Информационно-алгоритмическое обеспечение измерительного комплекса определения взаимного положения ведущего и ведомого транспортного средства тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Захарова Елена Александровна

• Захарова Елена Александровна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Захарова Елена Александровна

Оглавление

Введение

ГЛАВА 1. Предметная область и современное состояние проблемы определения взаимного положения ведущего и ведомого ТС

1. 1 Известные решения в области определения взаимного положения ведущего и ведомого ТС во время движения в составе автономного каравана

1.1.1 ИИК, основанные на ультразвуковых датчиках

1.1.2 ИИК, основанные на использовании радиосигналов и направленных антенн

1.1.3 ИИК, основанные на камерах видимого и инфракрасного диапазона

1.1.4 ИИК, основанные на лазерных сканерах

1.1.5 ИИК, основанные на глобальной системе спутникового позиционирования

1.1.6 ИИК, основанные на комплексировании различных типов датчиков

1.2 Сравнительный анализ известных решений

1.3 Выводы

ГЛАВА 2. Комплексный алгоритм оценки траектории ведущего во время движения в составе автономного каравана

2.1 Описание ИИК определения взаимного положения ведущего и ведомого ТС

2.2 Предварительная обработка результатов измерений

2.3 Способы оценки координат и траектории движения маяка

2.3.1 Конкурирующие подходы к оценке положения маяка

2.3.1.1 Оценка положения и траектории движения маяка с помощью расширенного фильтра Калмана

2.3.1.2 Оценка положения и траектории движения маяка с помощью ансцентного фильтра Калмана

2.3.1.3 Оценка положения и траектории движения маяка с помощью фильтра частиц66

2.3.2 Переход к линейной системе уравнений

2.3.2.2 Оценка положения и траектории движения маяка методом усреднения псевдорешения с помощью алгоритма экспоненциального сглаживания

2.3.2.3 Оценка положения и траектории движения маяка с помощью линейного фильтра Калмана

2.3.2.4 Оценка положения и траектории движения маяка с помощью модифицированного алгоритма сглаживания Рауха-Тунга-Штрибеля

2.3.3 Сравнительный анализ методов с использованием результатов моделирования

2.3.4 Сравнительный анализ методов с использованием результатов натурных испытаний

2.3.5 Влияние движения робота на оценку положения маяка

2.4 Выбор взаимного расположения модулей приема ультразвукового сигнала на ведомом ТС

2.5 Расширение дальности работы комплекса за счет введения ГНСС-приемника

2.6 Выводы

ГЛАВА 3. Калибровка ИИК определения взаимного положения ведущего и ведомого ТС

3. 1 Влияние структурных параметров модели ИИК на точность оценки положения маяка

3.2 Анализ существующих решений

3.3 Автоматизированная калибровка ИИК определения взаимного положения ведущего и ведомого ТС

3.3.1 Анализ результатов моделирования

3.3.2 Анализ результатов натурных испытаний

3.4 Выводы

ГЛАВА 4. Реализация и апробация ИИК определения взаимного положения ведущего и ведомого ТС

4.1 Аппаратная реализация ИИК определения взаимного положения ведущего и ведомого ТС

4.2 Апробация ИИК определения взаимного положения ведущего и ведомого ТС

4.2.1 Полевые испытания беспилотных ТС на полигоне Ногинского спасательного центра МЧС

4.2.2 Полевые испытания беспилотных робототехнических систем РобоКросс и всероссийский технологический фестиваль PROFEST

4.2.3 Динамический показ образцов робототехнических комплексов в рамках Международной выставки «День инноваций Министерства обороны Российской Федерации - 2015»

4.2.4 Европейские испытания сухопутных роботов ELROB

4.2.5 Составная часть опытно-конструкторской работы «Разработка и изготовление макета системы следования за маяком»

4.3 Выводы

Заключение

Список сокращений

Список обозначений

Список литературы

Приложение

Приложение

Приложение

Введение

Введение диссертации (часть автореферата) на тему «Информационно-алгоритмическое обеспечение измерительного комплекса определения взаимного положения ведущего и ведомого транспортного средства»

Актуальность темы.

Одним из основных направлений развития в области транспортировки грузов различного назначения является автономизация используемых транспортных средств (ТС) с целью увеличения безопасности и улучшения условий труда, а также сокращения расходов, связанных с человеческим фактором. Во всем мире ведущие автомобильные концерны, такие как КАМАЗ, ГАЗ, Vovlo, Daimler Trucks, Scania и другие научно-исследовательские группы занимаются проблемой автономного движения в составе каравана и, в частности, проблемой слежения за траекторией движения лидера каравана. Указанный сценарий предполагает движение ведомого ТС по траектории, максимально приближенной к траектории движения ведущего, в качестве которого может выступать другое автономное ТС, ТС под управлением оператора или человек. Спектр возможных участников автономного каравана довольно внушителен: от крупногабаритных ТС, используемых на дорогах общего пользования, до небольших мобильных роботов, применяемых в быту. Реализация указанного сценария работы позволяет упростить используемый математический аппарат и снизить требуемую вычислительную мощность, количество датчиков в измерительных системах ведомого ТС по сравнению с полностью автономными ТС, поскольку траектория движения ведомого зависит в большей степени от траектории движения лидера, чем от конечной точки назначения. Таким образом, корректируя движение лидера, можно исключить труднопроходимые участки дороги или статические препятствия для ведомого ТС.

Область применения указанного сценария работы необычайно широка. Автономная транспортировка грузов необходима как в военной, так и в гражданской сфере и сельском хозяйстве. Уже в конце 90-х годов исследователи совместно с армией США приступили к разработке беспилотных грузовиков, работающих в режиме следования за ведущим. В 2012 году компанией Oshkosh Defense была представлена система TerraMax, представляющая собой комплекс аппаратных и программных средств, устанавливаемых на внедорожные грузовики с целью их автономизации и использования в составе военных автономных конвоев [1]. В 2019 году вооруженные силы США совместно с Лабораторией оборонной науки и техники Великобритании провели первые полевые испытания с использованием беспилотных ТС MIRA VIKING 6x6 [2]. В военной сфере потребность данного режима работы беспилотного ТС объясняется необходимостью снизить уровень риска для здоровья и жизни людей в условиях боевых действий. Зачастую при транспортировке грузов в зоне ведения военных конфликтов водитель должен не только управлять движением ТС, но и следить за окружающей обстановкой, поскольку маршрут может быть проложен через местность, представляющую угрозу безопасности человека [3]. В этом случае движение беспилотного ТС в автономном

конвое позволит сократить число водителей до одного, управляющего ведущим ТС, а сопровождающие при этом могут сосредоточить внимание на окружающей местности, увеличив шанс своевременного обнаружения возникшей опасности, ввиду отсутствия необходимости следить за процессом вождения.

Автономное движение в составе колонны необходимо не только для крупногабаритных ТС. Во время пешего перемещения войск небольшие мобильные или биоморфные роботы, следующие за человеком, могут взять на себя часть полезной нагрузки, тем самым облегчив и ускорив движение военнослужащих [4, 5]. Помимо этого во время ведения военного конфликта существует задача поддержки солдат на линии фронта провизией и медикаментами, связанная с высокими рисками для тех, кто осуществляет снабжение (это так называемая проблема «последней мили»). На сегодняшний день одним из решений проблемы является робот-мул, способный следовать за ведущим и, запомнив маршрут следования, возвращаться обратно за новой порцией полезного груза. Наряду со снабжением подобные роботы могут использоваться для эвакуации раненых или в качестве ретрансляторов связи.

Роботизированные системы поддержки пехоты разрабатываются во всем мире. Они выполнены как в виде биоморфных роботов, например, робот BigDog компании Boston Dynamics или робот Laikago компании Unitree Robotics, так и в виде колесных или гусеничных платформ, например, колесный робот Mission Master компании Rheinmetall [6] или гусеничный робот THeMIS компании Milrem Robotics. В России также с 2015 АО «ВНИИ «Сигнал» ведется работа по созданию базовой платформы среднего мобильного биоморфного робота «Рысь», функциональное назначение которого определяется установленной целевой нагрузкой [7]. В качестве целевой нагрузки могут быть использованы средства разведки, средства эвакуации убитых и раненых с поля боя, платформа перевозки боеприпасов/амуниции и многое другое. Помимо дистанционного режима работы робот способен следовать за ведущим в автономном режиме.

