Математические модели и методы планирования пути автономных мобильных роботов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Рего Григорий Эйнович

  • Рего Григорий Эйнович
  • кандидат науккандидат наук
  • 2023, ФГБОУ ВО «Петрозаводский государственный университет»
  • Специальность ВАК РФ00.00.00
  • Количество страниц 167
Рего Григорий Эйнович. Математические модели и методы планирования пути автономных мобильных роботов: дис. кандидат наук: 00.00.00 - Другие cпециальности. ФГБОУ ВО «Петрозаводский государственный университет». 2023. 167 с.

Оглавление диссертации кандидат наук Рего Григорий Эйнович

Введение

Глава 1. Обзор методов и моделей навигации мобильных роботов

1.1 Технологии искусственного интеллекта в автономном транспорте

1.2 Наземные автономные мобильные роботы

1.3 Обзор робототехнических решений в лесной отрасли и смежных отраслях

1.4 Математические методы решения задач, связанных с мобильными роботами

1.5 Математическая модель детектирования наступления опасных событий, связанных с функционированием АМР

1.6 Алгоритмы решения задачи расчета пути АМР

1.6.1 Задача поиска минимальных непересекающихся путей

1.6.2 Задача достижения мобильным роботом целевой точки в лабиринте с минимальным числом поворотов

1.7 Задача покрытия многоугольника минимальным корневым деревом

1.8 Задача деликатного захвата

1.9 Обзор сенсорных систем АМР

Глава 2. Математические модели и методы решения задач на

многоугольнике

2.1 Алгоритмы расчета пути на многоугольнике

2.1.1 Задача поиска непересекающихся путей на многоугольнике

2.1.2 Общее решение

2.2 Задача покрытия многоугольника минимальным корневым деревом

2.2.1 Жадный метод

2.2.2 Метод ветвей и границ

2.2.3 Локальный поиск

2.3 Задача минимизации числа поворотов пути в условиях

неизвестности карты

2.3.1 Математическая модель

2.3.2 Эвристический алгоритм решения задачи поиска пути с минимизацией числом поворотов

2.3.3 Алгоритм определения направления движения от точки столкновения

2.3.4 Эвристический алгоритм поиска цели в неизвестной

среде с минимизацией числа поворотов робота

2.3.5 Сходимость алгоритма

2.3.6 Проверка нахождения цели внутри препятствия

2.3.7 Эксперименты

2.4 Сенсорная система лесного робота

Глава 3. Метод математического моделирования для

детектирования нечеткого возникновения инцидентов

3.1 Постановка задачи

3.2 Описание метода детектирования нечеткого возникновения инцидентов

3.3 Алгоритм детектирования возникновения инцидентов

3.4 Пример применения событийной математической модели детектирования инцидентов

Глава 4. Комплекс программных средств

4.1 Покрытие многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети волоков на лесосеке

4.1.1 Класс Polygon

4.1.2 Класс RootTree

4.1.3 Класс Link

4.1.4 Пример использования программы

4.2 Расчет пути автономного мобильного робота в неизвестных средах

4.2.1 Методы программы расчета пути автономного мобильного робота в неизвестных средах

4.2.2 Пример работы программы расчета пути автономного мобильного робота в неизвестных средах

Заключение

Словарь терминов

Список литературы

Список рисунков

Список таблиц

Приложение А. Прикладные аспекты применения

математической модели

Приложение Б. Свидетельство о государственной регистрации

программы для ЭВМ №2023660117

Приложение В. Свидетельство о государственной регистрации

программы для ЭВМ №2023660118

Приложение Г. Акт о внедрении в производство

Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК

Введение диссертации (часть автореферата) на тему «Математические модели и методы планирования пути автономных мобильных роботов»

Введение

Задача расчета пути актуальна для множества предметных областей. Например, к числу таковых можно отнести: навигационные приложения для мобильных устройств, такие как «Google Maps» или «Яндекс.Навигатор»; системы управления транспортом; робототехнические системы, используемые для планирования пути движения роботов на производстве или в лабораторных условиях; системы безопасности и контроля доступа, используемые для определения наиболее безопасного пути для эвакуации людей в случае пожара или другой аварии; системы управления дронами, используемые для планирования пути полета и определения оптимальных точек съемки.

Чаще всего решение подобных задач сводится к нахождению оптимального пути между двумя точками с соблюдением ограничений, присущих конкретной предметной области. Можно выделить следующие составные части задачи расчета пути:

1. Карта или сцена, содержащая информацию о возможных отрезках пути, местоположении объектов и других элементах, необходимых для построения пути.

