автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Управление мобильным роботом на основе алгоритмов распознавания образов

На правах рукописи

НГУЕН ТУАН ЗУНГ

УПРАВЛЕНИЕ МОБИЛЬНЫМ РОБОТОМ НА ОСНОВЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ОБРАЗОВ

Специальность: 05.13.01-«Системный анализ, управление и обработка информации (промышленность, информатика)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

28 0КТ 2015

005563747

Астрахань - 2015

005563747

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Астраханский государственный технический университет»

Научный руководитель: кандидат технических наук, доцент

Щербатов Иван Анатольевич Официальные оппоненты: Глазков Виктор Петрович

доктор технических наук, профессор, ФГБОУ ВПО «Саратовский

государственный технический университет имени Гагарина Ю.А.», профессор кафедры «Автоматизация, управление, мехатроника»

Розалиев Владимир Леонидович Кандидат технических наук, ФГБОУ ВПО «Волгоградский государственный

технический университет», доцент кафедры «Системы автоматизированного

проектирования и поискового

конструирования»

Ведущая организация: ФГБОУ ВПО «Тамбовский

государственный технический университет»

Защита состоится «27» ноября 2015 г. в 14.00 на заседании диссертационного совета Д 307.001.06 на базе Астраханском государственном техническом университете по адресу: 414056, г. Астрахань, ул. Татищева 16, главный корпус, ауд. № 313.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью организации, просим направлять по адресу: 414056, г. Астрахань, ул. Татищева 16, ученому секретарю диссертационного совета Д 307.001.06.

С диссертацией можно ознакомиться в научной библиотеке Астраханского государственного технического университета и на сайте http ://astu.org/pages/show/3157

Автореферат разослан «Л2-» октября 2015 г.

Ученый секретарь Диссертационного совета

/

А. А. Ханова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Повышение вычислительной мощности ЭВМ, появление новых методов управления и распознавания образов обуславливают в ближайшей перспективе повсеместное внедрение роботов в повседневной жизни человека. Эффективное применение роботов внутри зданий и сооружений сопряжено с рядом трудностей, решение которых позволит обеспечить повышение качества управления ими.

При управлении движением мобильного робота одной из важнейших задач является определение его местоположения. Для этой цели применяются семантические карты, содержащие визуальную информацию об окружающей среде, полученную с применением системы технического зрения (СТЗ) робота.

В настоящее время большинство СТЗ используют несколько видеокамер. Они позволяют получить достаточно точные результаты, но являются критичными по отношению к распознаванию человека или изменению фона изображения. Это приводит к снижению точности распознавания и увеличению вычислительных мощностей, а значит и времени распознавания объекта. Для устранения указанных недостатков могут применяться данные глубин изображений, различающихся по цвету и текстуре и занимающие определенную область в пространстве. Для автономной навигации мобильных роботизированных платформ в зданиях и сооружениях необходимо решить задачу объезда подвижных (человек) и неподвижных (предметы, мебель, оборудование и пр.) препятствий. Для этого СТЗ робота должна обнаруживать и распознавать максимально возможное количество препятствий, обеспечивая перемещение без столкновений.

В прикладном плане внедрение результатов работы создает новые условия и возможности для контроля и управления роботами с применением семантических карт. Кроме того, развитие данного направления позволит создать новые условия для проведения экспериментальных работ и расширить возможности для дальнейших научных исследований.

Степень разработанности темы. Вопросы управления движением робота и распознавания образов для целей планирования траектории его движения представлены в трудах российских и зарубежных ученых: Носков В.П., Дзинько Р., Пурдаков С.Ф., Andrzej Pronobis., Young D. Kwon., Choset H. etal., T. Lozano Perez., R. Bohlin., Y. Hwang., K. Hoff., O. Khatib, M. Sabry Hassouna., Navneet Dalai., Shotton J., Knuth D., Mojtahedzadeh R и др.

