В статье представлен мобильный четырехногий робот с машинным зрением. Автономная мобильная робототехника нуждается в достоверной информации о рельефе подстилающей поверхности и расположении препятствий. Планирование маршрута мобильного наземного робота предполагает отображение видимой области с разделением ее на зоны хорошей или условной проходимости, непроходимости и неопределенных зон.
Ключевые слова: компьютерное зрение, калибровка камеры, поиск контура, распознавание препятствий, quadruped робот.
Для безопасного контроля здоровья граждан необходим автономный мобильный робот представленный на рисунке 1, способный передвигаться по городской местности и определять расстояние между людьми [1].
Рис. 1. Мобильный quadruped-робот
Компьютерное зрение играет важную роль в сегменте приложений занимающейся внутренней безопасностью, а также в автономной мобильной робототехнике. Задача компьютерного зрения заключается не в получении данных наблюдения с видеокамеры, а анализе и определения моментов требующих немедленного реагирования. Автономной мобильной робототехнике необходима достоверная информация о рельефе поверхности и местонахождения препятствий.
Планирование маршрута мобильного робота предполагает нанесение на карту видимой области зон, которые разделены по степени проходимости. Требуется распознавание дорожных знаков, дорожной разметки и классификации поверхности, по которой совершается движение.
Трехмерный расчет требует высокие вычислительные ресурсы компьютера и приводит к задержкам, ограничивая скорость своевременного отклика техники. Упрощение изображения путем контурирования границ ускоряет определение ключевых задач и распознавание объектов.
Автономная работа мобильного роботизированного транспортного средства должна быть обеспечена оборудованием компьютерного зрения, а также алгоритмами и средствами анализа видеоинформации. Движение в неопределенной среде требует решения задач локализации и навигации на основе исследования трехмерной среды. Измерение координат — это высокоприоритетная функция системы компьютерного зрения. На практике это означает, что автономный мобильный робот нуждается в достоверной информации о рельефе подстилающей поверхности и местонахождении препятствий [2].
Системы обнаружения объектов помещают ограничивающую рамку вокруг объектов и связывают правильную категорию объекта с каждой ограничивающей рамкой. Глубокое обучение — эффективный метод обнаружения объектов.
Социальное дистанцирование и температурный анализ — эффективные инструменты предотвращения распространения болезней. Они были предложены многими организациями, включая Всемирную организацию здравоохранения (ВОЗ). Коронавирус в первую очередь распространяется между людьми при близком контакте. Основываясь на этом факте, необходима система искусственного интеллекта для классификации людей с помощью тепловых изображений.
Прорабатывается методика обнаружения с глубоким обучением для отслеживания людей в помещениях и на улице. А также алгоритм для измерения расстояния между людьми и соблюдения правил социального дистанцирования. Следовательно, эта работа направлена на минимизацию распространения вируса COVID-19 путем оценки того, соблюдают ли люди правила социального дистанцирования и как они это делают.
Предлагаемый подход применяется к изображениям, полученным с помощью тепловизионных камер, для создания полной системы искусственного интеллекта для отслеживания людей, классификации социального дистанцирования и мониторинга температуры тела. На этапе обучения используются два набора данных, снятых с разных тепловизионных камер.
Согласно информации всемирной организации здравоохранения, социальное дистанцирование является наилучшей практикой, когда люди могут минимизировать физический контакт с возможными носителями COVID-19, сохраняя определенное расстояние между одним человеком и другим. Основная цель — предоставить комплексный инструмент и эффективные технологии, которые можно использовать для усиления социального дистанцирования. Технологии могут сыграть важную роль в облегчении практики социального дистанцирования. В таком контексте для решения этой проблемы могут использоваться искусственный интеллект (ИИ) и информационно-коммуникационные технологии (ИКТ).
В последнее время проблема классификации и обнаружения объектов на изображении решена благодаря улучшениям в компьютерном зрении и глубоком обучении в целом. Соответственно, развитие компьютерного зрения было сосредоточено на различных интересных и сложных темах, таких как передача нейронного стиля, сегментация и отслеживание, и, конечно же, обнаружение объектов.
Особенности работы системы компьютерного зрения обусловлены динамикой сбора данных на борту мобильного робота, что приводит к постоянному изменению точек обзора камеры. Это обстоятельство ужесточает требования к скорости обновления сбора данных трехмерного изображения и ограничивает возможности применения системы сканирования.
Планирование маршрута мобильного наземного робота требует картирования видимой области с разделением ее на зоны хорошей или условной проходимости и непроходимости. Зоны условной проходимости — это такие участки подстилающей поверхности, где движение возможно только с ограничениями по скорости или направлению.
Измерение трехмерного изображения с одной точки зрения не позволяет получить исчерпывающую информацию о координатах. Исследуемые объекты непрозрачны, поэтому из их сторон видны только те, которые направлены в сторону наблюдателя. Области за объектами экранируются, если высота объектов сопоставима или превышает уровень расположения датчика. Наряду с перечисленными выше зонами на карте видимой области необходимо ввести обозначение неопределенных зон. При восстановлении первичного изображения они могут быть записаны как зоны условной непроходимости.
Самым простым способом получения информации о трехмерных координатах является измерение двумерного углового распределения дальности до границы зоны прозрачности с последовательным вычислением линейных координат. Пассивные методы, основанные на триангуляции, требуют большого объема вычислений и не обеспечивают надежного соответствия результатов. Оптические системы локации с двухкоординатным сканированием также малоприменимы для решения задач мобильной робототехники, например, из-за увеличенного времени сбора данных.
Предлагаемый подход позволяет существенно сократить время обновления 3D и обеспечить информационное обеспечение безопасного высокоскоростного движения мобильной робототехники в неопределенной среде. Алгоритмическое и аппаратное разделение процессов ситуационного анализа с последующим переходом от точных расчетов к оценкам открывает новые возможности для повышения динамики мобильной робототехники. В то же время объектно-ориентированное восприятие окружающей среды создает благоприятные условия для развития когнитивных и самообучающихся робототехнических систем.
Для достижения поставленных целей необходимо определить формат данных для обмена информацией между 3D датчиком и центральным процессором. Также необходимо создать алгоритм декомпозиции изображения на объекты с критериями выявления зоны непроходимости. В этом случае предлагаемый подход сочетания систем активного и пассивного компьютерного зрения с упрощенной оценкой расстояний до препятствий способен обеспечить анализ динамической ситуации в реальном времени. Такое сочетание открывает новые перспективы для создания автономной мобильной робототехники.
Литература:
- Считывание и распознавание меток и маркировок. — Текст: электронный // МКОИ: [сайт]. — URL: http://www.mkoi.org/366/367/376/ (дата обращения: 27.05.2021).
- Техническое зрение роботов / И. М. 'В, А. А. Петров, В. С. Титов, Ю. Г. Якушенков. — Москва: Машиностроение, 1990. — 272 c. — Текст: непосредственный.
