Важным применением компьютерного зрения является автономная навигация роботов и транспортных средств. Для свободного передвижения в пространстве им необходимо получать данные о положении в нем и информацию об окружающем мире.
Точная локализация транспортного средства является одной из основных и наиболее важных задач. Для автономной навигации, отслеживания движения, обнаружения препятствий и предотвращения столкновения транспортное средство должно хранить информацию о своем положении с течением времени. Для этой цели существуют различные датчики, методы и системы, такие как энкодеры (датчики угла поворота), спутниковые системы навигации GPS и ГЛОНАСС, инерциальные навигационные системы, системы с лазерным или ультразвуковым дальномером.
Однако каждая из перечисленных систем имеет свои недостатки или ограничения. Энкодеры (датчики угла поя ворота) являются самой простой системой оценки положения, но их использование становится невозможным при проскальзывании колес. Спутниковые системы навигации являются наиболее распространенным решением для локализации, поскольку могут обеспечить абсолютное положение без накопления ошибок, но они эффективны только в местах с ясным видом неба и не могут использоваться в закрытых помещениях, а также недостаточно точны для локальной навигации. Оценка местоположения спутниковых систем работает с ошибками порядка метров, в то время как точные приложения требуют точности в сантиметрах, например, для автономной парковки. Дифференциальные и кинематические спутниковые системы в реальном времени могут обеспечить положение с сантиметровой точностью, но эти методы очень дороги. Инерциальные системы навигации склонны к накоплению ошибки. Системы с дальномером сложны в реализации и имеют высокую стоимость.
Производительность современных встраиваемых вычислительных систем позволяет обрабатывать видеопоток технического зрения транспортного средства в реальном времени и использовать его для решения задачи навигации ТС. Поэтому в качестве решения данной задачи предлагается метод визуальной одометрии.
Визуальная одометрия - это надежный метод, позволяющий транспортному средству устойчиво локализовать себя в пространстве, используя данные о смещения ключевых точек, информация о которых получается из анализа последовательности изображений системы технического зрения. Подобная система может работать в недетерминированной(стохастической) среде - среде, в которой не каждое последующее состояние может быть предсказано. Реальный мир - недетерминированная среда.
В данной работе мы фокусируемся на результатах, полученных с помощью камеры, установленной на наземном транспортном средстве.
Работа ведется в библиотеке coreCVS. CoreCVS - библиотека для компьютерного зрения, разработанная в компании ООО «Системы Компьютерного Зрения».
(нужно написать что-то еще)
В результате данной работы был реализован и интегрирован в библиотеку coreCVS инструментарий для визуальной одометрии.
Были выполнены все поставленные задачи:
• Проведен анализ существующих подходов к решению задачи;
• Разработана архитектура системы;
• Разработана система оценки движения и ориентации камеры в библиотеке coreCVS на языке С++;
• Проведена апробация и тестирование системы, которые показали, что результаты работы системы удовлетворяют требованиям.
[1] David Nister, Oleg Naroditsky, James Bergen «Visual Odometry for Ground Vehicle Applications»
[2] Marco Zuliani, 2014, «RANSAC for Dummies»
[3] Форсайт Д.А., Понс Ж., 2004, «Компьютерное зрение. Современный подход»
[4] Richard Szeliski, 2010, «Computer Vision: Algorithms and Applications»»
[5] Gary Bradski, Adrian Kaehler, 2008, «Learning OpenCV»,
[6] Richard Hartley, Andrew Zisserman, 2000, 2003, «Multiple View Geometry in Computer Vision Second Edition»
[7] Wikipedia, «Aircraft principal axes», URL:
https://en.wikipedia.org/wiki/Aircraft_principal_axes
[8] Robert Collins, «Lecture 15. Robust Estimation : RANSAC»
[9] OpenCV Tutorials, «Epipolar Geometry», URL:
http://docs.opencv.org/trunk/da/de9/tutorial_py_epipolar_geometry.html
[10] Allan Jepson, 2011, «Image Features. Part 2»
[11] Chris Harris, Mike Stephens, 1988, «A combined corner and edge detector»