Решенные в работе задачи способствуют развитию теории и практики управления мобильными роботами в зданиях и сооружениях. Актуальность темы исследования определяется необходимостью разработки методик управления движением робота и алгоритмов распознавания подвижных и неподвижных препятствий для обеспечения перемещения мобильных робототехнических платформ в заранее неизвестной среде. Разделы диссертационного исследования соответствуют основным положениям «Стратегии развития отрасли информационных технологий в РФ на 2014-2020 годы и на перспективу до 2025 года», в части касающейся развития робототехнических систем и устройств.

Объект исследования - система управления движением робота внутри зданий и сооружений.

Предмет исследования - модели, методы и алгоритмы обнаружения препятствий и управление роботом внутри зданий и сооружений.

Целью диссертационной работы является повышение эффективности управления движением робота за счет разработки алгоритмов распознавания образов.

Научной задачей решаемой в данном исследовании, является разработка взаимосвязанного комплекса методики и алгоритмов, как основы системы управления движением робота внутри зданий и сооружений. Для достижения поставленной цели требуется решить следующие задачи:

1. провести анализ основных параметров и факторов мобильного робота как объекта управления, а также окружающей среды (зданий и сооружений), в которой он функционирует;

2. разработать алгоритм распознавания неизвестных объектов (как подвижных, так и неподвижных) в ближней зоне робота на основе проведенного анализа факторов и применения алгоритма 3D-pointcloud;

3. разработать алгоритм распознавания известных объектов (подвижных и неподвижных препятствий) для предотвращения столкновения с ними робота, основанный на алгоритме поиска ближайших соседей, модифицированный для применения совместно деревьями поиска, алгоритмом SURF (англ. Speeded Up Robust Features) и библиотекой FLANN (англ. Fast Library for Approximate Nearest Neighbors);

4. на основе оригинальных алгоритмов обнаружения препятствий, построения их карты, а также построения траекторий движений, синтезировать методику управления движением мобильного робота в заранее неизвестной среде;

5. разработать систему управления движением робота в зданиях и сооружениях на основе модифицированных алгоритмов SURF, KNN (англ. k-nearest neighbors). Проведена оценка эффективности синтезированных алгоритмов и разработанной методики, подтвердившая повышение эффективности распознавания препятствий и управления движением мобильного робота в заранее неизвестной динамически изменяющейся окружающей среде.

Научная новизна диссертационного исследования состоит в следующем:

1. синтезирован алгоритм распознавания известных объектов, расположенных в ближней зоне мобильного робота, использующий данные, поступающие от датчика СТЗ (совмещающего в себе видеокамеру и инфракрасный сенсор глубины), отличающийся использованием алгоритма поиска ближайших соседей, модифицированного для применения совместно с деревьями поиска, библиотекой FLANN, а также алгоритмом SURF и позволяющий повысил, эффективность обнаружения препятствий по сравнению с существующими алгоритмами;

2. синтезирован алгоритм распознавания неизвестных объектов, отличающийся использованием модифицированного алгоритма построения трехмерных облаков точек, обеспечивающий повышение эффективности и снижение времени распознавания препятствий и позволяющий обнаружить любые препятствия в ближней зоне робота при любом освещении без использования дополнительного источника света;

3. разработана методика управления мобильным роботом в заранее неизвестной

среде зданий и сооружений, реализованная в форме трех алгоритмов, а именно: обнаружение препятствий, построение карты препятствий и построение траекторий, отличающаяся использованием алгоритма 3D-pointcloud для повышения эффективности и снижения времени на распознавание образов.

Теоретическая значимость работы состоит в том, что разработаны алгоритмы обнаружения препятствий и методика создания траекторий движения робота для целей управления перемещением мобильных роботов в заранее неизвестной среде зданий и сооружений.

Практическая значимость работы. Разработанная система управления движением робота внутри зданий и сооружений позволяет расширить возможности использования СТЗ роботов построенных на основе любых датчиков, позволяющих получить цветное изображение (кадр), карту глубин изображений, а также 3D-облако точек. Все синтезированные алгоритмы используют данные о расстоянии до препятствия, не зависят от света видимого спектра, позволяют производить распознавание в полной темноте, исключая необходимость дополнительного освещения.

Сформирована структура программного комплекса, разработан программный компонент, зарегистрированный в Федеральной службе по интеллектуальной собственности. Учебный вариант разработанного программного обеспечения используется в ФГБОУ ВПО «АГТУ» для подготовки научных и инженерных кадров.

