НАУЧНО-ТЕХНИЧЕСКИЕ АСПЕКТЫ ПРИМЕНЕНИЯ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ПРИ ОБРАБОТКЕ LIDAR-ДАННЫХ

Авторы

  • И. В. Абрамов ИжГТУ имени М. Т. Калашникова
  • А. И. Абрамов ИжГТУ имени М. Т. Калашникова
  • А. И. Емельянов ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2018-1-4-10

Ключевые слова:

лазерное сканирование, времяпролетная камера, кластерный анализ данных, параметры обработки, метод главных компонент, маршрутная карта

Аннотация

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.

Биографии авторов

И. В. Абрамов, ИжГТУ имени М. Т. Калашникова

доктор технических наук, профессор, профессор кафедры «Мехатронные системы»

А. И. Абрамов, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, заведующий кафедрой «Мехатронные системы»

А. И. Емельянов, ИжГТУ имени М. Т. Калашникова

магистрант

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.

Загрузки

Опубликован

02.04.2018

Как цитировать

Абрамов, И. В., Абрамов, А. И., & Емельянов, А. И. (2018). НАУЧНО-ТЕХНИЧЕСКИЕ АСПЕКТЫ ПРИМЕНЕНИЯ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ПРИ ОБРАБОТКЕ LIDAR-ДАННЫХ. Интеллектуальные системы в производстве, 16(1), 4–10. https://doi.org/10.22213/2410-9304-2018-1-4-10

Выпуск

Раздел

Статьи