НАВИГАЦИЯ МОБИЛЬНОГО РОБОТА НА ОСНОВЕ МЕТОДОВ ЛАЗЕРНОЙ ДАЛЬНОМЕТРИИ 

Илья Николаевич Урваев, магистрант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: iurvaev@mail.ru 

681.321 

DOI

10.21685/2307-5538-2021-1-5 

Актуальность и цели. Объектом исследования в данной работе является система навигации для мобильного робота-спасателя, предназначенного для поиска пострадавших людей, находящихся под обломками разрушенных конструкций. Предметом исследования являются методы локализации и построение карты неизвестной местности. Целью исследования является поиск наиболее универсального и точного способа навигации для управления движением мобильного робота в среде с динамическими препятствиями.
Материалы и методы. Для решения поставленных задач в работе использовались методы лазерной дальнометрии и SLAM-методы для локализации и построения карты местности.
Результаты. Предложен алгоритм управления системой навигации мобильного робота, использующий метод лазерной дальнометрии для сканирования окружающего пространства. Местоположение робота определяется в системе локальных координат, связанных с исходным положением робота, так как априорная информация о его положении в пространстве отсутствует. Навигационная система робота самостоятельно строит карту его передвижения.
Выводы. Предложенный способ навигации мобильного робота на основе лидара позволяет построить карту пространства, структура которого заранее неизвестна, и определить позицию робота на ней. Необходимость использования жесткой логики системы навигации снижает маневренность и скорость передвижения мобильного робота, поэтому для оптимизации траектории движения целесообразно применять технологии искусственного интеллекта. 

Ключевые слова

мобильный робот, система навигации, лазерный дальномер, сканирующий лидар, карта местности, динамические препятствия 

 Скачать статью в формате PDF

1. Войтович, И. Д., Корсунский В. М. Интеллектуальные сенсоры : учеб. пособие. М. : Бином. Лаборатория знаний, 2009. С. 51–53. ISBN 978-5-9963-0124-9
2. Дергачев, В. В., Карташов О. О. Способы оценки и снижения вычислительной сложности алгоритмов принятия решений в задачах одновременной локализации и картографирования // Инженерный вестник Дона. 2017. № 4. URL: ivdon.ru/ru/magazine/archive/n4y2017/4598
3. Кучерский, Р. В., Манько С. В. Алгоритмы локальной навигации и картографии для бортовой системы управления автономного мобильного робота // Известия ЮФУ. Технические науки. 2012. № 3. С. 13–22. ISSN 1999-9429.
4. Endres F., Hess J., Engelhard N. [et al.]. An evaluation of the RGB-D SLAM system // Robotics and Automation (ICRA) : 2012 IEEE International Conference. 2012. P. 1691–1696.
5. Lu F., Milios E. Robot pose estimation in unknown environments by matching 2d range scans // Journal of Intelligent and Robotic Systems. 1997. Vol. 18, № 3. P. 249–275.
6. Park J., Lee S., Park J. Correction robot pose for SLAM based on Extended Kalman Filter in a rough surface environment // International Journal of Advanced Robotic Systems. 2009. Vol. 6, № 2. P. 67–72.
7. Eliazar A., Parr R. DP-SLAM: Fast, robust simultaneous localization and mapping without predetermined landmarks // Proceedings of the 18th International Joint Conference on Artificial Intelligence (IJCAI). 2003. P. 1135–1142.
8. Zhang Z. A flexible new technique for camera calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. Vol. 22, № 11. P. 1330–1334.
9. Steux B., Hanzaoui O. EI. TinySLAM: A SLAM algorithm in less than 200 lines C-language program // Control Automation Robotics & Vision (ICARCV) : 11th International Conference. 2010. P. 1975–1979.
10. Garrido-Jurado, S., Munos-Salinas R., Madrid-Cuevas F. J., Marin-Jimenez M. J. Automatic generation and detection of highly reliable fiducial markers under occlusion // Pattern Recognition. 2014. Vol. 47, № 6. P. 2280–2292.