Результаты внедрены в ООО «АГТУ Роботикс» (г. Астрахань) при разработке системы управления движением робота для проекта «MobileBot».

Методология и методы исследования. В процессе работы использовались методы системного анализа, распознавания образов, теории алгоритмов, математической статистики, теории принятия решений, теории множеств, теории баз данных и объектно-ориентированного программирования.

Положения, выносимые на защиту:

1. алгоритм распознавания известных (подвижных и неподвижных) препятствий в ближней зоне мобильного робота;

2. алгоритм распознавания неизвестных (подвижных и неподвижных) препятствий в ближней зоне мобильного робота;

3. методика управления движением робота внутри зданий и сооружений в заранее неизвестной среде.

Апробация научных результатов. Основные положения докладывались и обсуждались на Всероссийской научно-исследовательской конференции с международным участием молодых ученых, аспирантов, студентов и старшеклассников «Наука, образование, инновации: пути развития» (Петропавловск-Камчатский, 2014 г.); VIII Международной научно-практической конференции «Интеграция теории и практики мирового научного знания в XXI веке» (Казань, 2014 г.); XXVI - Международной научной конференции математические методы в технике и технологиях - ММТТ-27 (Саратов , 2014 г.); Международной научной конференции «Фундаментальные и прикладные исследования в современном мире», Информационный издательский учебно-научный центр «Стратегия будущего» (Санкт-Петербург, 2014г.);Международной научной конференции «CIT&DS Creativity in intelligent technologies & data 5Ыепсе»(Волгоград, 2015 г.).

Публикации. Основные положения настоящей диссертационной работы изложены в 10 научных публикациях, среди которых 3 статьи в научных журналах, рекомендованных ВАК РФ, 1 статьи в изданиях, индексируемых в базе данных SCOPUS, 4 публикации в сборнике международных и всероссийских научных конференций, получено 1 свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка сокращений и условных обозначений, библиографического списка, 6 приложений. Основная часть работы изложена на 144 страницах машинописного текста, содержит 83 рисунка, 22 таблицы. Библиографический список содержит 133 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении приводится обоснование актуальности темы диссертации, определены цель и задачи исследования, показана научная новизна, практическая ценность и результаты работы, выносимые на защиту.

В первой главе проведен анализ основных параметров среды, в которой функционирует мобильный робот. Описаны задачи распознавания различных объектов СТЗ робота внутри зданий и сооружений на основе карты препятствий окружающего пространства. Приведен литературный обзор существующих алгоритмов и методов решения задач распознавания образов и планирования движения робота. Описаны и проанализированы конкретные алгоритмы и методы, используемые в системах технического зрения.

Исследование заранее неизвестного пространства предполагает наличие карты, представляющей необходимую информацию для обеспечения движения. Это утверждение справедливо для мобильного робота. Однако в большинстве случаев такие карты не доступны. Построение карты помещений роботом является крайне трудоемкой задачей, качество решения которой зависит от большого числа факторов окружающего пространства (сложность, форма препятствий и их подвижность, освещенность внутри зданий и сооружений), а также факторов СТЗ робота (дистанция обнаружения, время отклика и стоимость).

Проведен анализ технических средств: дальномеры, CCD-камеры (видеокамеры, стереокамеры и т.д.), сенсоры глубины и др. Выявлено, что одним из ключевых направлений является создание систем автономной навигации робота в зданиях и сооружениях на основе сенсоров глубины, функционирующих с видеокамерой (Microsoft Kinect или Asus Xtion). Kinect применяется для измерения расстояний, обнаружения ориентиров и создания ЗБ-моделей. Его программное обеспечение позволяют автоматически калибровать датчик с учётом условий перемещения объектов и окружающего пространства, например, препятствий, находящихся в зоне распознавания.

Во второй главе представлена общая архитектура системы распознавания объектов (препятствий) в ближней зоне робота, в которой обнаруженные объекты разделяют на два типа - известные и неизвестные. Синтезированы алгоритмы распознавания для каждого типа объекта. При распознавании известных объектов применяется алгоритм поиска ближайших соседей, модифицированный для применения со-

вместно с деревьями поиска (KNN), библиотекой FLANN и алгоритмом SURF. А для обнаружения неизвестных объектов использован алгоритм 3D-pointcloud. Применение синтезированных алгоритмов в СТЗ робота доказывают их эффективность.