Режим следования за ведущим также используется для малогабаритных гусеничных роботов весом 20 кг и менее, используемых для разведки городской местности в условиях боевых действий. Для эффективного охвата территории желательно, чтобы команда роботов могла часть пути пройти в автономном режиме, следуя по траектории движения лидера команды, тем самым минимизировав нагрузку на оператора и снизив его участие до обозначения путевых точек и промежуточных целей для ведущего робота [8].

В гражданской сфере необходимость движения автономных ТС и других мобильных роботов в составе каравана не менее востребовано. По подсчетам специалистов, благодаря автономизации процессов логистики, затраты на транспортировку будут сокращаться к 2025 году на 20%, а к 2030 году уже наполовину [9]. Также ожидается рост производительности за

счет сокращения затрат, связанных со временем простоя ТС, и за счет снижения количества необходимого персонала, т.к. водитель ведущего ТС, в сущности, управляет маневрированием и скоростью всего каравана. Помимо этого исследования показали, что во время движения с постоянной скоростью крупногабаритных ТС в составе каравана снижается расход топлива, так как уменьшается сопротивление воздуха для ТС, следующих за лидером. В качестве примера можно привести цифры, рассчитанные специалистами концерна Daimler для автономного каравана из трех грузовых ТС. Если принять общую массу груза прицепа около 40 тонн, то потребление в результате движения в составе каравана снизится до 25 л бензина на 100 км, а выброс углекислого газа составит 13,3 грамма на тонно-километр, что ниже, чем у легкового автомобиля с двигателем внутреннего сгорания [10].

На сегодняшний день в России, Европе, Китае, США и Японии проводятся тестовые испытания колон беспилотных грузовиков во главе с ведущим ТС под управлением человека на дорогах общего пользования. Концерн Daimler в 2016 году представил свою технологию Highway Pilot, позволяющую беспилотным грузовым ТС двигаться в составе колонны с минимальным расстоянием 15 м друг от друга. В США существует несколько стартапов, разрабатывающих свою технологию автономного каравана, в качестве примера можно привести компании Convoy и Locomation, последняя из которых провела пилотный пуск беспилотных грузовых ТС по дорогам между Портлендом в штате Орегон и Нампа в Айдахо общей протяженностью пути около 5500 км. Летом 2019 года компании DB Schenker, MAN Truck & Bus и университет прикладных наук Fresenius провели испытания технологии Platooning. Испытания длились семь месяцев, в течение которых автономный караван прошел приблизительно 35000 км. Как утверждают исследователи, система Platooning работала бесперебойно на протяжении 98% времени [11]. В России в апреле 2020 года ПАО КАМАЗ совместно с компанией «Газпром нефть» продемонстрировала движение колонны беспилотных ТС в сложных природно-климатических условиях Заполярья [12]. Обзор существующих систем представлен в работе [13].

Наряду с дорогами общего пользования автономные ТС, следующие за ведущим, могут использоваться для улучшения качества логистики и снижения уровня затрат промышленных предприятий, осуществляя транспортировку грузов между цехами и складами на внутренней территории одного предприятия. Помимо этого автономный караван востребован в горнодобывающей промышленности. Один из лидеров в этой области машиностроительная компания Komatsu с 2005 года начала проводить испытания автономных грузовиков на руднике Codelco Radomiro Tomic в Чили. В России автономизацией процессов логистики в горно-добывающей промышленности занимается компания VIST Robotics. Не менее востребован рассматриваемый режим работы мобильных роботов в аэропортах, а именно в процессах, связанных с

транспортировкой людей и багажа от терминалов до взлетно-посадочных полос и обратно, а также уборкой снега на территории. Так, начиная с 2017 года, аэропорт Франкфурта приступил к опытной эксплуатации каравана автономных снегоуборщиков, произведенных компанией Mercedes-Benz [14].

В настоящий момент специалистами ФГБУ ВНИИПО МЧС России совместно с рядом отечественных предприятий ведутся разработки по внедрению технологии автономного каравана в мобильные робототехнические комплексы (МРК), предназначенные для ликвидации последствий чрезвычайных ситуаций. Необходимость указанного сценария работы объясняется большим количеством операций, во время выполнения которых МРК выполняют похожие функциональные задачи. В качестве примера можно привести ведение длительного процесса тушения пожара или поиск возможного очага возгорания, во время которых МРК должны выполнять одинаковые действия: выдвижение к очагу горения, маневрирование и взаимная поддержка при подаче огнетушащего вещества [15].

Также существует потребность в небольших мобильных роботах, следующих за человеком. В ряде компаний разрабатывается концепция «умного» чемодана, представляющего собой небольшое роботизированное устройство, оснащенное колесным шасси, аккумулятором и системой слежения за человеком [16, 17]. Подобное устройство способно двигаться за владельцем, неся в себе полезную нагрузку. В России компания Нилар представляет систему автоматического следования грузового робота за человеком [18]. Предполагается, что подобный робот может облегчить и убыстрить процедуру размещения товаров на складе.

Сельское хозяйство также нуждается в беспилотных ТС, способных в автономном режиме двигаться в составе колонны, поскольку существует ряд операций, выполнение которых необходимо сделать за короткие сроки, так как от этого зависит рентабельность. В качестве примера подобной операции можно выделить посев и уборку зерновых культур с использованием комбайнов. При сборке урожая в течение 8-часовой смены комбайны простаивают около 2 - 3 часов в среднем из-за выгрузки зерна при заполнении внутреннего контейнера комбайна, что ведет к опасному растягиванию агротехнологических сроков, либо к увеличению парка оборудования. Для увеличения эффективности операций посева и уборки зерновых совместно с комбайнами используются бункеры-перегрузчики, в качестве которых может быть использовано автономное ТС, работающее в режиме следования за ведущим, в роли которого выступает комбайн. Помимо операций по сбору урожая система слежения за ведущим может быть использована при параллельных процессах обработки почвы и посева вдоль ряда. В этом случае один трактор, оснащенный системой, повторяет траекторию движения ведущего трактора с некоторым боковым смещением.

Разработками в сфере движения автономных роботов в составе каравана занимались российские и зарубежные ученые, а именно И.Л. Ермолов [19], С.Л. Зенкевич [20, 21], Р.С. Курганский [22], С.А. Собольников [23], M.C. Baltzer [24], A. Stancovici [44, 45], S.M. Martin [83 - 88] и др.

Среди групп разработчиков технологии автономного вождения можно выделить компании КАМАЗ, ГАЗ, Daimler, MAN Truck, Oshkosh Defense, Rheinmetall и научные коллективы Института проблем механики им. А.Ю. Ишлинского РАН в лице В.Г. Градецкого, М.М. Князькова и др., Института автоматики и электрометрии СО РАН в лице Ю.Н. Золотухина, К.Ю. Котова и др, Университет Бундесвера в Мюнхене в лице C. Fries, H.J. Wuensche и др.

Для того чтобы реализация сценария работы беспилотного ТС в составе каравана соответствовала требованиям, предъявляемым к указанному режиму работы, необходима точная и надежная оценка положения ведущего относительно ведомого ТС. Именно поэтому информационно-измерительный комплекс, обеспечивающий оценку взаимного положения ведущего и ведомого, играет большую роль во время функционирования роботизированного ТС. Основными требованиями к комплексу является точность, работоспособность в дневное и ночное время суток в любых погодных условиях как вне, так и внутри помещений и низкая стоимость относительно цены всего ведомого ТС. Используемые в настоящий момент комплексы слежения за ведущим не удовлетворяют в полной мере всем основным требованиям. Комплексы, основанные на ГНСС приемниках, функционируют только на открытой местности, а при использовании лазерных сканеров и камер видимого и инфракрасного диапазона возникает неудобство с необходимостью знать заранее некоторые визуальные характеристики ведущего для его дальнейшей идентификации, помимо этого на качество измерительной информации сильно влияют погодные условия. Комплексы, основанные на ультразвуковых датчиках и направленных антеннах, менее подвержены негативным факторам окружающей среды, однако имеют ограничение по максимальному расстоянию между ведущим и ведомым ТС и невысокую точность оценки взаимного расположения, поскольку внешние помехи, многолучевое распространение сигнала и другие факторы искажают первичную измерительную информацию, используемую для оценки. Комплексы, основанные на комбинировании разных типов датчиков, зачастую сложны в реализации и настройке, а также имеют высокую стоимость. Опираясь на вышесказанное, можно сказать, что задача, решаемая в диссертационной работе, актуальна.

