Тип работы:
Предмет:
Язык работы:


Разработка системы управления движением группы мобильных роботов с использованием методов компьютерного зрения

Работа №80194

Тип работы

Магистерская диссертация

Предмет

автоматика и управление

Объем работы71
Год сдачи2018
Стоимость4980 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
283
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 10
1 Предметная область 10
2 Актуальность проблемы и существующие подходы к ее решению 11
3 Применение методов компьютерного зрения 13
4 Концептуальная постановка задачи 14
1 РАЗРАБОТКА И ИССЛЕДОВАНИЕ КОМБИНИРОВАННОГО МЕТОДА
УПРАВЛЕНИЯ ДВИЖЕНИЕМ РОБОТОВ СТРОЕМ 16
1.1 Математическая постановка задачи управления движением строем 16
1.2 Обзор методов управления движением строем 20
1.3 Комбинированный метод управления движением строем 22
1.4 Компьютерное моделирование 23
1.4.1 Моделирование движения по закону управления строем с
фиксированной геометрической конфигурацией 24
1.4.2 Моделирование движения по закону «след в след» 25
1.4.3 Моделирование движения с использованием комбинированного
метода управления 26
1.5 Натурный эксперимент 29
1.6 Выводы 29
2 РАЗРАБОТКА ПОДСИСТЕМЫ ОБНАРУЖЕНИЯ ПРЕПЯТСТВИЙ 32
2.1 Требования к подсистеме обнаружения препятствий 32
2.2 Обзор сенсорных систем построения трехмерных изображений 34
2.2.1 Пассивные сенсорные устройства 34
2.2.2 Сенсоры на основе структурированной подсветки 35
2.2.3 Многолучевые лазерные дальномеры 35
2.3 Обзор методов обнаружения препятствий 36
2.4 Метод структурного выделения препятствий 39
2.5 Исследование эффективности метода структурного выделения
препятствий 42
2.6 Реализация подсистемы обнаружения препятствий 44
2.6.1 Выбор программных средств разработки 44
2.6.2 Программная реализация подсистемы 45
2.6.3 Результаты тестирования реализованной подсистемы 46
2.7 Выводы 47
3 РАЗРАБОТКА ПОДСИСТЕМЫ ИДЕНТИФИКАЦИИ ЧЛЕНОВ РОБОТОТЕХНИЧЕСКОЙ ГРУППЫ 48
3.1 Обзор методов распознавания объектов на двумерных изображениях .... 48
3.1.1 Применение маркеров при распознавании объектов 49
3.1.2 Метод сравнения с шаблоном 50
3.1.3 Применение контурной сегментации и сравнения контуров 50
3.1.4 Применение сравнения характерных признаков 51
3.1.5 Категориальное распознавание 52
3.1.6 Применение искусственных нейронных сетей 53
3.1.7 Применение статистического анализа 53
3.2 Сравнительный анализ эффективности методов распознавания 53
3.3 Реализация подсистемы распознавания маркеров 58
3.4 Натурный эксперимент 58
3.5 Выводы 61
ЗАКЛЮЧЕНИЕ 62
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 64
ПРИЛОЖЕНИЯ 69
Приложение А 70
Приложение Б 72
Приложение В

В настоящее время проблема управления мобильными роботами и робототехническими системами становится все более актуальной как в России, так и за рубежом. Мобильные робототехнические комплексы (МРТК) решают широкий спектр задач, в том числе в областях, связанных с риском для человека. Если для решения определенной задачи возможностей отдельного МРТК недостаточно, роботы могут быть объединены в группу с использованием методов группового управления. При групповом управлении одной из часто возникающих задач является задача перемещения группы роботов в некоторую заданную позицию. Для решения данной задачи каждый МРТК в группе должен обладать специализированной системой управления движением, навигации и картографирования. В со-временных системах управления мобильными роботами важную роль играют технологии компьютерного зрения и машинного обучения. Благодаря произошедшему в последние годы качественному скачку в развитии этих технологий, они находят все более широкое применение при решении задач навигации и управления движением мобильными робототехническими комплексами.
Данная работа посвящена разработке системы управления движением группы наземных мобильных робототехнических комплексов с использованием методов двух- и трехмерного компьютерного зрения.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В рамках выпускной квалификационной работы магистра разработана система управления движением группы МРТК с использованием методов компьютерного зрения для обнаружения препятствий и идентификации членов робототехнической группы.
При разработке системы управления движением проведен обзор существующих методов управления движением строем и выявлен ряд ограничений этих методов. Для преодоления ограничений разработан комбинированный метод. С целью исследования эффективности разработанного метода проведено компьютерное моделирование и испытания на действующих образцах МРТК «Пластун». Предложенный комбинированный метод использован в разработанной системе управления движением группы роботов.
Для решения задачи своевременного распознавания препятствий и других роботов группы разработаны подсистемы обнаружения препятствий и идентификации членов робототехнической группы на основе методов компьютерного зрения.
При разработке подсистемы обнаружения препятствий системы управления движением МРТК сформированы требования к разрабатываемой системе, проведен обзор аппаратных средств и существующих методов обнаружения препятствий. Разработан новый метод структурного выделения препятствий. Проведенные испытания разработанной подсистемы обнаружения препятствий на основе предложенного метода подтвердили работоспособность метода. Достигнутые показатели производительности и дальности обнаружения опасных препятствий позволяют применять разработанную подсистему на реальных МРТК среднего и тяжелого классов.
Проведен обзор и сравнительный анализ методов распознавания объектов на изображениях. По результатам проведенного анализа для реализации в подсистеме идентификации членов робототехнической группы по маркеру выбран метод контурной сегментации и сравнения контуров. Проведен натурный эксперимент с использование роботов «Пластун», реализованная подсистема идентификации показала хорошие результаты.
По результатам работы были подготовлены статьи [17, 18, 33, 43], предложенные методы были апробированы на конференциях «Наукоемкие технологии и интеллектуальные системы» и «Современное машиностроение: наука и образование».