Для автономной навигации мобильных роботизированных платформ в зданиях и сооружениях необходимо решить задачу объезда подвижных и неподвижных препятствий. Для этого СТЗ робота должна обнаруживать и распознавать максимально возможное количество препятствий, обеспечивая перемещение без столкновений.

При распознавании известных объектов возможным решением задачи поиска соответствия изображения в некоторой базе данных, является получение их дескрипторов и сравнение с дескрипторами изображений, получаемых в режиме реального времени СТЗ робота. Однако для коллекций изображений, обладающих большим объемом данных, применение указанного способа является малоэффективным. Поэтому в качестве решения предлагается использование библиотеки FLANN (библиотека быстрого приблизительного поиска ближайших соседей). Для ускорения вычислений следует применять алгоритм SURF, реализованный в большинстве современных стандартных библиотек по распознаванию образов.

Пусть множество распознаваемых объектов в ближней зоне мобильного робота: 0 = {0Л,0Н}, где Оп - множество подвижных объектов, Он - множество неподвижных объектов. Каждый объект Oni и OnJ описывается тройкой Oni = \rni,rnl,yni), 0Hj=\THj,rHj,yHj\, где Т - тип фигуры, Г геометрические размеры фигуры, У - угол обзора. Для распознавания используются эталонные объекты Оэк, содержащиеся в базе данных системы распознавания. Тогда задача распознавания объекта в ближней зоне робота:

VO, е О,За = 1:|/(0,)-/(ö,J < £,а = 0:|/(0,)-/(Оэ) > в, (1)

где fiPi) - числовой показатель, характеризующий дескриптор изображения распознаваемого объекта; /(О,) - числовой показатель, характеризующий дескриптор эталонного изображения; а = 1 - признак того, что объект распознан; а = 0 -признак того, что объект не распознан (отсутствует в базе эталонных изображений объектов); 6 - требуемая точность распознавания объекта.

Решение задачи в форме (1) требует синтеза скоростной процедуры распознавания объектов, позволяющей обеспечить требуемые точность и эффективность распознавания, сократив при этом время, затрачиваемое на одновременную идентификацию подвижных и неподвижных объектов в ближней зоне робота.

Алгоритм извлечения особых точек изображения SURF обладает требуемой устойчивостью по отношению к различным преобразованиям изображения и обеспечивает решение двух задач - поиск особых точек изображения и генерация их дескрипторов, инвариантных к масштабу и вращению. Поиск особых точек осуществляется с помощью матрицы Гессе. Детерминант гессиана достигает экстремума в точках максимального изменения градиента яркости, а значит, эффективно определяет углы и края линий.

Решение задачи поиска соответствия между полученным с камеры изображением и эталонным объектом в коллекции изображений обеспечивается с исполь-

зованием алгоритма поиск ближайших соседей (обеспечивают поиск с требуемой точностью за приемлемое время). В алгоритме поиска бли-

жайших соседей (алгоритм NN8) существует задача оптимизации нахождения ближайших точек. Близость выражается в терминах функции несходства. Приблизительный поиск ближайших соседей обеспечивается применением РЬАМ\Г. Поиск ближайшей точки является операцией 0(1с^ЬГ) в случае хаотически распределенных точек. Данный алгоритм совместно с алгоритмом аппроксимации может работать быстрее. Для решения задачи NN8 используется библиотека РЬА№\ (рисунок!). Эта библиотека

Хранилище образцов (база данных) Блок 11 i

Образец 1 Образец 2 — Образец N 1 Входное изображение

—-f- )

Блок

Дескриптор ы образца 1 Дескриптор ы образца 2 — Дескрштор ы образца N Дескриптор изображения

-- --- --Ч-- — --- --

Блоки

Вычислений дескрипторов да* ыножес-тенных изображений

Создание ивдекса FLANN

Выполнение поиска KNN

Получение результата: _образец К_

Рисунок 1 - Схема применения библиотеки FLANN

содержит коллекцию следующих дескрипторов для множества изображений: создание индекса FLANN; выполнение поиска KNN; получение и вывод результатов. Для ускорения вычислений применяются следующие алгоритмы: SURF для пошагового «извлечения дескрипторов изображения»; параллельное программирование. Эффективность предлагаемого алгоритма обнаружения известных объектов показана на рисунках 2 и 3, а также в числовой форме сведена в таблицу 1.

