Алгоритм навигации беспилотного летательного аппарата на основе улучшенного алгоритма одновременной локализации и картографирования с адаптивным локальным диапазоном наблюдения

Предложено улучшить алгоритм одновременной локализации и картографирования с расширенным фильтром Калмана (Extended Kalman Filter for Simultaneous Localization and Mapping, EKF-SLAM), что позволяет при достаточной точности локализации в сложной среде существенно сократить объемы необходимых вычислений путем адаптации диапазона наблюдения в режиме реального времени в трехмерных средах для беспилотных летательных аппаратов (БПЛА). Построена облачно-точечная карта окружающей среды и вычислены координаты характерных точек среды восьмиточечным нормированным алгоритмом на основе монокулярного компьютерного зрения. Улучшения достигнуты с помощью адаптивного динамического ограничения текущих размеров наблюдаемой части окружающей среды и числа наблюдаемых ориентиров для коррекции позиционирования летательных аппаратов. Результаты моделирования показывают, что предложенный метод, существенно сокращающий объемы вычислений при сохранении точности локализации, может быть применен для навигации беспилотного летательного аппарата.

Литература

[1] Cheeseman P., Smith R., Self M. A stochastic map for uncertain spatial relationships // 4th Int. Symp. on Robotic Research. 1987. P. 467-474.

[2] Biswas J., Veloso M. Depth camera based indoor mobile robot localization and navigation // IEEE Int. Conf. on Robotics and Automation. 2012. P. 1697-1702. DOI: 10.1109/ICRA.2012.6224766 URL: http://ieeexplore.ieee.org/document/6224766

[3] Tu Y., Huang Z., Zhang X., et al. The mobile robot SLAM based on depth and visual sensing in structured environment // Robot Intelligence Technology and Applications 3. 2015. P. 343-357. DOI: 10.1007/978-3-319-16841-8_32 URL: https://link.springer.com/chapter/10.1007/978-3-319-16841-8_32

[4] Choi Y.W., Kim K.D., Choi J.W., Lee S.G. Laser image SLAM based on image matching for navigation of a mobile robot // Journal of the Korean Society for Precision Engineering. 2013. Vol. 30. No. 2. P. 177-184. DOI: 10.7736/KSPE.2013.30.2.177 URL: http://koreascience.or.kr/article/ArticleFullRecord.jsp?cn=JMGHBV_2013_v30n2_177

[5] Fabresse F.R., Caballero F., Maza I., Ollero A. Localization and mapping for aerial manipulation based on range-only measurements and visual markers // IEEE Int. Conf. on Robotics and Automation (ICRA). 2014. P. 2100-2106. DOI: 10.1109/ICRA.2014.6907147 URL: http://ieeexplore.ieee.org/document/6907147

[6] Roh H.C., Sung C.H., Kang M.T., Chung M.J. Fast SLAM using polar scan matching and particle weight based occupancy grid map for mobile robot // 8th Int. Conf. on Ubiquitous Robots and Ambient Intelligence (URAI). 2011. P. 756-757. DOI: 10.1109/URAI.2011.6146004 URL: http://ieeexplore.ieee.org/document/6146004

[7] Qu L., He S., Qu Y. An SLAM algorithm based on improved UKF // 24th Chinese Control and Decision Conf. (CCDC). 2012. P. 4154-4157. DOI: 10.1109/CCDC.2012.6243112 URL: http://ieeexplore.ieee.org/document/6243112

[8] Chatterjee A., Ray O., Chatterjee A., Rakshit A. Development of a real-life EKF based SLAM system for mobile robots employing vision sensing // Expert Systems with Applications. 2011. Vol. 38. No. 7. P. 8266-8274. DOI: 10.1016/j.eswa.2011.01.007 URL: http://www.sciencedirect.com/science/article/pii/S0957417411000273

[9] Sola J., Vidal-Calleja T., Civera J., Montiel J.M.M. Impact of landmark parametrization on monocular EKF-SLAM with points and lines // Int. Journal of Computer Vision. 2012. Vol. 97. No. 3. P. 339-368. DOI: 10.1007/s11263-011-0492-5 URL: https://link.springer.com/article/10.1007/s11263-011-0492-5