Целью работы является разработка алгоритмического обеспечения информационно-измерительного комплекса, позволяющего выполнять оценку взаимного положения ведущего и ведомого ТС с последующим восстановлением траектории движения ведущего для движения в

составе автономного каравана при наличии неблагоприятных факторов окружающей среды внутри и вне помещений в любое время суток.

Для достижения цели решаются следующие задачи.

1. Разработка и исследование методов получения оценки взаимного положения ведущего и ведомого ТС.

2. Разработка алгоритма восстановления траектории движения ведущего, необходимого для планирования движения ведомого ТС.

3. Разработка алгоритма компенсации систематической составляющей определения взаимного положения ведущего и ведомого в составе автономного каравана по данным ГНСС.

4. Разработка аппаратной части ИИК определения взаимного положения ведущего и ведомого ТС.

5. Разработка алгоритма калибровки ИИК определения взаимного положения ведущего и ведомого ТС.

6. Испытание и исследование ИИК определения взаимного положения ведущего и ведомого ТС с целью подтверждения правильности предложенных решений.

Методы исследования базируются на методах математического моделирования, методах цифровой фильтрации сигналов, теории вероятности, численных методах оптимизации.

Научная новизна.

1. Предложен и реализован алгоритм восстановления траектории ультразвукового маяка во время движения в составе автономного каравана на основе данных пространственной решетки модулей приема ультразвукового сигнала информационно-измерительного комплекса, снижающий СКО погрешности восстановления.

2. Разработан алгоритм компенсации систематической составляющей погрешности определения взаимного положения ведущего и ведомого в составе автономного каравана по данным ГНСС на основе измерительных данных образцового ультразвукового измерительного канала.

3. Предложен и реализован комплексный алгоритм оценки положения и траектории ведущего во время движения в составе автономного каравана, использующий спорадическую компенсацию погрешности оценки положения и траектории, выполняемую при выходе маяка из зоны действия решетки модулей приема ультразвукового сигнала.

4. Разработан метод автоматизированной калибровки информационно-измерительного комплекса определения взаимного положения ведущего и ведомого ТС на основе измерительных данных образцового лидара.

Достоверность полученных результатов подтверждена экспериментальными исследованиями, проведёнными для каждого из предложенных алгоритмов.

Практическая значимость и внедрение результатов работы.

1. На основе предложенных методов и алгоритмов разработан опытный образец ИИК определения взаимного положения ведущего и ведомого ТС.

2. Серия испытаний опытного образца ИИК показала целесообразность применения разработанных методов и алгоритмов в системах караванного вождения.

3. Результаты работы были использованы при выполнении СЧ ОКР «Разработка и изготовление макета системы следования за маяком» для АО «ВНИИ «Сигнал».

4. Результаты работы использованы в разработках ООО «КБ АВРОРА».

5. Результаты внедрены в учебный процесс РГРТУ.

Внедрение результатов работы.

Результаты работы были использованы в АО «ВНИИ «Сигнал», а также в учебном процессе ФГБОУ ВО «Рязанский государственный радиотехнический университет им. В.Ф. Уткина».

Положения, выносимые на защиту.

1. Алгоритм восстановления траектории ведущего во время движения в составе автономного каравана на основе модифицированного метода Рауха-Тунга-Штрибеля, снижающий СКО погрешности восстановления на 16% по сравнению с базовыми алгоритмами.

2. Комплексный алгоритм оценки положения и траектории ведущего во время движения в составе автономного каравана, использующий спорадическую компенсацию систематической составляющей погрешности ГНСС и снижающий систематическую погрешность на 45%.

3. Метод автоматизированной калибровки информационно-измерительного комплекса определения взаимного положения ведущего и ведомого ТС, снижающий погрешность оценки положения ведущего на 70% по сравнению с использованием номинальных характеристик комплекса.

Апробация работы проведена в форме научных докладов, дискуссий по основным результатам диссертационной работы, которые включали следующие основные конференции и форумы: Всероссийская НТК «Биотехнические, медицинские, экологические системы и робототехнические комплексы - БИОМЕДСИСТЕМЫ-2018» (Рязань, 2018 г.), Международная НТК «21st International Symposium on Measurement and Control in Robotics, ISMCR 2018» (Ланс, Бельгия, 2018 г.), Международная НТК «8th Mediterranean Conference on Embedded Computing, MECO 2019» (Будва, Черногория, 2019 г.), а также в форме испытаний, таких как международные испытания и динамический показ робототехнических систем «ELR0B-2016»

(Эгендорф, Австрия, 2016 г.) и «ELROB-2018» (Ланс, Бельгия, 2018 г.), динамический показ на Международном военно-техническом форуме «АРМИЯ-2015». Структура и объем работы.

Диссертационная работа состоит из введения, четырех глав, заключения, списка сокращений и обозначений, списка литературы и приложений. Общий объём работы составляет 149 страниц, содержащих 67 рисунков и 7 таблиц. Список использованной литературы включает 155 источников.

Публикации по теме диссертации.

Опубликовано 8 печатных работ, из них - 2 статьи из списка изданий, рекомендованных ВАК РФ, 2 статьи в международных изданиях из базы Scopus, 4 тезиса докладов на конференциях, также получено свидетельство о государственной регистрации программы для ЭВМ № 2016612136.

ГЛАВА 1. Предметная область и современное состояние проблемы определения взаимного положения ведущего и ведомого ТС

1.1 Известные решения в области определения взаимного положения ведущего и ведомого ТС во время движения в составе автономного каравана

Для решения задачи определения взаимного положения ведущего и ведомого ТС используются ИИК с различными типами датчиков, при этом каждый из ИИК имеет ряд преимуществ и недостатков. Основными требованиями к комплексам подобного рода являются высокая точность оценки положения ведущего, позволяющая впоследствии воспроизвести траекторию его движения ведомым ТС, а также работоспособность комплекса в широком спектре погодных условий, как на открытых, так и на урбанизированных участках местности, внутри и вне помещений. Помимо этого ключевую роль играет конечная стоимость ИИК и способность внедрения в существующие ТС без существенного изменения конструкции последнего. По типу используемых датчиков существующие ИИК определения взаимного положения между ведущим и ведомым ТС можно классифицировать следующим образом:

- ИИК, основанные на глобальных системах спутникового позиционирования, таких как ГЛОНАСС, GPS, BeiDou и т.д.;

- ИИК, основанные на камерах видимого и инфракрасного диапазона;

- ИИК, основанные на лазерных сканерах;

- ИИК, основанные на ультразвуковых датчиках;

- ИИК, основанные на использовании радиосигналов и направленных антенн;

- ИИК, основанные на комплексировании разных типов датчиков.

Отдельно стоит отметить класс связанных задач, включающих в себя комплексы слежения за объектами внутри помещений на основе сенсорных сетей с применением датчиков различной физической природы, используемых для логистики объектов внутри зданий, внутренних территорий промышленных предприятий [25, 26]. Подобного рода комплексы не применяются напрямую для обеспечения автономного движения каравана ТС, однако принципы работы этих комплексов во многом схожи с принципами функционирования ИИК определения взаимного положения между ведущим и ведомым ТС, описанных ранее.

1.1.1 ИИК, основанные на ультразвуковых датчиках

Как правило, ультразвуковые датчики применяются для измерения расстояния между самим датчиком и объектом, располагающимся в зоне функционирования датчика, что преимущественно используется для локализации в пространстве и огибания препятствий автономным ТС. Несмотря на это, ИИК, основанные на ультразвуковых датчиках, получили широкое распространение. Это обусловлено преимуществами акустических измерений, такими

как относительная простота аппаратуры излучения и приема колебаний, устойчивость к химическому и оптическому загрязнению окружающей среды, сравнительно малая стоимость, нечувствительность к электромагнитным помехам, возможность работать в любое время суток в любых погодных условиях [27]. Как правило, в подобных комплексах ведущий оснащается активным маяком, излучающим ультразвуковые волны, а ультразвуковые приемники размещаются на ведомом ТС, если рассматривается задача автономного каравана. В комплексах слежения за объектом внутри помещения ультразвуковые приемники располагаются на потолке и стенах здания.

