Для минимизация аварийных ситуаций необходимо применять все более точные методы оценки параметров движения транспортных средств.
При экспериментальном исследовании параметров движения автомобиля главным вопросом является выбор измерительного оборудования и методики обработки информации. Чтобы получить более достоверную и полную информацию о движении транспортного средства необходимо рассматривать разные режимы движения, в том числе и прямолинейное и криволинейное движение при разгоне, равномерном движении и торможении. В то же время нужно определять и такие параметры: траекторию движения, продольные и поперечные ускорения и скорости, скорость и угол вращения транспортного средства.
Решить эти проблемы можно с помощью технологии Data Fusion.
Спутниковая система навигации позволяет определять траекторию движения транспортного средства, скорость и направление движения. Для получения точных данных о положении транспортного средства будем использовать дифференциальный режим работы (рис. 1) [1, c. 76].
С помощью изображений в навигации можно сформировать методики, которые позволят автономным транспортным средствам ориентироваться в незнакомой среде. В сравнении с другими системами навигации, основное преимущество системы навигации на основе изображений состоит в том, что она предоставляет подробную информацию об окружении транспортного средства. Она также дает возможность определять ориентацию, распознавать объекты, задействовать устройства объезда препятствий.
В комплексе с СНС система навигации на основе изображений позволяет определять траекторию движения транспортного средства, скорость и направление движения, угловое положение транспортного средства и решать задачу объезда препятствий.
Интеграция СНС с системой навигации на основе изображений реализуется с помощью методов вычисления и фильтрации действительного вектора состояния.
Применения данной методики возможно для решения задач навигации мобильных транспортных роботов в пространстве и обеспечения безопасности движения транспортных средств. [2]
Data Fusion – комплексирование данных разного происхождения для их совместного анализа и обработки.
В основном разнородность данных и их источников определяется:
- различными типами данных (логический, целый, вещественный, объектный и др.);
- различной природой данных (числа, текст, аудио данные);
- различными типами баз данных – реляционные, иерархические, объектно-ориентированные, сетевые, многомерные и т.п.;
- различными форматами представления данных;
- различиями в степени распределенности систем хранения данных;
- различной природой данных (например, тексты, изображения, сигналы);
- различной степенью достоверности и точности данных, измеряемых в различных масштабах и единицах измерения;
- различной степенью и формой структурированности данных и т.п.
Основная целью технологии слияния данных (Data Fusion) – объединение данных полученных из разных источников, для решения таких задач: принятие решений, классификация, определение состояния объектов, оценка ситуации и т.д. [4].
Определение траектории движения является лишь одним из этапов планирования пути. Для планирования траектории используются следующие средства:
- энкодеры;
- инерционные датчики;
- системы технического зрения;
- генерирование траектории на основе данных навигационных и локационных систем ГЛОНАСС или GPS [3].
Широко распространенным является определение местоположения мобильного колесного робота на базе энкодера. Основным их преимуществом является простота. Но, в то же время, они имеют и недостатки, которые связаны с точностью и частотой измерений.
Визуальная одометрия – метод оценки положения и ориентации объекта с помощью анализа последовательности изображений снятых установленной на нем камерой (камерами) или фотоаппаратом. Этот метод используется в системах технического зрения. В результате оптической одометрии получают информацию о пройденном пути и направлении движения.
Визуальная одометрия позволяет построить систему навигации роботов, любого типа передвижения и на любой поверхности.
В общем виде алгоритм получения траектории с помощью визуальной одометрии состоит из следующих этапов (Рис. 2):
Главное преимущество данного алгоритма – универсальность. К недостаткам относятся:
- алгоритм плохо работает с однотипными изображениями;
- дороговизна оборудования (в частности, камер);
- необходимость обеспечения высокой частоты получения кадров (уже существуют системы с частотой в десятки кГц)
- высокая вычислительная загрузка.
Выводы
Траектория движения транспортного средства, его скорость и направление движения определяется с помощью спутниковой системы навигации.
Для формирования методик ориентирования беспилотного транспортного средства в неизвестной окружающей обстановке используются изображения.
Основным преимуществом системы навигации на основе изображений является то, что она предоставляет подробную информацию об окружении транспортного средства.
В интеграции с СНС система навигации на основе изображений позволяет определять траекторию движения транспортного средства, скорость и направление движения, угловое положение транспортного средства и решать задачу объезда препятствий.
Комплексирование спутниковой навигационной системы с системой навигации на основе изображений реализуется с помощью методов вычисления и фильтрации действительного вектора состояния.
Библиографический список
- Соловьев Ю.А.Спутниковая навигация и ее приложение – М.:Эко-Трендз, 2003.
- Дергачев К.Ю., Поддубная Т.В. Применение технологии Data Fusion для определения параметров движения транспортного средства // Тезисы доклада – Международная научно-техническая конференция «Интегрированные компьютерные технологии в машиностроении ИКТМ – 2015», г.Харьков (http://k504.khai.edu/index.php/iktm-2015).
- Жуков Р.В. Методы оценки положения объекта в пространстве//Молодежный научно-технический вестник: электронный журнал.
- Технологии слияния данных (Data fusion) / Ананченко И. В. Санкт-Петербург- 2014– Режим доступа: http://sa.technolog.edu.ru/files/ananchenko/2.pdf
Количество просмотров публикации: Please wait