1. Каляев И.А., Капустян С.Г. Проблемы группового управления роботами // Мехатроника, автоматизация, управление. 2009. N 6. С. 33-40.
2. Дьяченко А. А. Задача формирования строя в группе БПЛА // Известия Южного федерального университета. Технические науки. 2012. Т. 128. N 3.
3. Иванов Д. Я. Формирование строя группой беспилотных летательных аппаратов при решении задач мониторинга // Известия Южного федерального университета. Технические науки. 2012. Т. 129. N 4.
4. Mariottini G. L. et al. Vision-based Localization of Leader-Follower Formations // Decision and Control, 2005 and 2005 European Control Conference. CDC-ECC'05. 44th IEEE Conference on. IEEE, 2005. P 635-640.
5. Das A.K. et al. A vision-based formation control framework // IEEE transaction on robotics and automation. 2002. Vol. 18(5). P. 813-825.
6. Hirota K. et al. Robots moving in formation by using neural network and radial basis functions // Fuzzy Systems, 1995. International Joint Conference of the Fourth IEEE International Conference on Fuzzy Systems and The Second International Fuzzy Engineering Symposium., Proceedings of 1995 IEEE Int. 1995. Vol. 5. P 91¬94.
7. Ng K. C., Trivedi M. M. A neuro-fuzzy controller for mobile robot navigation and multirobot convoying // IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics). 1998. Vol. 28(6). P 829-840.
8. Dorigo M. et al. Evolving Self-Organizing Behaviors for a Swarm-Bot // Autonomous Robots. 2004. Vol. 17(2). P 223-245.
9. Буняков В.А., Юревич Е.И. Техническое зрение в робототехнике. СПб.: Астерион, 2008. 67 с.
10. Dethe S. N., Shevatkar V. S., Bijwe R. P Google Driverless Car // IJSRSET. 2016. Vol. 2(2).
11. Yandex.Taxi Unveils Self-Driving Car Project [Электронный ресурс]. URL: https://yandex.com/company/blog/yandex-taxi-unveils-self-driving-car-project/
(дата обращения: 7.06.2018).
12. Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Ососков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения. М.: Физматкнига, 2010. 672 с.
13. Rusu R.B., Cousins S. 3d is here: Point cloud library (PCL) // Robotics and automation (ICRA), 2011 IEEE International Conference on. IEEE, 2011. P 1-4.
14. Li Z. et al. Classification of urban point clouds: A robust supervised approach with automatically generating training data // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2017. Vol. 10(3). P 1207-1220.
15. Brodu N., Lague D. 3D terrestrial lidar data classification of complex natural scenes using a multi-scale dimensionality criterion: Applications in geomorphology // ISPRS Journal of Photogrammetry and Remote Sensing. 2012. Vol. 68. P 121-134.
16.Song M., Sun F., Iagnemma K. Natural landmark extraction in cluttered forested environments // Robotics and Automation (ICRA), 2012 IEEE International Conference on. IEEE, 2012. P. 4836-4843.
17. Волосатова Т.М., Козов А.В., Рыжова Т.П., Фаттаев О.С. Практическое решение задачи движения группы роботов строем // Современное машиностроение: Наука и образование : материалы 6-й междунар. науч.- практ. конф. / Под ред. А.Н. Евграфова и А.А. Поповича. СПб.: Изд-во Политехн. ун-та, 2017. С. 414-426.
18. Волосатова Т.М. Исследование комбинированного метода управления строем наземных роботов / Т.М. Волосатова, А.В. Козов, Т.П. Рыжова // Робототехника и техническая кибернетика. N 4(17). Санкт-Петербург : ЦНИИ РТК, 2017. С. 52-56.
19.Зенкевич С.Л., Назарова А.В. Система управления мобильного колесного робота // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия «Приборостроение». 2006. N 3.
20. Barfoot T. D., Clark C. M. Motion planning for formations of mobile robots // Robotics and Autonomous Systems. 2004. Vol. 46(2). P. 65-78.
21. Desai J. P., Ostrowski J., Kumar V. Controlling formations of multiple mobile robots // Robotics and Automation, 1998. Proceedings. IEEE International Conference on. IEEE, 1998. Vol. 4. P 2864-2869.
22. Petrov P. A Mathematical Model for Control of an Autonomous Vehicle Convoy // The Proceedings of the 12th WSEAS International Conference on Automatic Control, Modelling & Simulation. 2008. Vol. 5. P 8.