Общий принцип работы подобных комплексов основан на методах измерения времени пролета ультразвуковой волны от активного маяка до нескольких ультразвуковых приемников. В большинстве случаев используются три основных метода и их незначительные модификации и сочетания:

измерение времени прибытия ультразвуковой волны (ToA - Time of Arrival); измерение разницы во времени прибытия до нескольких ультразвуковых приемников (TDoA - Time Difference of Arrival);

- измерение угла прибытия ультразвуковой волны (AoA - Angle of Arrival).

Метод измерения времени прибытия ультразвуковой волны (ToA) подразделяется на синхронный и асинхронный. Суть синхронного метода ToA состоит в том, что активным маяком, содержащим в себе ультразвуковой излучатель, испускается ультразвуковая волна по направлению к ультразвуковым приемникам. Одновременно с этим активным маяком либо сторонним устройством испускается радиочастотный импульс, служащий сигналом начала цикла измерения ультразвуковых приемников. Поскольку скорость распространения радиочастотных сигналов несравнимо выше скорости распространения ультразвука, временем пролета радиочастотного сигнала можно пренебречь, либо учесть как систематическую составляющую погрешности измерения, и считать за начало отсчета времени пролета ультразвуковой волны момент прихода радиочастотного импульса к ультразвуковым приемникам. При получении радиочастотного сигнала каждый из используемых ультразвуковых приемников запускает встроенный таймер для измерения временного интервала прохождения пути ультразвуковой волной от активного маяка до конкретного приемника. В момент детектирования приемником ультразвуковой волны таймер останавливается. Измеренный временной промежуток преобразуется в расстояние между маяком и приемником с помощью формулы

r = ct ,

n n'

где c - скорость распространения ультразвука в воздухе, t - измеренный n -ым приемником

интервал времени. В дальнейшем найденное расстояние используется для расчета координат активного маяка в системе координат ультразвуковых приемников.

Основным недостатком метода является использование наряду с ультразвуковым излучателем и приемниками дополнительной пары устройств: радиопередатчика и радиоприемника - необходимых для синхронизации комплекса. Поскольку в некоторых приложениях требуется минимизация количества используемых компонентов в комплексе и удешевление всего комплекса в целом, возник асинхронный метод измерения времени прибытия ультразвуковой волны.

Реализация асинхронного метода измерения времени прибытия ультразвуковой волны схожа с синхронным методом с учетом отсутствия радиоимпульса, обозначающего начало измерительного цикла, что приводит к ошибке тактирования между активным маяком и приемниками. Существует несколько способов решения задачи локализации асинхронного источника. Один из методов предполагает, что при получении ультразвукового сигнала от активного маяка приемник генерирует в ответ ультразвуковую волну в направлении маяка, который в свою очередь измеряет время пролета ультразвуковой волны от маяка до приемника и обратно [28, 29]. Для реализации указанного подхода необходимо, чтобы каждый из ультразвуковых приемников был оснащен дополнительным излучателем, помимо этого необходимо предусмотреть возможность кодирования ультразвукового сигнала оригинальной для каждого из приемников бинарной последовательностью [30], позволяющей разделить сигналы на входе активного маяка и измерить время пролета для каждого из приемников отдельно. Все это существенно усложняет конструкцию приемника и увеличивает время цикла измерения.

Список литературы диссертационного исследования кандидат наук Захарова Елена Александровна, 2022 год

Список литературы

1. Braid D., Broggi A., Schmiedel G. The TerraMax autonomous vehicle // Journal of Field Robotics. -2006. - Т. 23. - №. 9. - С. 693-708.

2. Coalition Autonomous Systems - the future of military logistics. [Электронный ресурс] // GOV.UK: [сайт]. URL: https://www.gov.uk/government/news/coalition-autonomous-systems-the-future-of-military-logistics (дата обращения 20.10.2021).

3. Committee on Army Unmanned Ground Vehicle Technology, Technology Development for Army Unmanned Ground Vehicles, The National Academies Press,Washington, D.C., 2002

4. Жирнов М.В., Митрофанова С.В., Федорова Е.В. Боевые наземные робототехнические средства в мотострелковых подразделениях: обоснование интеграции и варианты применения. // Воздушно-космические силы. Теория и практика. - 2020. - №. 14.

5. Романов И.Д. и др. Автономные и дистанционно управляемые машины поддержки пехотного отделения и непосредственного обеспечения боевых действий // Современные наукоемкие технологии. - 2015. -№. 3. - С. 71-75.

6. Rheinmetall-Defence. [Электронный ресурс] // Rheinmetall: [сайт]. URL: https://www.rheinmetall-defence.com/en/rheinmetall defence/systems and products/unbemannte fahrzeuge/mission master/index.php (дата обращения 20.10.2021)

7. Robotrends. [Электронный ресурс] // Robotrends: [сайт]. URL: http://robotrends.ru/robopedia/rys (дата обращения 20.10.2021).

8. Hogg R. et al. Sensors and algorithms for small robot leader/follower behavior // Unmanned Ground Vehicle Technology III. - International Society for Optics and Photonics, 2001. - Т. 4364. - С. 72-85.

9. Роботизация логистики. [Электронный ресурс] // Rosautonet: [сайт]. URL: http://rosautonet.ru/news/robotizaciya-logistiki (дата обращения 20.10.2021).

10. Daimler. [Электронный ресурс] // Daimler: [сайт]. URL: https://www.daimler.com/innovation/case/connectivity/connected-trucks.html (дата обращения 20.10.2021).

11. Грузовики дороги. [Электронный ресурс] // Truckandroad: [сайт]. URL: http://truckandroad.ru/avtomobili/v-germanii-zajavili-ob-uspeshnom-ispytanii-tehnologii-platooning.html (дата обращения 20.10.2021).

12. Газпромнефть. [Электронный ресурс] // Gazprom-neft: [сайт]. URL: https://www.gazprom-neft.ru/press-center/news/gazprom neft vnedryaet bespilotnye tekhnologii v arktike/ (дата обращения 20.10.2021).

13. Bergenhem C. et al. Overview of platooning systems // Proceedings of the 19th ITS World Congress, Oct 22-26, Vienna, Austria (2012). - 2012.

14. Авторевью. [Электронный ресурс] // Autoreview: [сайт]. URL: https ://autoreview. ru/articles/gruzoviki-i-avtobusy/roboty-pylesosy#! comment= 1055357 (дата обращения 20.10.2021).

15. Цариченко С.Г., Овсяник А.И., Павлов Е.В., Симанов С.Е., Исавнина И.Н.. Групповое управление робототехническими комплексами при тушении пожаров в особо опасных условиях. // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. - 2018. - №. 4. - С. 19-25.

16. Robotic Suitcase. [Электронный ресурс] // Lifehacker: [сайт]. URL: https://lifehacker.ru/xiaomi-robotic-suitcase/ (дата обращения 20.10.2021).

17. Cowarobot. [Электронный ресурс] // Chudo.tech: [сайт]. URL: https://chudo.tech/2017/06/07/obzor-cowarobot-chemodan-kotorvi-ezdit-sam/ (дата обращения 20.10.2021).

18. Нилар. [Электронный ресурс] // Neelar: [сайт]. URL: https://www.neelar.com/ (дата обращения 20.10.2021).

19. Ермолов И.Л., Илюхин Ю.В., Собольников С.А. Планирование траекторий движения в группе автономных мобильных коммуникационных роботов // Вестник МГТУ Станкин. - 2012. - №. 4. - С. 96-100.

20. Зенкевич С.Л., Чжу Х. Управление движением группы роботов в строю типа «конвой» // Мехатроника, автоматизация, управление. - 2017. - Т. 18. - №. 1. - С. 30-34.

21. Зенкевич С.Л., Галустян Н.К. Децентрализованное управление группой квадрокоптеров // Мехатроника, автоматизация, управление. - 2016. - Т. 17. - №. 11. - С. 774-782.

22. Курганский Р.С., Гай В.Е. Аппаратно-программная система организации движения роботов в колонне // Информационные системы и технологии ИСТ-2020. - 2020. - С. 991-994.

23. Градецкий В.Г., Ермолов И.Л., Князьков М.М., Семенов Е.А., Собольников С.А., Суханов А.Н. О научных задачах выполнения транспортных операций группой мобильных роботов // Extreme Robotics. - 2016. - Т.

1. - №. 1. - С. 25-30.

24. Baltzer M.C.A. et al. Cooperative guidance and control in highly automated convoys— StrAsRob // Advances in human aspects of transportation. - Springer, Cham, 2017. - С. 547-559.

