Разработка системы технического зрения для автономного управления робототехнической системой
ВВЕДЕНИЕ
В настоящее время цифровая обработка и анализ изображений используются в разных сферах, таких как биомедицинские исследования, системы управления, промышленный контроль, а также интеллектуальные робототехнические комплексы и многие другие. Эта технология нашла обширное применение в робототехнике.
Для компьютерного зрения в робототехнике одной из самых сложных задач является распознавание объектов, включающее в себя обнаружение и идентификацию объектов, а также построение карт местности.
В целом, исследование представляет собой вклад в развитие робототехники и автономных систем управления, которые могут быть использованы в различных сферах, таких как производственные линии, медицинские учреждения и транспортные средства.
Компьютерное зрение для управления робототехнического устройства - одна из ключевых областей исследований. В данном исследовании мы рассмотрим новые подходы и алгоритмы, которые позволяют роботу обнаруживать и избегать препятствий при движении. Обс
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 7
1 Описание исследуемой области 9
1.1 Техническое зрение 9
1.2 Задачи технического зрения 10
1.3 Уровни и методы технического зрения 11
1.4 Алгоритмы технического зрения…………12
1.4.1 Робастность 12
1.4.2 Точность 13
1.4.3 Вычислительная реализуемость 15
2 Процессы обработки и анализа изображений 16
3 Slam-алгоритмы. исследование существующих программных комплексов 18
3.1 Slam-алгоритмы 18
3.2 Обзор функциональных возможностей и технических характеристик навигационных систем 20
4 Выбор программных комплексов для реализации алгоритмов 26
5 Обзор технологии kinect 28
6 Разработка системы технического зрения с базой знаний 30
6.1 Обнаружение препятствия 30
6.1.1 Анализ карты глубины 30
6.1.2 Экспериментальные исследования 32
6.1.3 Идентификация препятствия 37
6.1.4 Выбор направления объезда 40
7 Макет робота с системой технического зрения с базой знаний 44
8 Система технического зрения с алгоритмом Slam……………………………..47
ЗАКЛЮЧЕНИЕ……………………………………………………………………..56
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 58
ПРИЛОЖЕНИЕ А. Реализованный алгоритм блока для вычисления расстояния до объекта в программном пакете с графическим языком G 61
ПРИЛОЖЕНИЕ Б. Реализованный алгоритм блока для калибровки объекта- препятствия в программном пакете с графическим языком G 62
ПРИЛОЖЕНИЕ В. Общая схема инициализации сенсора WINDOWS Kinect в программном пакете с графическим языком G 63
ПРИЛОЖЕНИЕ Г. Листинг скрипта для построения карты глубины с использованием RTAB-Map 64
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Визильтер Ю. В., Желтов С. Ю., Князь В. А., Ходарев А. Н., Моржин А. В. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision // ДМК Пресс. 2007. 464 с.
2. Forstner W. Midlevel vision processes for automatic building extraction, Automatic Extraction of Man'Made.Objects from Aerial and Space Images. // Birkhauser Verlag, Basel. 1995.
3. Huertas A., Nevatia R. Detecting buildings in aerial images. // Computer Vision, Graphics and image processing. 1988.
4. Zheltov S. Yu., Blochinov Yu. B., Stepanov А. А., Sibiryakov А. V. Computer 3D Site Model Generation Based On Aerial Images. // SPIE Proceedings. 1997. Vol.3084.
5. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов // Радио и связь. 1987. 400 c.
6. Бабич А.М. Методы и алгоритмы определения пространственных характеристик стационарных объектов при навигации мобильного робота с монокулярной системой технического зрения // автореферат дис. канд. тех. наук. Пенза. 2013. 19 с.
7. Анисимов Б. В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений // Высшая школа, 1983. 295 с.
8. Гонсалес Р., ВУДС Р., Цифровая обработка изображений // Техносфера, 2005. 1072 c.
9. Горелик А. Г., Скрипкин В. А. Методы распознавания // Высшая школа, 1984. 208 c.
10. Borenstein, J., Everett, H. R., Where am I? Sensors and Methods for Mobile Robot Positioning // Michigan: University of Michigan, 1996. 282с.
11. ARNL Path Planning and Navigation. // Mobile Robots Research and Academic CustomerтSupport. [Электронный ресурс] URL: http://robots.mobilerobots.com/ARNL_Path_Planning_Navigation (дата обращения: 19.04.23)
12. ROS.org | Powering the world's robots [Электронный ресурс] URL: http://www.ros.org (дата обращения: 20.04.23)
13. Besl, P.J. A method for registration of 3-D shapes / P.J. Besl, H.D. McKay // Pattern Analysis and Machine Intelligence, IEEE Transactions. 1992. P. 239–256.
14. Kinect for Windows SDK. Часть 1. Сенсор. [Электронный ресурс] URL: http://habrahabr.ru/post/150955/
Библиотека функций для разработки интеллектуальной навигации мобильных роботов ARNL, по словам разработчиков, позволяет реализовать надежные, высококачественные, гибкие возможности в области навигации и поставляется с каждым роботом. Технология навигации запатентована и применяется в промышленных и коммерческих роботах. Любой разработчик может использовать эту технологию для поддержки и дополнения собственных разработок, включив ее в программное обеспечение для автоматического управления движением робота. Планирование траектории к любой цели внутри некоторого известного пространства и управление роботом для движения траектории, избегая препятствия и запрещенные области, реализовано в базовой библиотеке BaseARNL, которая также содержит основной интерфейс для методов локализации. В различных библиотеках имеются разные методы SLAM для надёжной навигации в любых типах помещений. Для высокоточной локализации по карте используются как данные от лазерного дальномера, так и одометрия робота. Построение карты происходит в следующем режиме: оператор управляет движением робота и перемещает его по помещению, после чего карта загружается уже непосредственно в программу про