НАУЧНО-ТЕХНИЧЕСКИЕ АСПЕКТЫ ПРИМЕНЕНИЯ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ПРИ ОБРАБОТКЕ LIDAR-ДАННЫХ
DOI:
https://doi.org/10.22213/2410-9304-2018-1-4-10Ключевые слова:
лазерное сканирование, времяпролетная камера, кластерный анализ данных, параметры обработки, метод главных компонент, маршрутная картаАннотация
Процесс обработки экспериментальных данных с целью последующего принятия решений в области управления мобильным роботом является одним из сложных процессов, требующих применения современных алгоритмов и математических методов. Наиболее часто данные о позиционировании мобильного робота формируются с помощью систем технического зрения. Одной из проблем управления мобильными роботами является своевременное определение координат местоположения мобильного робота и препятствий его движению. Рассматриваемая система технического зрения на основе LIDAR не только осуществляет пространственную ориентацию мобильного робота, но и формирует единый технический модуль. Указанный модуль обладает рядом преимуществ при обработке экспериментальных данных производственных помещений, имеющих значительную площадь и представленных множеством динамических и статических объектов. В работе предложено использование алгоритма агломеративной иерархической кластеризации с применением метода главных компонент для обработки данных о местоположении робота, полученных при помощи лазерного дальномера Hokuyo UTM-30LN. Статья посвящена разработке системы сканирования и последующего формирования маршрутной карты с использованием двух параметров системы технического зрения - расстояния и интенсивности. В работе приведено математическое описание алгоритма кластеризации, реализован процесс построения маршрутной карты мобильным роботом с использованием данных, полученных при помощи LIDAR-системы. Указаны результаты обработки действительных данных, доказывающих эффективность применения модифицированного алгоритма с использованием LIDAR-параметров: расстояния до объекта и интенсивности светового излучения.Библиографические ссылки
Sergi F., Guillem A., Juan Andrade-Cetto, Carme T. Object modeling using a ToF camera under an uncertainty reduction approach // IEEE International Conferenceon Roboticsand Automation (ICRA). IEEE, 2010. C. 1306-1312.
Абрамов И. В., Абрамов А. И., Мазитов Т. М., Пальмов А. М. Применение пчелиного алгоритма для обработки данных лазерной сканирующей системы при навигации мобильных роботов // Вестник ИжГТУ имени М. Т. Калашникова. 2016. Т. 19. № 2. С. 101-104.
Абрамов И. В., Абрамов А. И., Мазитов Т. М. Модификация алгоритма ICP путем внедрения коэффициента усиления для ускорения совмещения облаков точек // Интеллектуальные системы в производстве. 2016. Т.14. № 2. С. 4-9.
Баранова И. В., Ооржак О. Е. Алгоритм кластеризации k-средних и его реализация в среде MATLAB // Сборник научных трудов XI Международной конференции студентов и молодых ученых. Томск, 2014. С. 645-647.
Huang Zhexue. Extensions to the k-means algorithm for clustering large data sets with categorical values // Data Mining and Knowledge Discovery. 1998. Т. 2. № 3. С. 283-304.
Ralambondrainy H. A conceptual version of the K-Means algorithm // Pattern Recognition Letters. 1995. Т. 16, № 11. С. 1147-1157.
San O. M., Huynh V. N., Nakamori Y. An alternative extension of the k-means algorithm for clustering categorical data // International JournalApplied Mathematic Computing Science. 2004. Т. 14, № 2. С. 241-247.
Jolliffe, I. T. Principal Component Analysis. Series: Springer Series in Statistics. М. : Springer, NY, 2002. 487 с.
Сканирующий лазерный дальномер UTM-30LN. URL: http://sensotek.ru/images/hokuyo/ UTM-30LX_spec_en.pdf (дата обращения: 04.11.2017).
Michael Steinbach, George Karypis, Vipin Kumar. A Comparison of Document Clustering Techniques. Department of Computer Science and Egineering. University of Minnesota, 2000. 20 c.
Воронцов К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования. URL: http://www.machinelearning.ru/wiki/images/ c/ca/Voron-ML-Clustering.pdf (дата обращения: 14.11.2017).
Кострикин А. И., Манин Ю. И. Линейная алгебра и геометрия. 5-е изд., перераб. и доп. М. : Лань, 2008. 304 с.