25. Chugunov A.A., Kulikov R.S., Tsaregorodcev D.V., Petukhov N.I. Ultra-wide band positioning for automatic guided vehicles // IOP Conference Series: Materials Science and Engineering. - IOP Publishing, 2019. - Т. 537. - №. 3. - С. 032093.

26. Zhang W. et al. High-fidelity positioning and tracking of AGVs based on Kalman filter // 2021 40th Chinese Control Conference (CCC). - IEEE, 2021. - С. 2897-2901.

27. Горбатов А.А., Рудашевский Г.Е. Акустические методы измерения расстояний и управления // М.: Энергоиздат. - 1981.

28. McCrady D.D. et al. Mobile ranging using low-accuracy clocks // IEEE Transactions on Microwave Theory and Techniques. - 2000. - Т. 48. - №. 6. - С. 951-958.

29. Micea M.V. et al. Indoor inter-robot distance measurement in collaborative systems // Advances in Electrical and Computer Engineering. - 2010. - Т. 10. - №. 3. - С. 21-26.

30. Perez M.C. et al. Performance comparison of different codes in an ultrasonic positioning system using DS-CDMA // 2009 IEEE International Symposium on Intelligent Signal Processing. - IEEE, 2009. - С. 125-130.

31. Chen Y., Yao Z., Peng Z. A Novel Method for Asynchronous Time-of-Arrival-Based Source Localization: Algorithms, Performance and Complexity // Sensors. - 2020. - Т. 20. - №. 12. - С. 3466.

32. Vaghefi R.M., Buehrer R.M. Asynchronous time-of-arrival-based source localization // 2013 IEEE International Conference on Acoustics, Speech and Signal Processing. - IEEE, 2013. - С. 4086-4090.

33. Xu E., Ding Z., Dasgupta S. Source localization in wireless sensor networks from signal time-of-arrival measurements // IEEE Transactions on Signal Processing. - 2011. - Т. 59. - №. 6. - С. 2887-2897.

34. Ho K.C., Lu X., Kovavisaruch L. Source localization using TDOA and FDOA measurements in the presence of receiver location errors: Analysis and solution // IEEE Transactions on Signal Processing. - 2007. - Т. 55. - №.

2. - С. 684-696.

35. Diez-Gonzalez J. et al. 3D Tdoa problem solution with four receiving nodes // Sensors. - 2019. - Т. 19. -№. 13. - С. 2892.

36. Meng W., Xie L., Xiao W. Optimal sensor pairing for TDOA based source localization and tracking in sensor networks // 2012 15th International Conference on Information Fusion. - IEEE, 2012. - С. 1897-1902.

37. De Angelis A., Moschitta A., Comuniello A. TDoA based positioning using ultrasound signals and wireless nodes // 2017 IEEE International Instrumentation and Measurement Technology Conference (I2MTC). - IEEE, 2017. - С. 1-6.

38. Gonzalez J.R., Bleakley C.J. High-precision robust broadband ultrasonic location and orientation estimation // IEEE Journal of selected topics in Signal Processing. - 2009. - Т. 3. - №. 5. - С. 832-844.

39. Niculescu D., Nath B. Ad hoc positioning system (APS) using AOA // IEEE INFOCOM 2003. Twenty-second Annual Joint Conference of the IEEE Computer and Communications Societies. - IEEE, 2003. - Т. 3. - С. 17341743.

40. Pages-Zamora A., Vidal J., Brooks D.H. Closed-form solution for positioning based on angle of arrival measurements // The 13 th IEEE international symposium on personal, indoor and mobile radio communications. - IEEE, 2002. - Т. 4. - С. 1522-1526.

41. Nguyen T.L.N., Shin Y. A new approach for positioning based on AOA measurements // 2013 International Conference on Computing, Management and Telecommunications (ComManTel). - IEEE, 2013. - С. 208211.

42. Shoval S., Borenstein J. Measuring The Relative Position And Orientation Between Two Mobile Robots With Binaural Sonar // the ANS 9th International Topical Meeting on Robotics and Remote Systems. - 2001.

43. Ningrum E.S., Hakkun R.Y., Alasiry A.H. Tracking and formation control of leader-follower cooperative mobile robots based on trilateration data // EMITTER International Journal of Engineering Technology. - 2015. - Т. 3. -№. 2. - С. 88-98.

44. Stancovici A. et al. Relative positioning system using inter-robot ultrasonic localization turret // 2014 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) Proceedings. - IEEE, 2014. - С. 1427-1430.

45. Stancovici A. et al. Relative localization methodology for autonomous robots in collaborative environments // 2013 IEEE International Instrumentation and Measurement Technology Conference (I2MTC). - IEEE, 2013. - С. 1730-1733.

46. Pingali T.R., Lemaire E.D., Baddour N. Ultrasonic Tethering to Enable Side-by-Side Following for Powered Wheelchairs // Sensors. - 2019. - Т. 19. - №. 1. - С. 109.

47. Верзун Н. А. и др. Обзор технологий и стандартов RFID систем // Информационные технологии и телекоммуникации. - 2018. - Т. 6. - №. 1. - С. 1.

48. Kim M. et al. RFID-enabled target tracking and following with a mobile robot using direction finding antennas // 2007 IEEE International Conference on Automation Science and Engineering. - IEEE, 2007. - С. 1014-1019.

49. Ghosh P., Tran J.A., Krishnamachari B. ARREST: A RSSI based approach for mobile sensing and tracking of a moving object // 2017 IEEE Globecom Workshops (GC Wkshps). - IEEE, 2017. - С. 1-6.

50. Min B.C., Matson E.T. Robotic follower system using bearing-only tracking with directional antennas // Robot Intelligence Technology and Applications 2. - Springer, Cham, 2014. - С. 37-58.

51. Min B.C., Matson E.T., Khaday B. Design of a networked robotic system capable of enhancing wireless communication capabilities // 2013 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR). -IEEE, 2013. - С. 1-8.

52. Rappaport T.S. et al. Wireless communications: principles and practice // New Jersey: prentice hall PTR -1996. - T. 2.

53. Niitsoo A. et al. A deep learning approach to position estimation from channel impulse responses // Sensors. - 2019. - T. 19. - №. 5. - C. 1064.

54. Yang T. et al. A Leader-following Method Based on Binocular Stereo Vision For Quadruped Robots // 2019 IEEE 9th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER). - IEEE, 2019. - C. 677-682.

55. Toulminet G. et al. Vehicle detection by means of stereo vision-based obstacles features extraction and monocular pattern analysis // IEEE transactions on Image Processing. - 2006. - T. 15. - №. 8. - C. 2364-2375.

56. Wang Y. et al. Vision-Based Flexible Leader-Follower Formation Tracking of Multiple Nonholonomic Mobile Robots in Unknown Obstacle Environments // IEEE Transactions on Control Systems Technology. - 2019. - T. 28. - №. 3. - C. 1025-1033.

57. Zhang L. et al. Vision-based leader vehicle trajectory tracking for multiple agricultural vehicles // Sensors. - 2016. - T. 16. - №. 4. - C. 578.

5 8. Orlando G. et al. Sliding Mode Control for Vision based Leader Following // EMCR. - 2007.

59. Manz M. et al. Monocular model-based 3D vehicle tracking for autonomous vehicles in unstructured environment // 2011 IEEE International Conference on Robotics and Automation. - IEEE, 2011. - C. 2465-2471.

60. Fries C., Luettel T., Wuensche H.J. Combining model-and template-based vehicle tracking for autonomous convoy driving // 2013 IEEE Intelligent Vehicles Symposium (IV). - IEEE, 2013. - C. 1022-1027.

61. Fries C., Wuensche H.J. Monocular template-based vehicle tracking for autonomous convoy driving // 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems. - IEEE, 2014. - C. 2727-2732.

62. Dichgans J., Kallwies J., Wuensche H.J. Robust Vehicle Tracking with Monocular Vision using Convolutional Neuronal Networks // 2020 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI). - IEEE, 2020. - C. 297-302.

63. Cowan N. et al. Vision-based follow-the-leader // Proceedings 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2003). - IEEE, 2003. - T. 2. - C. 1796-1801.

64. Vidal R., Shakernia O., Sastry S. Following the flock // IEEE Robotics & Automation Magazine. -2004. - T. 11. - №. 4. - C. 14-20.