481 486

и ig . а з У* / / / / /

4 ") N г-/

У

я (мс)

Рисунок 3 - Время обнаружения нескольких объектов

Рисунок 2 - Время обнаружения объекта с применением различных по размерам коллекций изображений

__ 430.000

| 425.000

| 420,000

3 415,000

g. 410,000

| 405,000 8.

° 400,000

4 8 12 13 14 Количество объектов в базе дан

Из таблицы 1 видно, что при увеличении количества объектов в 4 раза, среднее время обнаружения объекта увеличивается только в 1,037 раза. При этом средняя точность обнаружения равна 88%. Данные экспериментов на рисунке бпоказывают, что существует возможность совместного распознавания нескольких подвижных и неподвижных объектов в режиме реального времени с применением Kinect.

Результаты моделирования на ЭВМ свидетельствуют о достижении требуемой вычислительной эффективности (высокой скорости работы и малой доле ошибок распознавания) совместного применения библиотеки FLANN и алгоритма SURF (как для подвижных, так и для не подвижных объектов). Кроме того, следует отметить, что необходимые скорость и точность распознавания обеспечиваются и в движении мобильного робота, а значит, позволяет более эффективно ориентироваться в ЗиС с заранее не известной картой пространства.

Таблица 1 -Результаты экспериментов

№ Количество объектов коллекции Количество входных изображений Ошибка Точность (%) Среднее время на обнаружение объекта (миллисекунды)

1 4 52 3 94 409,1

2 8 52 4 92 411,9

3 12 52 6 88 414,3

4 13 52 6 88 411,8

5 14 52 7 86 424,0

6 16 52 9 82 424,4

Среднее значение 88 415,9

При обнаружении неизвестных объектов применение видеокамер, т.е. распознавание объектов в потоке видео, является вычислительно сложным процессом и не обеспечивает требуемую точность из-за изменения уровня освещенности и угла обзора (при движении объекта). При отсутствии света использование камер также затруднительно. Для целей определения текущего местоположения мобильного робота в пространстве наиболее перспективной является технология обнаружения с применением «Рош*с1ои<1». Основа работы системы распознавания объектов - алгоритм, показанный на рисунке 4.

Пусть множество пикселей изображения глубины П= где

«=640*480=307200. Каждый пиксель /Дописывается тройкой Ц=\х,,у„г,}, где х,-значение ширины пикселя (обычно, 0<х, <64С), У г значение высоты пикселя ( 0<_у, <480, г1 ~ значение глубины пикселя.

Каждый пиксель /^соответствует точке Т1 в ближней зоне мобильного робота. Точка Г, описывается тройкой Т, ={х',у'1,/1}. Для получения пикселя Ц из точки Т: Клпей использует одну матрицу вращения (МБ) и один вектор преобразования (ВП). Метод преобразования формулируется как:

П1=МВ*Т[+ВП (2)

V мви Мв\2 мв13 ~впх~

Или, у/ = Мв21 мв21 Мв 23 у! + впу (3)

мвъх мв3 2 Мв зз _ enz

Рисунок 4 -Алгоритм обнаружения препятствий с использованием «Pointcloud»

После получения изображения глубины, становится возможным получение облака точек - набор неорганизованных иррегулярных точек в трехмерном пространств eP={pl,p2,..pi,..pk\, где к<п. Каждая точка р, описывается pi={xi,yi,zj,ini}, где {x^y^Zj} является координатой точки; in{- дополнительная информация о точке (например, RGB цвета, значения интенсивности и т.д.).

Следующий шаг - преобразование «2D- PointCloud», т.е. отображение облако точек в двухмерном пространстве. Фиксируются высоты точек между минимальной и максимальной высотами робота. Все точки, которые не могут быть идентифицированы как препятствия удаляются (рисунок 5).