2. Данные о текущем местоположении объекта, для которого нужно построить путь.

3. Методы и алгоритмы расчета пути, которые используются для определения оптимального пути, учитывая различные факторы, такие как длина пути, время, наличие препятствий, ограничения скорости, наличие опасных участков и т.д.

Соответственно, возможны различные интерпретации задачи расчета пути, в зависимости от модели составных частей, описанных выше. Например, в задаче коммивояжера в качестве карты используется взвешенный ориентированный граф, который является модельным представлением дорожной сети. В качестве местоположения используются вершины графа. В качестве метода решения, как правило, используются различные варианты «умного перебора» допустимых решений, например, метод ветвей и границ.

Кроме того, возможна классификация проблемы расчета пути на основе наличия информации о карте:

1. Карта местности неизвестна, расчет пути осуществляется в процессе движения объекта.

2. Карта местности известна, необходимо осуществить расчет пути с учетом некоторых ограничений. Например, общее число отрезков пути должно быть минимальным.

В качестве объектов, для которых выполняется расчет пути, часто выступают автономные мобильные роботы. Существуют наземные автономные мобильные роботы, беспилотные летательные аппараты и морские мобильные роботы. В настоящий момент, среди наземных автономных мобильных роботов активно развиваются роботы-доставщики, которые перевозят некоторые грузы и пункта А в пункт Б. Автономный мобильный робот получает данные об окружающей среде посредством датчиков, которые расположены на его борту. После этого выполняется анализ данных и синтезируется сводная информация об окружающей среде. На основе сводной информации, робот формирует набор действий, выполнение которых должно привести к достижению цели.

Каждый из этих этапов содержит в себе ряд научных проблем, а именно: построение пути робота, фильтрация шумов, приоритизация данных, формирование управляющего воздействия, минимизация последствий возникающих инцидентов и т.д. Простым решением является удаленное управление роботом, которое осуществляет оператор-человек. В таком случае, автономный мобильный робот большую часть времени функционирует самостоятельно, а в критические моменты (например, автономный мобильный робот потерял ориентацию в пространстве) управление роботом осуществляет оператор.

Одной из разновидностей наземных автономных мобильных роботов является лесной робот, который предназначен для осуществления лесовосстанови-тельных работ. Актуальность создания лесного робота вызвана необходимостью заниматься лесовосстановлением. При этом, ввиду низкой заселенности северных территорий, тяжелых условий и низкой оплаты труда, возникает дефицит рабочей силы. Характерной особенностью эксплуатации лесного робота является сильнопересеченная местность. В связи с этим затруднено выполнение операции поворота. Следовательно, для лесного робота необходимы методы расчета пути, учитывающие данную особенность.

Исследование научных проблем, связанных с задачей расчета пути, ведется в России и за рубежом. Данная предметная область является междисциплинарной - изучаются методы моделирования карт (графы, навигационные

поля), свойства распознавания наступления каких-то событий по их характеристикам (анализ данных, компьютерное зрение), генерация управляющего воздействия (теория управления) и т.д. Развитию методологических основ расчета пути и алгоритмов навигации для наземных автономных мобильных роботов способствовали труды российских и зарубежных ученых: В.Ю. Люмель-ского, Э.О. Салминен, И.Р. Шегельмана, Л.В. Щеголевой, А.М. Вороновой, А.А. Алексеева, М.А. Пискунова, А.А. Степанова, J. Mitchell, R.C. Smith, P. Cheeseman, S. Thrun, R. Brooks, J. Leonard и др. В большинстве исследований минимизируется евклидово расстояние, пройденное роботом, либо потраченное на преодоление пути время. В то же время не учитывается такой фактор, как число поворотов.

Таким образом, является актуальной проблема разработки комплекса математических моделей, численных методов и программ, позволяющих решать задачи расчета пути с минимизацией числа поворотов. Минимизация числа поворотов является важной метрикой эффективности решений задачи расчета пути, которую следует учитывать в ряде приложений, связанных с движением по пересеченной местности. В частности, при движении по лесной местности, операция поворота является «дорогой», а операция прямолинейного движения «дешевой». В таком случае, оптимальный по евклидову расстоянию путь, может быть не оптимален по числу поворотов. Развитие методов расчета пути, учитывающих число поворотов для объектов, движущихся по пересеченной местности, является актуальным направлением научных исследований.

Целью диссертационной работы является разработка математических моделей и численных методов, направленных на повышение безопасности эксплуатации автономных мобильных роботов.