65. Mariottini G.L. et al. Vision-based localization for leader-follower formation control // IEEE Transactions on Robotics. - 2009. - T. 25. - №. 6. - C. 1431-1438.

66. Zhao C. et al. An RGBD data based vehicle detection algorithm for vehicle following systems // 2013 IEEE 8th Conference on Industrial Electronics and Applications (ICIEA). - IEEE, 2013. - C. 1506-1511.

67. Algabri R., Choi M.T. Deep-Learning-Based Indoor Human Following of Mobile Robot Using Color Feature // Sensors. - 2020. - T. 20. - №. 9. - C. 2699.

68. Wen Y.J. et al. Infrared sensor based target following device for a mobile robot // 2011 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). - IEEE, 2011. - C. 49-54.

69. Han W., Chin Y.T. Target tracking and pursue using laser scanner // 2nd Asian symposium on Industrial Automation and Robotics BITEC. - 2001.

70. Kim J., Jeong H., Lee D. Single 2D lidar based follow-me of mobile robot on hilly terrains // Journal of Mechanical Science and Technology. - 2020. - T. 34. - №. 9. - C. 3845-3854.

71. Wong N. et al. Autonomous vehicle following using a robotic driver // 2008 15th International Conference on Mechatronics and Machine Vision in Practice. - IEEE, 2008. - С. 115-120.

72. Spencer M. et al. Trajectory based autonomous vehicle following using a robotic driver // Robotics and Automation in 2009 proceedings of the Australasian Conference in Sydney, Australia. - 2009. - С. 1-10.

73. Hery E., Xu P., Bonnifait P. LiDAR based relative pose and covariance estimation for communicating vehicles exchanging a polygonal model of their shape. - 2018.

74. Himmelsbach M. et al. LIDAR-based 3D object perception // Proceedings of 1st international workshop on cognition for technical systems. - 2008. - Т. 1.

75. Choi J. et al. Multi-target tracking using a 3d-lidar sensor for autonomous vehicles // 16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013). - IEEE, 2013. - С. 881-886.

76. D. Anguelov, B. Taskar, V. Chatalbashev, D. Koller, D. Gupta, G. Heitz, and A. Ng, Discriminative Learning of Markov Random Fields for Segmentation of 3D Scan Data // Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05) - IEEE, 2005, - С. 169-176.

77. Lalonde J. F. et al. Natural terrain classification using three-dimensional ladar data for ground robot mobility // Journal of field robotics. - 2006. - Т. 23. - №. 10. - С. 839-861.

78. Глобальная навигационная спутниковая система: Методы и технологии выполнения геодезических и землеустроительных работ. Разрешение неоднозначности фазовых измерений псевдодальности. Основные положения.

79. Zhang C., Noguchi N., Yang L. Leader-follower system using two robot tractors to improve work efficiency // Computers and Electronics in Agriculture. - 2016. - Т. 121. - С. 269-281

80. Tabb T. T., Martin S. M., Bevly D. Improved relative positioning for path following in autonomous convoys // Proceedings of the Ground Vehicles Systems Engineering and Technology Symposium. - С. 7-9.

81. Travis W., Bevly D. M. Trajectory duplication using relative position information for automated ground vehicle convoys // 2008 IEEE/ION Position, Location and Navigation Symposium. - IEEE, 2008. - С. 1022-1032.

82. Travis W. et al. Non-Line-of-Sight Automated Vehicle Following Using a Dynamic Base RTK System // Navigation. - 2011. - Т. 58. - №. 3. - С. 241-255.

83. Travis W., Martin S., Bevly D. M. Automated short distance vehicle following using a dynamic base RTK system // International journal of vehicle autonomous systems. - 2011. - Т. 9. - №. 1-2. - С. 126-141.

84. Martin S. Closely coupled GPS/INS relative positioning for automated vehicle convoys : дис. - 2011.

85. Teunissen P. J. The least-squares ambiguity decorrelation adjustment: A method for fast GPS integer ambiguity estimation // Journal of Geodesy - 1995 - Т. 70. - С. 65-82.

86. Martin S. GPS carrier phase tracking in difficult environments using vector tracking for precise positioning and vehicle attitude estimation. - 2017.

87. Soon B. K. H. et al. An approach to aid INS using time-differenced GPS carrier phase (TDCP) measurements // Gps Solutions. - 2008. - Т. 12. - №. 4. - С. 261-271.

88. Martin S., Travis W., Bevly D. Performance comparison of single and dual frequency closely coupled GPS/INS relative positioning systems // IEEE/ION Position, Location and Navigation Symposium. - IEEE, 2010. - С. 544551.

89. Ng T. C. et al. Vehicle following with obstacle avoidance capabilities in natural environments // IEEE International Conference on Robotics and Automation, 2004. Proceedings. ICRA'04. 2004. - IEEE, 2004. - Т. 5. - С. 4283-4288.

90. Chen C. et al. Target-tracking and path planning for vehicle following in jungle environment // ICARCV 2004 8th Control, Automation, Robotics and Vision Conference, 2004. - IEEE, 2004. - Т. 1. - С. 455-460.

91. Yao W. et al. A Leader-path-following formation system for AGVs with multi-sensor data fusion based vehicle tracking // IOP Conference Series: Materials Science and Engineering. - 2017. - Т. 235. - №. 1. - С. 012006.

92. Magid E., Chebotareva E., Safin R., Hsia K.H., Carballo A. Person-following algorithm based on laser range finder and monocular camera data fusion for a wheeled autonomous mobile robot // International Conference on Interactive Collaborative Robotics. - Springer, Cham, 2020. - С. 21-33.

93. Shimizu T. et al. Mobile robot system realizing human following and autonomous returning using laser range finder and camera // Proceedings of the 18th FCV. - 2012. - С. 97-102.

94. Awai M. et al. Development of mobile robot system equipped with camera and laser range finder realizing hog-based person following and autonomous returning // Journal of Robotics and Mechatronics. - 2014. - Т. 26. -№. 1. - С. 68-77.

95. Chadwick S., Maddetn W., Newman P. Distant vehicle detection using radar and vision // 2019 International Conference on Robotics and Automation (ICRA). - IEEE, 2019. - С. 8311-8317.

96. Tsugawa S., Kato S., Aoki K. An automated truck platoon for energy saving // 2011 IEEE/RSJ international conference on intelligent robots and systems. - IEEE, 2011. - С. 4109-4114.

97. Fries C., Wuensche H.J. Autonomous convoy driving by night: The vehicle tracking system // 2015 IEEE International Conference on Technologies for Practical Robot Applications (TePRA). - IEEE, 2015. - С. 1-6.

98. Simon D., Theisen B. Convoy active safety technology-environmental understanding and navigation with use of low cost sensors. - ARMY TANK AUTOMOTIVE RESEARCH DEVELOPMENT AND ENGINEERING CENTER WARREN MI - 2012.

99. Charron N., Phillips S., Waslander S.L. De-noising of Lidar point clouds corrupted by snowfall // 2018 15th Conference on Computer and Robot Vision (CRV). - IEEE, 2018. - С. 254-261.

100. Захарова Е.А. Структура информационно-измерительного комплекса определения взаимного положения ведущего и ведомого транспортного средства и его калибровка // Интеллектуальные системы в производстве. - 2022 - №1 (20) - С. 13-21.

101. Liu J., Zhang Y., Zhao F. Robust distributed node localization with error management // Proceedings of the 7th ACM international symposium on Mobile ad hoc networking and computing. - 2006. - С. 250-261.

102. Montanha A. et al. 2D Triangulation of Signals Source by Pole-Polar Geometric Models // Sensors -2019 - №19(5) - С. 1020.

103. Goll S., Zakharova E. An active beacon-based leader vehicle tracking system // Acta IMEKO. - 2019 -№. 4. (8) - С. 33-40.

104. Ma F. et al. An ultrasonic positioning algorithm based on maximum correntropy criterion extended Kalman filter weighted centroid // Signal, Image and Video Processing. - 2018. - Т. 12. - №. 6. - С. 1207-1215.

105. Ullah I. et al. A localization based on unscented Kalman filter and particle filter localization algorithms // IEEE Access. - 2019. - Т. 8. - С. 2233-2246.

106. Bingrong L. et al. Application of UKF alogrithm in passive localization and tracking // 2018 IEEE 3rd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). - IEEE, 2018. - С. 25302534.