Препятствия в поле зрения робота >,Рисутж5'- Интерфейс профаммы применения представляются в виде кластеров. Для ЗО-облака точек для обнаружения препятствий этого использован алгоритм DBSCAN, обладающий низким быстродействием, но высоким качеством обнаружения и возможностью удалять шумы.

Эксперименты алгоритма проводились для обнаружения препятствий с использованием облака точек (метод 1), полученные результаты представлены на рисунках 6 и 7 и в таблице 2.

600 500

т> -мл ? зсю

о------------------

1 4 7 10131619222528313437404346 Число кадров

........метод 1 ......Метод 2

Рисунок 6 - Быстродействие алгоритма распознавания неподвижных объектов

10:00 14:00 19:00 23 00

Время ® метод! □ Метод 2

Рисунок 7 -Изменение интенсивности освещения к качеству обнаружения

Таблица 2 - Сравнительный анализ результатов

Время Количество входных Метод 1 Метод 2

изображений Ошибка Точность, % Ошибка Точность, %

10:00 47 1 98 4 91

14:00 47 2 96 8 83

19:00 47 1 98 35 26

23:00 47 1 98 47 0

Из таблицы 2 видно, что качество обнаружения метода 1 не зависит от интенсивности света. Препятствия успешно обнаруживается даже когда отсутствует освещение. Результаты экспериментов свидетельствуют о том, что существует возможность применять алгоритм Рот1с1оис1 для обнаружения препятствий в системе технического зрения робота. Однако, для увеличения быстродействия традиционного алгоритма, следует применять алгоритм понижения разрешения в шаге «Создание ЗП-облака точек» и алгоритм БВЗСАЫ в шаге «Применение алгоритмы кластеризации

В третьей главе разработана методика планирования траектории робота внутри зданий и сооружений (рисунок 8). Решены задачи получения информации о препятствия, используемой для планирования движения робота. Синтезирован алгоритм управления движением робота. Рассмотрим этапы методики планирования траектории робота.

Обнаружение препятствий. Использование ЗО-облака точек удовлетворяет требованиям по обнаружению препятствий (подвижных и неподвижных объектов) в режиме реального времени.

Построение карты препятствий. Для построения карты препятствий вычисляется расстояние между ними и от препятствия до Клпес! Затем происходит получение областей, в которых робот может перемещаться без столкновений. Иллюстрация построения карты препятствий показана на рисунок 9.Алгоритм, реализующий этот этап, включает три подзадачи: получение информации о препятст-

виях, вычисление расстояний от КтесЛ до препятствий и наименьших расстояний между препятствиями, а также получение допустимых точек.

Рисунок 8 -Схема методики планирования траектории робота

Построение траекторий. Для реализации данного этапа синтезирован алгоритм построения кратчайшего пути до цели. Это означает, что робот может двигаться с минимальной стоимостью пути из любой точки в пространстве до цели. Для нахождения минимальной стоимости пути применяется алгоритм «А*».

Предотвращение столкновений с препятствиями. После построения карты препятствий окружающей среды и создания предварительно вычисленного пути, робот начинает двигаться по полученной траектории. Данные, получаемые непрерывно от датчика КтесЛ, преобразуются в облако точек.

Если на пути следования робота возникает новое препятствие или расстояние до препятствий меньше, чем приемлемое минимальное значение, то робот останавливается. После этого происходит добавление текущего облака точек к карте препятствий, и выполняются все шаги, обеспечивающие создание новой карты окружающей среды робота.

После получения обновленной карты препятствий, синтезированный алгоритм вычисляет новый кратчайший безопасной путь от текущей позиции робота к цели.

Результаты, доказывающие эффективность разработанной методики, приведены в таблице 3 и показаны на рисунках 10-11.

и

V.

