ВВЕДЕНИЕ 4
ГЛАВА 1. ОБЗОР ИЗВЕСТНЫХ ТЕХНИЧЕСКИХ РЕШЕНИЙ ОПРЕДЕЛЕНИЯ ПРОХОДИМОСТИ УЧАСТКОВ СРЕДЫ ПОСРЕДСТВОМ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ 5
ГЛАВА 2. ОСНОВНАЯ ЧАСТЬ 28
Раздел 1. Разработка схемы системы оценки преодолимости 28
Раздел 2. Тестирование методов распознавания контуров при различных параметрах изображения 37
Раздел 3. Разработка алгоритма обработки изображения 43
Раздел 4. Экспериментальное исследование влияние параметров локального участка на его преодолимость 48
Раздел 5. Обучение блока оценки преодолимости участков среды 55
ЗАКЛЮЧЕНИЕ 61
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 62
ПРИЛОЖЕНИЕ А 65
Одной из проблем современной мобильной робототехники является движение и выполнение специализированных (разведывательных, исследовательских, поисковых) задач в условиях пересеченной местности. Такую среду можно назвать физически неоднородной, и при прохождении через нее робот встречает участки (снег, галька, болото, луг, песок и т.д.), попадание на которые может привести к невыполнению задачи, остановке, буксированию, поломке, сбою навигационных систем робота. Например, робот-разведчик может столкнуться с заболоченной территорией, планетоход с полупустынной. Следовательно, необходимой задачей робота является определение преодолимости участков, лежащих на его пути. Таким образом, разработка системы оценки преодолимости участков физически неоднородной среды является актуальной. В данном направлении работают исследователи из Государственного Университета Теннеси, Южного Федерального университета, Университета Токио, Корейского Морского Университета. На сегодняшний день популярной тенденцией в решении задачи определения проходимости является построение 3Э-карт местности, анализ визуальных паттернов участков изображения и некоторые другие. Потенциальный экономический эффект такой системы состоит в увеличении степени автономности мобильных роботов в условиях физически неоднородной среды.
По итогам работы была создана система оценки преодолимости участков физически неоднородной среды. Разработаны алгоритмы обработки изображения, направленные на качественное оконтуривание и извлечение параметров. Создан классификатор на основе МГУА. Во время разработки проведены несколько исследований. По итогам исследования методов оконтуривания были получены данные для дальнейшего синтеза алгоритма автоматического выбора метода оконтуривания. По итогам тестирования классификатора выяснилось, что степени влияния параметров контура на преодолимость, оцененные автором, оказались близки к тем, на основании которых работал классификатор. Также исследовано влияние параметров нейронной сети и соотношения/наполнения выборок на качество работы классификатора. Создан задел для будущей работы, направленной на совершенствование методов обработки изображений и на разработку более точного классификатора.