23. Морозова Н. С. Фиксированная геометрическая структура строя в задаче управления движением строя роботов с динамически изменяющимся количеством роботов в группе // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2015. N 11.
24. Lewis M. A., Tan K. H. High Precision Formation Control of Mobile Robots Using Virtual Structures // Autonomous robots. 1997. Vol. 4(4). P 387-403.
25. The Stage Robot Simulator. Stage Manual [Электронный ресурс]. URL: http://rtv.github.io/Stage/(дата обращения: 7.06.2018).
26. Gazebo. Open Source Robotics Foundation [Электронный ресурс]. URL: http://gazebosim.org/(дата обращения: 7.06.2018).
27. Cui H., Li Y., Liu J. An Obstacle Detection Algorithm Based on Ultrasonic Sensors for Autonomous Land Vehicle. 2016 International Conference on Mechatronics, Control and Automation Engineering. 2016. P. 147-150.
28. Rankin A. et al. Unmanned ground vehicle perception using thermal infrared cameras // Unmanned Systems Technology XIII, 8045. International Society for Optics and Photonics. 2011.
29. Zhu X., Gao M., Li S. A real-time Road Boundary Detection Algorithm Based on Driverless Cars // 4th National Conference on Electrical, Electronics and Computer Engineering. 2016. P. 843-848.
30. Larson J., Trivedi M., Bruch M. Off-road Terrain Traversability Analysis and Hazard Avoidance for UGVs. California University, San Diego Dept. of Electrical Engineering. 2011.
31.Song M., Sun F., Iagnemma K. Natural landmark extraction in cluttered forested environments // Robotics and Automation (ICRA), 2012 IEEE International Conference on. 2012. P 4836-4843.
32. Garnett N. et al. Real-time category-based and general obstacle detection for autonomous driving // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017. P. 198-205.
33. Волосатова Т.М., Козов А.В., Рыжова Т.П. Анализ методов обнаружения препятствий системы навигации мобильного робота // Современное машиностроение: Наука и образование : материалы 7-й междунар. науч.- практ. конф. / Под ред. А.Н. Евграфова и А.А. Поповича. СПб.: Изд-во Политехн. ун-та, 2018. С. 420-429.
34. Bradski G., Kaehler A. Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, Inc. 2008.
35. Гудаев О.А. Распознавание маркеров расширенной реальности ARGET робототехнической системой // Известия Южного федерального университета. Технические науки. 2006. Т. 71. N 16.
36.Object Detection. OpenCV 2.4. documentation [Электронный ресурс]. URL: http://docs.opencv.org/2.4/modules/imgproc/doc/object_detection.html (дата
обращения: 07.06.2018).
37.Arbelaez P., Maire M., Fowlkes C., Malik J. Contour detection and hierarchical image segmentation // IEEE transactions on pattern analysis and machine intelligence. 2011. Vol. 33(5). P 898-916.
38.Structural Analysis and Shape Descriptors. OpenCV 2.4. documentation [Электронный ресурс]. URL:
http://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_d escriptors.html (дата обращения: 07.06.2018).
39. Hu M.K. Visual pattern recognition by moment invariants // IRE transactions on information theory. 1962. Vol. 8(2). P. 179-187.
40. Lowe D.G. Object recognition from local scale-invariant features // Computer vision, 1999. The proceedings of the seventh IEEE international conference on.
1999. Vol. 2. P 1150-1157.
41.2D Features Framework. OpenCV 2.4 documentation [Электронный ресурс]. URL: http://docs.opencv.org/2.4/modules/features2d/doc/features2d.html(дата обращения: 07.06.2018).
42. Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. 2001. Vol. 1. P I-511-I-518.
43. Волосатова Т.М., Козов А.В. Особенности методов распознавания образов в автоматической системе управления поворотом мобильного робота // Мехатроника, автоматизация, управление. 2018. T. 19. N 2. С. 104-110.
44. Волосатова Т.М., Денисов А.В., Чичварин Н.В. Комбинированные методы защиты данных в САПР // Информационные технологии. 2012. N 5. С. 1-32.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