м

► ркспии жаз грешамяш:

НЯ1**

щкеэааюе игнюшька аячмш

(ГШ)=50 см

Рисунок 9 - Пример построения карты препятствий

Таблица 3 - Результаты экспериментов по управлению движением робота

Среднее

расстояние, м 1 1,5 2 2,5 3 3,5 4 2,5

количество препятствий 1 2 3 6 7 8 8 5

время обнаружения препятствия 20 32 45 237 269 284 291 168,29

время построения карты препятствий 8 7 20 183 279 346 356 171,29

время создания траектории 2 3 8 40 58 62 53 32,286

общее время 30 42 73 460 606 692 700 371,86

Рисунок 10 -Создание траектории движения

100% 80% 60% г 40% &20% 0%

расстояние, м 'г время обнаружения препятствий

й время построения карты препятствий

* время создания траектории

Рисунок 11 - Время управления движением

Данные экспериментов показывают, что для построения траектории движения робота следует применять алгоритм Роийс1оис1 для обнаружения препятствий и создания карты препятствий. А для построения траектории движения робота можно использовать алгоритма «А*».

Четвертая глава посвящена оценке и анализу повышения эффективности управления движением робота на основе разработанной методики и модифицированных алгоритмов распознавания образов. Разработана структура системы управления движением робота внутри зданий и сооружений (рисунок 12). Показана эффективность синтезированных алгоритмов распознавания объектов и методики создания траектории движением робота. Приведены эксперименты, показывающие возможности и доказывающие эффективность их работы для каждого типа препятствия. Полученные результаты свидетельствуют о том, что синтезированные алгоритмы распознавания удовлетворяют жестким требованиям по обнаружению объектов в режиме реального времени. Это означает, что синтезированные алгоритмы могут применяться в системах технического зрения мобильных робототехнических платформ для получения сенсорной карты внешней среды, используемой системой управления роботом для перемещения в зданиях и сооружениях в заранее неизвестной среде.

Она состоит из следующих основных модулей: получения и предварительной

обработки исходных данных; обнаружения известных объектов; обнаружения неизвестных объектов и построения карты препятствий; создания траектории движения робота; предотвращения столкновения с различными видами препятствий.

Рисунок 12 - Структура системы управления движением робота внутри зданий и сооружений

Проведен анализ результатов, получаемых с использованием разработанного программного обеспечения, показаны его функциональные возможности и особенности работы (таблица 4).

Таблица 4 - Результаты работы системы уш эавления

Вид эксперимента Среднее время, мс

Обнаружение объектов FLANN 416

FLANN с применением параллельного программирования 390

Point cloud 168

Планирование движения построение карты препятствии 171

создание траектории 32

В приложениях приведены свидетельство о государственной регистрации программы для ЭВМ, акты о внедрении результатов научной работы, тестовые данные для методики испытаний алгоритмов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ Главным итогом диссертационной работы является решение научной задачи, связанной с разработкой комплекса алгоритмов распознавания препятствий и ме-

тодики управления движением робота внутри зданий и сооружений, обеспечивающие получение следующих основных результатов:

1. Проведен анализ основных параметров робота и среды, в которой он функционирует, оказывающих влияние на качество распознавания и быстродействие системы технического зрения. Описаны и проанализированы конкретные алгоритмы и методы, используемые в системах технического зрения мобильных роботов. Показано, что существует необходимость разработки оригинальных алгоритмов распознавания образов, обеспечивающих повышение качества распознавания препятствий и быстродействие существующих алгоритмов.

2. Синтезированы алгоритмы распознавания для каждого типа препятствий. При распознавании известных объектов применяется алгоритм поиска ближайших соседей, модифицированный для применения совместно с деревьями поиска (KNN), библиотекой FLANN и алгоритмом SURF. Эффективность обнаружения известных объектов повышается до 54% по сравнению с популярной методикой, основанной на использовании алгоритм SIFT.

3. Синтезирован алгоритм обнаружения неизвестных объектов с использованием алгоритма 3D-pointcloud. Повышение эффективности алгоритма обнаружения неизвестных объектов обеспечено на уровне 36%.

4. Разработана методика планирования траектории робота, на основе алгоритма 3D-pointcloud, реализованная в форме трех алгоритмов, а именно обнаружение препятствий, построение карты препятствий и построение траекторий, отличающаяся использованием алгоритма 3D-pointcloud для повышения эффективности и снижения времени на распознавание образов. Методика обеспечивает повышение эффективности управления роботом на 25% в сравнении с существующими.