107. Li J. et al. An indoor ultrasonic positioning system based on TOA for internet of things // Mobile Information Systems. - 2016. - Т. 2016.

108. Mannay K. et al. Characterization of an Ultrasonic Local Positioning System for 3D Measurements // Sensors. - 2020. - Т. 20. - №. 10. - С. 2794.

109. Qi J., Liu G.P. A robust high-accuracy ultrasound indoor positioning system based on a wireless sensor network // Sensors. - 2017. - Т. 17. - №. 11. - С. 2554.

110. Priyantha N.B. The cricket indoor location system : дис. - Massachusetts Institute of Technology, 2005.

111. Рудых А.А., Сартисон А.В. Система локализации мобильного робота в помещениях с использованием ультразвуковой системы навигации и фильтра Калмана // Автоматизация и управление в машиностроении. - 2017. - №. 1. - С. 31-37.

112. Манько С.В., Романов А.М., Романов М.П., Волкова М.А., Чиу В.-Ю., Ма Х.-П.. Распределенная вычислительная система на базе модульного реконфигурируемого робота для задач слежения за множеством объектов // Труды ФГУП «НПЦАП». Системы и приборы управления. - 2019. - №. 2. - С. 68-81.

113. Hartikainen J and Sumo S Optimal filtering with Kalman filters and smoothers // A Manual for the Matlab toolbox EKF/UKF, Department of Biomedical Engineering and Computational Science, Aalto University School of Science, Espoo - 2011 - С. 129.

114. Welch G. et al. An introduction to the Kalman filter. - 1995.

115. Семушин И.В., Цыганова Ю.В., Захаров К.В. Устойчивые алгоритмы фильтрации-обзор и новые результаты для систем судовождения // Информационные технологии и вычислительные системы. - 2013. - №. 4. -С. 90-112.

116. Akhlaghi S., Zhou N., and Huang Z., Adaptive adjustment of noise covariance in Kalman filter for dynamic state estimation //2017 IEEE power & energy society general meeting. - IEEE, 2017. - С. 1-5.

117. Wan E. A., Van Der Merwe R. The unscented Kalman filter for nonlinear estimation // Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium. - IEEE, 2000. - С. 153158.

118. Zheng B., Fu P., Li B., Yuan X. A Robust Adaptive Unscented Kalman Filter for Nonlinear Estimation with Uncertain Noise Covariance // Sensors. - 2018. - Т. 18. - №. 3. - С. 808.

119. Микаэльян С.В. Методы фильтрации на основе многоточечной аппроксимации плотности вероятности оценки в задаче определения параметров движения цели при помощи измерителя с нелинейной характеристикой // Наука и образование: научное издание МГТУ им. НЭ Баумана. - 2011. - №. 10. - С. 33-56.

120. Thrun S. Particle filters in robotics // Proceedings of the Eighteenth conference on Uncertainty in artificial intelligence. - Morgan Kaufmann Publishers Inc., 2002. - С. 511-518.

121. Karlsson R., Gustafsson F. Recursive Bayesian estimation: bearings-only applications. // IEE Proceedings-Radar, Sonar and Navigation. - 2005. - Т. 152. - №. 5. - С. 305-313.

122. Gordon N.J., Salmond D.J., Smith A.F.M. Novel approach to nonlinear/non-Gaussian Bayesian state estimation // IEE proceedings F (radar and signal processing). - IET Digital Library, 1993. - Т. 140. - №. 2. - С. 107-113.

123. Smith A.F.M., Gelfand A.E. Bayesian statistics without tears: a sampling-resampling perspective // The American Statistician. - 1992. - Т. 46. - №. 2. - С. 84-88.

124. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. -Финансы и статистика (ФС). - 2003.

125. Wang J, Ding W, Wang J Improving adaptive Kalman filter in GPS/SDINS integration with neural network // Proceedings of the 20th International Technical Meeting of the Satellite Division of The Institute of Navigation (ION GNSS 2007). - 2007. - С. 571-578.

126. Sarkka S. Bayesian filtering and smoothing. - Cambridge University Press, 2013. - Т. 3.

127. Ситник О.О. и др. Сопоставление методов фильтрации в задачах статистической регуляризации при оценивании параметров радиолокационных систем // Вестник Воронежского государственного университета. Серия системный анализ и информационные технологии. - 2013. - №. 1. - С. 10-16.

128. Выгодский М.Я. Справочник по высшей математике. - Рипол Классик - 1962.

129. An K., Xie S., Ouyang Y. Reliable sensor location for object positioning and surveillance via trilateration // Transportation Research Procedia. - 2017. - Т. 23. - С. 228-245.

130. Roa J.O. et al. Optimal placement of sensors for trilateration: Regular lattices vs meta-heuristic solutions // International Conference on Computer Aided Systems Theory. - Springer, Berlin, Heidelberg, 2007. - С. 780787.

131. Luo X. et al. Ultrasonic localization method based on receiver array optimization schemes // International Journal of Distributed Sensor Networks. - 2018. - Т. 14. - №. 11. - С. 1550147718812017.

132. Xie X., Dai J.B. Sensor placement in the ultrasonic positioning system // International Journal of Management Science and Engineering Research. - 2014. - Т. 1. - С. 31-39.

133. Dhillon S.S., Chakrabarty K., Iyengar S.S. Sensor placement for grid coverage under imprecise detections // Proceedings of the Fifth International Conference on Information Fusion. FUSION 2002. - IEEE, 2002. - Т. 2. - С. 1581-1587.

134. Петухов Н.И., Царегородцев Д.В., Куликов Р.С., Малышев А.П. Применение генетического алгоритма для определения мест размещения опорных точек локальной навигационной системы и минимизации их числа // Радиотехника. - 2021. - Т. 85. - № 9. - С. 27-40.

135. Голь С.А., Захарова Е.А. Комбинированная оценка взаимного положения ведущего и ведомого транспортного средства по данным ультразвуковых приемников и ГНСС-модуля // Интеллектуальные системы в производстве. - 2022 - №1 (20) - С. 4-12.

136. Каврайский А.В. Преобразование геодезических координат в плоские прямоугольные координаты

проекции Гаусса и обратная задача // НАВИГАЦИЯ И ГИДРОГРАФИЯ. - С. 41.

137. Лебедева О.А. Картографические проекции // Новосибирск: Новосибирский научно-методический центр по ГИС и ДЗЗ. - 2000.

138. Wendeberg J. et al. Anchor-free TDOA self-localization // 2011 International Conference on Indoor Positioning and Indoor Navigation. - IEEE, 2011. - С. 1-10.

139. Wendeberg J. et al. Calibration-free TDOA self-localisation // Journal of Location Based Services. -2013. - Т. 7. - №. 2. - С. 121-144.

140. Wendeberg J. et al. Robust tracking of a mobile beacon using time differences of arrival with simultaneous calibration of receiver positions // 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN). - IEEE, 2012. - С. 1-10.

141. Sidorenko J. et al. Self-Calibration for the Time Difference of Arrival Positioning // Sensors. - 2020. - Т. 20. - №. 7. - С. 2079.

142. Sidorenko J. et al. Improved Time of Arrival measurement model for non-convex optimization with noisy data // 2018 International Conference on Indoor Positioning and Indoor Navigation (IPIN). - IEEE, 2018. - С. 206-212.

143. Sidorenko J. et al. Self-Calibration for the Time-of-Arrival Positioning // IEEE Access. - 2020. - Т. 8. -С. 65726-65733.

144. Batstone K., Oskarsson M., Astrom K. Robust time-of-arrival self calibration with missing data and outliers // 2016 24th European Signal Processing Conference (EUSIPCO). - IEEE, 2016. - С. 2370-2374.

145. Batstone K. et al. Robust Self-calibration of Constant Offset Time-difference-of-arrival // ICASSP 20192019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). - IEEE, 2019. - С. 44104414.

146. Hol J.D., Schön T.B., Gustafsson F. Ultra-wideband calibration for indoor positioning // 2010 IEEE International Conference on Ultra-Wideband. - IEEE, 2010. - Т. 2. - С. 1-4.

147. Plinge A., Fink G.A. Geometry calibration of multiple microphone arrays in highly reverberant environments // 2014 14th International Workshop on Acoustic Signal Enhancement (IWAENC). - IEEE, 2014. - С. 243247.