Для достижения этой цели исследуются и решаются следующие задачи:

1. Разработать и исследовать метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом.

2. Разработать и исследовать численный метод построения покрывающего корневого дерева на многоугольнике.

3. Разработать и исследовать численный метод расчета непересекающихся путей на многоугольнике с минимизацией общего числа отрезков путей.

4. Разработать и исследовать численный метод расчета пути наземного автономного мобильного робота в неизвестных средах.

5. Реализовать комплекс программных средств в составе: а) расчет пути наземного автономного мобильного робота в неизвестных средах; б) покрытие многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети дорог. Выполнить экспериментальное исследование на основе комплекса программных средств с целью оценки эффективности сформированного метода расчета пути наземного автономного мобильного робота.

Научная новизна: диссертационной работы состоит в следующем:

1. Предложен метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом. Основным отличием от существующих методов явдяется покрытие многоугольника квадратной сеткой таким образом, чтобы диагональ квадрата была равна максимально допустимому расстоянию от точек многоугольника до покрывающего корневого дерева.

2. Численный метод построения покрывающего корневого дерева на многоугольнике. Основным отличием от существующих методов явдяется возможность учитывать максимально допустимое расстояние от точек многоугольника до покрывающего дерева. Для этого применяются разработанные алгоритмы покрытия многоугольника корневым деревом (жадный алгоритм, алгоритм ветвей и границ или алгоритм локального поиска).

3. Предложен численный метод расчета непересекающихся путей на многоугольнике с минимизацией общего числа отрезков путей. Основным отличием от существующих методов является минимизация общего числа отрезков путей.

4. Предложен численный метод расчета пути наземного автономного мобильного робота в неизвестных средах. Основным отличием от существующих методов является метрика оптимальности найденного решения в виде минимизации числа поворотов пути наземного автономного мобильного робота.

5. Реализован комплекс программных средств в составе: а) поиск пути наземного автономного мобильного робота в неизвестных средах; б) покрытие многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети дорог. Комплекс программных средств позволяет рассчитывать путь автономного мобильного робо-

та в неизвестных средах с минимизацией числа поворотов, а также осуществлять покрытие многоугольника корневым деревом с возможностью учитывать максимально допустимое расстояние от точек многоугольника до покрывающего дерева. Выполнено экспериментальное исследование на основе комплекса программных средств с целью оценки эффективности сформированных методов реактивной навигации наземного автономного мобильного робота и покрытия многоугольника корневым деревом с минимизацией числа звеньев. Программные средства предназначены для выполнения численных экспериментов по расчету пути наземного автономного мобильного робота, различных покрываемых площадей с применением жадного алгоритма, алгоритма ветвей и границ, а также алгоритма локального поиска.

Теоретическая и практическая значимость Методы решения и алгоритмы задачи расчета пути являются активно изучаемой областью математического моделирования. Разработанный метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом вносит вклад в развитие теории оптимизации. Разработанный численный метод расчета непересекающихся путей вносит вклад в развитие методов решения задачи расчета пути. Разработанный численный метод расчета пути наземного автономного мобильного робота в неизвестных средах вносит вклад в реактивную навигацию и теорию управления.

Разработанные математические модели, численные методы и комплекс программ имеют практическую значимость для эксплуатации наземных автономных мобильных роботов. Метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом позволяет проектировать сеть волоков. Численный метод расчета непересекающихся путей с минимизацией общего числа отрезков путей позволяет планировать путь робота, с целью избежать пересечений, что также увеличивает надежность его эксплуатации. Предложенный численный метод расчета пути наземного автономного мобильного робота в неизвестных средах позволяет управлять движением робота на сильнопересеченной местности с большим числом препятствий.

Методология и методы исследования. Исследования проводились на основе методов построения пути на графах, нахождения кратчайшего пути на многоугольнике, методов реактивной навигации. Разработка математической модели детектирования наступления инцидентов была основана на нечеткой

логике. Программы написаны на языке программирования Python, при их разработке использовалась парадигма объектно-ориентированного программирования.

Основные положения, выносимые на защиту:

1. Метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом.

2. Численный метод построения покрывающего корневого дерева на многоугольнике.

3. Численный метод расчета непересекающихся путей на многоугольнике с минимизацией общего числа отрезков путей.

4. Численный метод расчета пути наземного автономного мобильного робота в неизвестных средах.