5. Разработана структура системы управления движением мобильного робота, реализующая синтезированные ускоренные алгоритмы обнаружения объектов (известных и неизвестных) и методику создания траекторий движения робота на основе данных, получаемых от датчика Kinect.

6. Результаты работы и созданное программное обеспечение, зарегистрированное в установленном порядке, использованы в учебном процессе в Астраханском государственном техническом университете для подготовки инженерных и научных кадров.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в периодических изданиях, включенных в список ВАК РФ:

1. Нгуен Туан Зунг, Распознавание объектов в системе технического зрения мобильного робота: использование библиотеки FLANN и алгоритма SURF/ Нгуен Туан Зунг, И.А. Щербатов// Прикаспийский журнал управление и высокие технологии. - 2014. - № 4. - с.65-76.

2. Нгуен Туан Зунг, Алгоритмы ускоренной обработки изображений препятствий в системе технического зрения робота. / Нгуен Туан Зунг// Электронный научный журнал «Инженерный вестник Дона». - 2015. - №1 (часть 2). URL: ivdon.ru/ru/magazine/archive/nl р2у2015/2855.

3. Нгуен Туан Зунг, Совместное распознавание подвижных и неподвижных объектов в системе технического зрения робота// Нгуен Туан Зунг, И.А. Щербатов//

Мехатроника, автоматизация, управление. - 2015. - Т.16. - № 7. С. 464-470.

Статьи в зарубежных изданиях, индексируемых в БД SCOPUS

4. I.A. Shcherbatov. Speed up algorithms for obstacles detection in the robot vision system using point cloud./ I.A. Shcherbatov, Nguyen Tuan Dung// Creativity in Intelligent Technologies & Data Science- Volgograd State Technical University, Russia/ Springer, September 15-17,2015. DOI: 10.1007/978-3-319-23766-4_53.-pp. 673-683.

Статьи в межвузовских научных сборниках, сборниках трудов международных научных конференций:

5. Нгуен Туан Зунг, Использование видеокамеры «Microsoft Kinect» и алгоритм «SURF» для обнаружения неподвижных препятствий мобильным роботом в зданиях и сооружениях/ Нгуен Туан Зунг// Сб. материалов пятой Всероссийской научно-практической конференции «Наука, образование, инновации: пути развития», - Петропавловск-Камчатский: КамчатГТУ, 2014. - Часть 1.-е. 63-67.

6. Нгуен Туан Зунг, Использование алгоритма поиска ближайшего соседа для мобильного робота. / Нгуен Туан Зунг// Сб. научных VIII Международной научно-практической конференции «Интеграция мировых трудов научных процессов как основа общественного прогресса», - Казань, 2014. Выпуск №9. - с. 194-199.

7. Нгуен Туан Зунг, Сравнение алгоритмов «GPU SURF DETECTOR» и «MATCH SURF FEATURE WITH FEATURE TREE» для мобильного робота. / Нгуен Туан Зунг. // Сб. научных XXVI - Международной научной конференции математические методы в технике и технологиях - ММТТ-27, Саратовский государственный технический университет, - 2014. - том 6. - с. 124-128.

8. Нгуен Туан Зунг, Применение Kinect и библиотеки FLANN для построения сенсорной карты среды мобильного робота. / Нгуен Туан Зунг, И.А. Щербатов// Сборник материалов Международной научной конференции «Фундаментальные и прикладные исследования в современном мире», Информационный издательский учебно-научный центр «Стратегия будущего» (г. Санкт-Петербург). - 2014, ТОМ 1.-е. 130-136.

Свидетельство о государственной регистрации программы для ЭВМ:

9. Обнаружение препятствий в системе технического зрения робота v 1.00. Св. о гос. per. прогр. для ЭВМ № 2015614802. / Щербатов И.А., Нгуен ТуанЗунг Зарег. 28.04.2015.

Подписано в печать 23.09.2015 г. Тираж 100 экз. Заказ № 325 Типография ФГБОУ ВПО «АГТУ», тел. (8512) 61-45-23. Г. Астрахань, ул. Татищева, 16 ж