148. Plinge A., Fink G.A., Gannot S. Passive online geometry calibration of acoustic sensor networks // IEEE Signal Processing Letters. - 2017. - Т. 24. - №. 3. - С. 324-328.

149. Storn R., Price K. Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces // Journal of global optimization. - 1997. - Т. 11. - №. 4. - С. 341-359.

150. Goll S, Zakharova E. Calibration Procedure for the Beacon-based Tracking System to be used for Mobile Robot Convoying // 2019 8th Mediterranean Conference on Embedded Computing (MECO). - IEEE,2019 - С. 1-5.

151. Marquardt D.W. An algorithm for least-squares estimation of nonlinear parameters // Journal of the society for Industrial and Applied Mathematics. - 1963. - Т. 11. - №. 2. - С. 431-441.

152. Gavin H.P. The Levenberg-Marquardt algorithm for nonlinear least squares curve-fitting problems // Department of Civil and Environmental Engineering, Duke University - 2019. - С. 1-19.

153. Гасников А.В. Современные численные методы оптимизации. Метод универсального градиентного спуска. - 2018.

154. Ranganathan A. The levenberg-marquardt algorithm // Tutoral on LM algorithm. - 2004. - Т. 11. -№. 1. - С. 101-110.

155. Осовский С. Нейронные сети для обработки информации // Пер. с польского И.Д. Рудинского. . -М.: Финансы и статистика. - 2002. - С. 344.

141

Приложение 1 Свидетельство о регистрации программы на ЭВМ

142

Приложение 2

Акты о внедрении

Пр

2022 г-

«УТВЕРЖДАЮ» аботе ФГБОУ ВО йм. В.Ф. Уткина»

Корячко А.В.

АКТ

об использовании материалов диссертационной работы Захаровой Елены Александровны в учебном процессе

Настоящим подтверждаем, что материалы кандидатской диссертации Захаровой Е.А. использованы в учебном процессе подготовки бакалавров по направлению 15.03.06 «Мехатроника и робототехника».

Полученные в диссертационной работе результаты использованы при подготовке лекционных материалов по дисциплинам «Основы мехатроники и робототехники», «Встраиваемые системы мехатроники», «Бортовые ИИС» и методических указаний к лабораторным работам № 7237 «Разработка и исследование бортовой ИИС мобильного робота с применением симулятора»

Декан О МТУ.

к.т.н., доцент

Холопов С.И.

Заведующий кафедрой ИИЬМТ. д.т.н., профессор

Жулев В.И.

144

Приложение 3 Протокол полевых испытаний

в период с «18» декабря 2018 г. по «21» декабря 20 18 г. провела полевые испытания макета системы следования за маяком РРТУ 466259.001, разработанного ФГБОУ ВО «РГРТУ» в соответствии с договором №28-16 от 01.12.2016г.

Испытания проводились на- территории АО_«ВНИИ

«Сигнал»____

1. Наименование документов, на основании которых изготавливалось

изделие:

комплект эскизной конструкторской документации на макетный образец системы следования за маяком РРТУ 466259.001.

2. Целью полевых испытаний макета системы следования за маяком является подтверждение выполнения функциональных требований, предъявляемых техническим заданием на составную часть опытно-конструкторской работы «Разработка и изготовление макета системы следования за маяком», шифр «Рысь - Маяк» в составе мобильной робототехнической платформы.

3. Условия проведения испытаний:

- испытания проводятся персоналом Заказчика в присутствии комиссии;

- перед началом проведения испытаний заблаговременно должен быть проведен монтаж комплекса аппаратных средств макета системы следования за маяком на мобильной робототехнической платформе;

- перед началом проведения полевых испытаний заблаговременно должно быть выполнено развертывание программного комплекса на комплексе аппаратных средств макета системы следования за маяком;

- исполнитель должен провести подготовку макета системы следования за маяком к испытаниям, включая все необходимые настройки;

- ССМ должна быть смонтирована на мобильной робототехнической платформе согласно рисунку 1, структурная схема макета ССМ приведена на рисунке 2;

Таблица 1: Обмен командами управления, квитанциями подтверждения и сообщениями между бортовой информационно-управляющей системой и макетом ССМ

№ п/п Характеристика № п. ТЗ Идентификатор посылки Характеристика обмена (выполнено/не выполнено)

от БИУС к ССМ от ССМ к БИУС

1 Обмен командами управления, квитанциями подтверждения и сообщениями между бортовой информационно управляющей системой и макетом системы следования за маяком (согласно протоколу ИТС редакция 1.0 от 26.09.2017 г). 3.3.7 1Б - выполнено

2Б - выполнено

ЗБ - выполнено

п выполнено -

¥2 выполнено

Обмен командами управления, квитанциями подтверждения и сообщениями между бортовой информационно-управляющей системой и макетом ССМ соответствует требованиям п. 3.3.7 ТЗ

Таблица 2: Определение в автоматическом режиме относительных

координат маяка

№ Характеристика № Расстояние между роботом и Погрешность

Попыт п. ТЗ маяком, м измерений, %

ки измеренные определенные

рулеткой программно

(по сетке)

1 обеспечение в 3.3.1 х,. 5,5 Хр 5,55

автоматическом режиме Уг 2 Ур 2,1 2,03

определения гг 1,5 гР 1,45

2 относительных хг 7,2 Хр 7,1

координат маяка Уг 0 Ур од 1,93

гг 1,5 2Р 1,51

3 хг 8,7 Хр 8,8

Уг 1,5 Ур 1,4 1,59

гг 1,5 2р 1,48

4 хг 10,1 Хр 10

Уг 4 Ур 4,1 1,30

гг 1,5 гр 1,52

5 Хг 6,4 Хр 6,5

Уг 7,4 Ур 7,3 1,43

гг 1,5 2р 1,5

Определение в автоматическом режиме относительных координат маяка соответствует п. 3.3.1 ТЗ.

Таблица 3: Определение в автоматическом режиме параметров движения маяка

№ Характеристика № Дистанция до Дистанция Погрешность

п/п п. ТЗ маяка, м (пс до маяка измерений, %

рулетке) по сетке, м

1 обеспечение в автоматическом режиме определения параметров движения маяка 3.3.1 5 5,2 -4,00

2 7,2 7,1 1,39

3 10,5 10,7 -1,90

4 12,4 12,2 1,61

5 8,7 8,8 -1,15

Определение в автоматическом режиме параметров движения маяка соответствует требованиям п. 3.3.1 ТЗ.

Таблица 4: Управление движением мобильной робототехнической платформы по заданному алгоритму

№ п/п Характеристика № п. ТЗ Оценка выполнения (выполнено/не выполнено)

1 Управление движением мобильной робототехнической платформы по заданному алгоритму 3.3.1 выполнено

Управление движением мобильной робототехнической платформы по заданному алгоритму соответствует требованиям п. 3.3.1 ТЗ.

Таблица 5: Управление движением мобильной робототехнической платформы при потере видимости маяка

№ Характеристика № Длина активного Оценка

п/п п. ТЗ маршрута, м выполнения

(выполнено/не

выполнено)

1 Управление движением мобильной робототехнической платформы при потере видимости маяка 3.3.5 5 выполнено

2 7,4 выполнено

Л :> 11Д выполнено

4 8,3 выполнено

5 15,7 выполнено

Управление движением мобильной робототехнической платформы при потере видимости маяка соответствует требованиям п. 3.3.5 ТЗ.

Таблица 6: Формирование команды остановки мобильной робототехнической платформы при обнаружении препятствия движению

№ п/п Характери стика № п.ТЗ Расстояние между роботом и препятствием, м Оценка выполнения (выполнено/не выполнено)

1 Формирование команды остановки мобильной робототехнической платформы при обнаружении препятствия движению 3.3.6 1,2 выполнено

2 1,75 выполнено

3 2,2 выполнено

4 1,3 выполнено

5 2,4 выполнено

Формирование команды остановки мобильной робототехнической платформы при обнаружении препятствия движению соответствует п. 3.3.6 ТЗ.

5. Заключение по проведенным испытаниям: полевые испытания макета ССМ проведены в соответствии с программой и методиками полевых испытаний в полном объеме.

6. Рекомендации комиссии по результатам полевых испытаний ССМ: замечаний и рекомендаций нет.

7. Выводы комиссии: испытания признать удовлетворительными и отвечающими требованиям технического задания и методике проведения испытаний. Макетный образец ССМ соответствуют техническим

характеристикам.