного.

3. Алгоритм построения информационной модели априори неформализованной динамически изменяющейся внешней среды с объемными препятствиями для нейросетевого планировщика, обеспечивающего планирование траектории движения AMP на максимально безопасном расстоянии от препятствий.

4. Алгоритм комплексирования данных от нескольких сенсоров, один из которых используется для определения местоположение объектов препятствий, а другой для определения местоположения целевого объекта, позволяющее производить отображение целевого объекта в информационную модель среды с учетом полей зрения используемых сенсоров.

5. Создать программно-аппаратный комплекс для верификации разработанных алгоритмов и провести на нем натурные эксперименты на полигонах с объемными препятствиями.

Методы исследования: теоретические с использованием нейронных сетей, дискретных вычислительных систем, цифровой обработки изображений, элементов теории алгоритмов, и экспериментальные на основе специально разработанного программно-аппаратного комплекса.

Достоверность результатов диссертационного исследования подтверждается корректным математическим обоснованием предложенных бионических алгоритмов, результатами их программного моделирования и натурных экспериментов.

Научная новизна заключается в разработке:

1) алгоритма выделения объемных препятствий по дистантным данным, отличающегося от известных тем, что он не требует преобразования результатов измерений в метрическое представление в декартовой системе коорди-

нат, и обеспечивает возможность фильтрации препятствий с размерами меньше заданного за счет использования математической модели рецептивного поля ганглиозных On- / Off- клеток сетчатки;

2) алгоритма формирования убывающих полей задержек вокруг выделенных препятствий, отличающегося от известных тем, что он предоставляет возможность конфигурации протяженности, размеров и скорости убывания поля задержек, а также фильтрации препятствий с размерами меньше заданного, за счет использования математической модели рецептивного поля Off-клеток сетчатки;

3) алгоритма построения информационной модели среды для нейросете-вого планировщика, отличающегося от известных, тем, что он позволяет обеспечивать движение между препятствиями на максимально безопасном удалении от них без перехода в метрическое представление в декартовой системе координат;

4) алгоритма комплексирования данных от нескольких сенсоров, отличающегося от известных тем, что он является инвариантным к способу определения целевого объекта в канале технического зрения, и позволяет производить его отображение в информационную модель среды с учетом полей зрения используемых сенсоров.

Полученные в ходе диссертационного исследования результаты соответствуют пунктам «Применение бионических принципов, методов и моделей в информационных технологиях» и «Исследование информационных структур, разработка и анализ моделей информационных процессов и структур» паспорта специальности 05.13.17 «Теоретические основы информатики».

Научные результаты, выносимые на защиту:

1. Алгоритм выделения объемных препятствий по дистантным данным.

2. Алгоритм формирования убывающих полей задержек вокруг выделенных препятствий.

3. Алгоритм построения информационной модели среды для нейросете-вого планировщика движения AMP.

4. Алгоритм комплексироваиия данных от нескольких сенсоров при построении информационной модели среды для нейросетевого планировщика движения AMP.

Практическая значимость полученных результатов диссертационной работы заключается в том, что они ориентированы на использование при автоматизации задач безопасного перемещения автономных мобильных транспортных роботов с опасными грузами в условиях ограниченного пространства маневрирования, например в условиях производственных или складских помещений.

Практическое использование полученных результатов. Разработанный в процессе диссертационного исследования программный комплекс имеет свидетельство о государственной регистрации программы для ЭВМ, практические результаты также отражены в соответствующих актах о внедрении в НИР № 01201260083 проводимой на кафедре Вычислительной Техники Южного Федерального Университета, а также в НИР ОАО «Научно-конструкторское бюро вычислительных систем».

Апробация результатов работы. Основные научные результаты диссертационной работы докладывались и обсуждались на международных научных конференциях (XV Международной конференции по нейрокиберне-тике, 2010, XVI Международной конференции по нейрокибернетике, 2012), научно-технических конференциях («Техническое зрение в системах управления» 2012, 2013 Институт космических исследований РАН), всероссийских НТК с международным участием: «Компьютерные и информационные технологии в науке, инженерии и управлении» (КомТех 2012, КомТех 2013), всероссийской научной конференции (ИТСАУ 2011). Основные результаты диссертации опубликованы в 6 статьях, 2 из которых включены в перечень изданий, рекомендованных ВАК.

ГЛАВА 1. ПОДХОДЫ К ПОСТРОЕНИЮ ИНФОРМАЦИОННОЙ МОДЕЛИ СРЕДЫ ПРИ РЕШЕНИИ ЗАДАЧИ ЛОКАЛЬНОЙ НАВИГАЦИИ АВТОНОМНЫМИ МОБИЛЬНЫМИ РОБОТАМИ С НЕЙРОСЕТЕВОЙ СИСТЕМОЙ УПРАВЛЕНИЯ

1.1 Анализ известных алгоритмов построения информационной модели среды для решения задачи локальной навигации

Задача локальной навигации представляет собой формирование и реализацию безопасной и оптимальной траектории движения автономных мобильных роботов (AMP) в объезд препятствий к цели, расположенной в пределах восприятия сенсорной подсистемы. Построение и реализация такой траектории осуществляется на базе информационной модели среды, формируемой в процессе обработки и интерпретации данных, полученных от бортовых сенсоров. Зачастую в качестве бортовых сенсоров для формирования информационной модели среды используются лазерные и ультразвуковые дальномеры, инфракрасные датчики глубины, датчики глубины на базе структурированного света, а также стереоскопические системы технического зрения [3;

5].

На данный момент разработаны различные методы формирования и представления информационной модели среды, а именно методы построения метрических, топологических и когнитивных карт, их комбинаций, а также методы формирования информационной модели среды в системе координат (СК) сенсорной подсистемы AMP [2; 6; 8; 19; 20; 29; 31; 33; 34; 36; 39].

Топологические и когнитивные карты используются на уровне глобальной навигации, в связи с тем, что их описание внешней среды базируется на отличительных признаках, присущих каждой отдельно взятой локации [19; 31].

Метрические карты содержат геометрическое описание объектов внешней среды в виде 2D или 3D координат декартового пространства. Внешняя среда при этом дискретизована и представляет собой сетку, где каждая клет-

ка может быть или свободной или занятой с определенной вероятностью [20; 22; 36; 42]. Среди метрических карт выделяются подходы, при которых производится фильтрация измерений сенсора, относящихся к подвижным объектам внешней среды, и подходы, учитывающие изменения, происходящие во