Введение 3
1. Системы 3D реконструкции 5
1.1. Типы сенсоров 6
1.2. Форматы данных 3D реконструкции 12
1.3. Текущие недостатки систем 3D реконструкции 17
1.4. Испытания в лаборатории 23
2. Проблема исследования и покрытия 3D пространства 28
2.1. Описание проблемы 29
2.2. Методы решения для 2D окружения 29
2.3. Методы решения для 3D окружения 30
3. Решение проблемы в неструктурированном 3D пространстве 34
3.1. Алгоритм решения 35
3.2 Имплементация в среде MATLAB 43
3.3. Обработка модели для экспорта в Gazebo 45
4. Сравнительный анализ 50
4.1 Анализ алгоритмов и критерии сравнения 50
4.2 Виртуальные эксперименты 52
4.3 Анализ алгоритмов относительно критериев из П.4.1 53
5. Планируемые исследования 55
Заключение 57
Список использованных источников 58
Приложение
Данная работа посвящена разработке алгоритма в области научной темы автономного изучения трехмерного (3D) пространства для наземного мобильного робота. Основной проблемой данной темы является получение максимально полного сбора пространственной информации при условии ограниченности времени с помощью автономного робота, оснащенного сенсором 3D глубины. Минимизация длины пройденного пути при обследовании пространства является основной формальной задачей данной проблемы.
Актуальность данной темы основывается на усложнении классической темы изучения 2D пространства через использование современных систем 3D реконструкции окружения, благодаря которым возможно восприятие пространства близкое к уровню человеческого восприятия пространства. Оптимальное изучение 3D пространства дает возможность системам искусственного интеллекта в кратчайшие сроки получить наиболее полную информацию об окружении и находящихся в нем доступных для манипуляции объектах, что повышает эффективность принятия решений системами искусственного интеллекта.
Научный вклад представленной работы состоит в поднятии проблемы тестирования алгоритмов в сложном неструктурированном окружении и в разработке нового алгоритма для оптимального изучения подобного окружения. Существующие алгоритмы проектировались для простого окружения и по итогам анализа выявилась существенная неэффективность применения этих алгоритмов в условиях сложного неструктурированного окружения. В связи с этим, было разработан новый алгоритм изучения 3D пространства, которое в сравнении с другими алгоритмами показало большую эффективность в
неструктурированном окружении и на основе которого было написаны две научные статьи для конференций, индексируемых в Scopus.
Разработанное решение включает в себя один основной и два дополнительных алгоритмов. Основной алгоритм является новым алгоритмом автономного изучения пространства для мобильного робота. Данный алгоритм показал лучший результат в тестировании и сравнении с другими известными алгоритмами для 2.5D неструктурированного окружения, где 2.5D означает окружение с плоским пустым пространством. Дополнительные алгоритмы отвечают за генерацию 2.5D неструктурированного воксельного окружения и перевода его в 3D модель в сглаженной форме, которые используются для тестирования алгоритмов автономного изучения. Все три алгоритма обеспечивают необходимую базу для повышения качества тестирования алгоритмов в приведенной научной области.
Структура работы включает пять глав. В первой главе идет подробное описание современных разработок в области реконструкции 3D пространства с помощью различных типов сенсоров 3D глубины. Во второй главе следует описание известных по научной литературе алгоритмов в теме автономного изучения 3D пространства. В третьей главе следует детальное описание нового решения в виде алгоритма автономного изучения пространства и добавочных алгоритмов генерации случайного окружения. В четвертой главе новое решение сравнивается с решениями других авторов из второй главы. В заключительной пятой главе приводятся идеи для дальнейшего развития темы.
В данной выпускной квалификационной работе приводятся результаты работы по теме исследования и покрытия 3D пространства на основе накопленных автором знаний за 2 года обучения робототехнике в магистратуре. Результаты исследования были оформлены в виде нового алгоритма, значительно повышающего результаты в сложном неструктурированного окружении для простого наземного робота. В дополнении также был реализован алгоритм создания неструктурированного 2.5D окружения, использованного для проверки эффективности алгоритма, а также алгоритм перевода воксельного окружения в сглаженную 3D модель. На основе проделанной работы написаны на английском языке и приняты к публикации две научные статьи на конференции ICINCO 2019 [71] и ICR 2019 [72]. Вся работа и код ВКР выложены в репозиторий по адресу
http://gititis.kpfu.ru/EVDenisov/Master_Thesis_2019. Выбранная тема имеет большой потенциал для развития, поэтому автор планирует продолжить исследовательскую научную работу по данной теме в аспирантуре.