[10] Consistency of the EKF-SLAM algorithm / T. Bailey, J. Nieto, J. Guivant, M. Stevens, E. Nebot // IEEE/RSJ Int. Conf. on Intelligent Robots and Systems. 2006. P. 3562-3568. DOI: 10.1109/IROS.2006.281644 URL: http://ieeexplore.ieee.org/document/4058955

[11] Geng Ke Ke. An improved EKF-SLAM algorithm for mobile robot // Интернаука. 2016. № 2. С. 74-78.

[12] Krig S. Computer vision metrics: Survey, taxonomy, and analysis. Apress, 2014.

[13] Smith S.M., Brady J.M. SUSAN - a new approach to lowlevel image processing // Int. Journal of Computer Vision. 1997. Vol. 23. No. 1. P. 45-78. DOI: 10.1023/A:1007963824710 URL: https://link.springer.com/article/10.1023%2FA%3A1007963824710

[14] Гэн Кэ Кэ, Чулин Н.А. Метод реконструкции облачно-точечной карты окружающей среды на основе монокулярного компьютерного зрения в режиме реального времени // Международный журнал экспериментального образования. 2015. № 12-3. С. 437-442. URL: https://expeducation.ru/ru/article/view?id=9163

[15] Di Stefano L., Mattoccia S., Mola M. An efficient algorithm for exhaustive template matching based on normalized cross correlation // Proc. 12th Int. Conf. on Image Analysis and Processing. 2003. P. 322-327. DOI: 10.1109/ICIAP.2003.1234070 URL: http://ieeexplore.ieee.org/document/1234070

[16] Armangue X., Salvi J. Overall view regarding fundamental matrix estimation // Image and Vision Computing. 2003. Vol. 21. No. 2. P. 205-220. DOI: 10.1016/S0262-8856(02)00154-3 URL: http://www.sciencedirect.com/science/article/pii/S0262885602001543

[17] Camera calibration toolbox for Matlab // Vision.caltech: веб-сайт URL: http://www.vision.caltech.edu/bouguetj/calib_doc (дата обращения: 19.10.2016).

[18] Hartley R.I. Estimation of relative camera positions for uncalibrated cameras // European Conf. on Computer Vision. 1992. P. 579-587. DOI: 10.1007/3-540-55426-2_62 URL: https://link.springer.com/chapter/10.1007/3-540-55426-2_62?no-access=true

[19] Hartley R., Zisserman A. Multiple view geometry in computer vision. Cambridge University Press, 2003.

[20] Bunschoten R., Krose B. Visual odometry from an omnidirectional vision system // IEEE Int. Conf. on Robotics and Automation. 2003. Vol. 1. P. 577-583. DOI: 10.1109/ROBOT.2003.1241656 URL: http://ieeexplore.ieee.org/document/1241656

[21] Nistdr D., Naroditsky O., Bergen J. Visual odometry // Proc. 2004 IEEE Computer Society Conf. on Computer Vision and Pattern Recognition. 2004. No. 1. P. 652-659. DOI: 10.1109/CVPR.2004.1315094 URL: http://ieeexplore.ieee.org/document/1315094

[22] A solution to the simultaneous localization and map building (SLAM) problem / M.G. Dissanayake, P. Newman, S. Clark, H.F. Durrant-Whyte, M. Csorba // IEEE Transactions on Robotics and Automation. 2001. Vol. 17. No. 3. P. 229-241. DOI: 10.1109/70.938381 URL: http://ieeexplore.ieee.org/document/938381

[23] Bailey T. Mobile robot localization and mapping in extensive outdoor environments. The University of Sydney, 2002.

[24] Гэн Кэ Кэ, Чулин Н.А. Алгоритм локальной ассоциации данных SLAM на основе улучшенного муравьиного алгоритма // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2015. С. 340-355. DOI: 10.7463/1015.0818707 URL: http://technomag.edu.ru/jour/article/view/165