Го Ц., асп. каф. инфокоммуникационных технологий
Минск
Guo Q., Postgraduate of Infocommunication Technologies Department
Minsk
Зорько М. И., ассис. каф. инфокоммуникационных технологий
Минск
Zorko M., Assistant at the Department of Infocommunication Technologies
Minsk
Чэн Н., канд. техн. наук, проф. факультета коммуникационной инженерии
Сиань
Cheng N., Cand. Sci. (Tech.), Professor of the School of Telecommunications Engineering
Xi’an
Цветков Виктор Юрьевич, д-р техн. наук, проф., зав. каф. инфокоммуникационных технологий Тел.: +375 17 293-84-08
220013, Минск, ул. П. Бровки, 6
Tsviatkou Viktar, Dr. Sci. (Tech.), Professor, Head of the Department of Infocommunication Technologies Tel.: +375 17 293-84-08
220013, Minsk, P. Brovki St., 6
Рассматривается задача повышения точности определения дистанции до объекта в видеоцентрической самоорганизующейся многороботной системе без одометрии (POM-MRS), функционирующей в квазистационарном режиме. В современных POM-MRS задачи обнаружения опорного агента для измерения дистанции до объекта окружения, сетевой идентификации опорного агента (установления соответствия между изображением агента и его сетевым адресом) и определения его ориентации решаются с помощью комплексного нейросетевого детектирования, что ограничивает распределенный стереобазис и дает относительно малую точность измерений дистанции до объекта в условиях крупномасштабных открытых пространств. Для повышения точности определения дистанции до объекта окружения предлагается модель на основе локальной согласованной триангуляции с аналитической оценкой ошибок измерений и протокольно-геометрической верификацией гипотез о детектировании агентов. Модель позволяет уменьшить эти ошибки по сравнению с моделями однороботных систем на основе одометрии и известными моделями POM-MRS на базе комплексного нейросетевого детектирования агентов.
This paper considers the problem of increasing the accuracy of object distance determination in a video-centric self-organizing multi-robot system without odometry (POM-MRS) operating in a quasi-stationary mode. In modern POM-MRS, the tasks of detecting a reference agent for measuring the distance to an environmental object, network identification of the reference agent (establishing a correspondence between the agent’s image and its network address), and determining its orientation are solved using complex neural network detection. This limits the distributed stereo basis and results in relatively low accuracy of object distance measurements in large-scale open spaces. To improve the accuracy of environmental distance determination, we propose a model based on local consistent triangulation with an analytical assessment of measurement errors and protocol-geometric verification of agent detection hypotheses. The model reduces these errors compared to single-robot system models based on odometry and existing POM-MRS models based on complex neural network agent detection.
The authors declare that there are no conflicts of interest present.