5. Комплекс программных средств в составе: а) поиск пути наземного автономного мобильного робота в неизвестных средах; б) покрытие многоугольника корневым деревом для проектирования сети дорог с аппроксимацией в виде квадратной сетки.

Достоверность научных положений, результатов и выводов диссертационной работы обусловлена использованием современного математического аппарата, сочетающего методы системного анализа, а также расчета пути на графах, нахождения кратчайшего пути на многоугольнике, методов реактивной навигации. Помимо этого достоверность обеспечивается за счет согласованности теоретических выводов с результатами проведенного экспериментального исследования с помощью полученного комплекса программных средств, а также апробацией основных положений диссертации на научных конференциях, в научных работах и приравненных к ним публикациях. Разработка программного комплекса для реализации практического использования предложенных методов производилась на основе современных подходов проектирования программных систем. По результатам исследования получены 2 свидетельства о государственной регистрации программ для ЭВМ [1; 2]. Работоспособность и эффективность разработанных в диссертации моделей и реализущих их алгоритмов подтверждается успешным внедрением соотвествующего программного комплекса на предприятии отрасли.

Апробация работы. Основные научные результаты диссертационного исследования представлялись на международных и российских научных мероприятиях, в том числе: международные конференции ассоциации открытых

инноваций «РКИСТ» (Финляндия, 2020-2022 гг.), международная научно-техническая конференция «Автоматизация» (Россия, Сочи, 2020), 33-я международная научно-техническая конференция «Экстремальная робототехника» (Россия, Санкт-Петербург, 2022), научный семинар «Проблемы современных информационно-вычислительных систем» (Россия, Москва, 2022), всероссийская конференция «Цифровые технологии в образовании, науке, обществе» (Россия, Петрозаводск, 2019-2022 гг.), всероссийская научно-техническая конференция «Цифровые технологии в лесном комплексе» (Россия, Санкт-Петербург, 2021), XIV всероссийская научно-техническая конференция с международным участием «Робототехника и искусственный интеллект» (Россия, Железногорск, 2022), всероссийская научно-практическая конференция «Стратегия и перспективы развития агротехнологий и лесного комплекса Якутии до 2050 года» (Россия, Якутск, 2022), научно-практический семинар «Задачи анализа человекоподобного движения и робототехнические интернет-системы» (Петрозаводск 2020-2023 гг.).

Личный вклад. Все научные результаты диссертационного исследования были получены автором самостоятельно. Автором предложены математические модели для задач покрытия многоугольника минимальным корневым деревом и расчета пути автономного мобильного робота в неизвестных средах; предложен метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом; предложен численный метод покрытия многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети дорог; предложен численный метод расчета непересекающихся путей с минимизацией общего числа отрезков путей; разработан комплекс алгоритмов для расчета пути наземного автономного мобильного робота и покрытия многоугольника корневым деревом с минимизацией числа звеньев; реализован комплекс программных средств.

Реализация результатов исследования.

Работа выполнена в рамках следующих проектов: 310-22 «Бионические методы сенсорики и окружающего интеллекта для реализации интернет-систем мониторинга жизнестойкости человека в условиях северных территорий», 659-23 «Разработка информационной системы верхнего уровня для поддержки принятия стратегических управленческих решений», 193-21 «Программно-аппаратные методы сенсорики и машинного восприятия для робототехнических систем с автономным движением».

Публикации. По теме диссертационного исследования опубликовано 20 научных работ и приравненных к ним публикаций, среди которых 4 работы в международных изданиях, индексируемых в реферативных базах Web of Science и Scopus [3—6] и 2 работы в журналах из списка ВАК [7; 8].

Объем и структура работы. Диссертация состоит из введения, 4 глав, заключения и 4 приложений. Полный объём диссертации составляет 167 страниц, включая 36 рисунков и 13 таблиц. Список литературы содержит 224 наименования.

Во введении обосновывается актуальность темы исследования, определяется цель и решаемые задачи, формулируются положения, выносимые на защиту, их научная новизна, теоретическая и практическая значимость исследования.

Во первой главе приводится обзор предметной области, а именно имеющиеся робототехнические решения для лесной отрасли. Рассматриваются типы навигации мобильных роботов и соответствующие им алгоритмы. Обосновывается необходимость разработки методов, моделей и алгоритмов, описанных во второй главе.

Во второй главе описываются основные научные результаты. Описывается математические модели: а) задачи покрытия многоугольника минимальным корневым дерево; б) задачи расчета пути наземного автономного мобильного робота в неизвестной среде с минимальным числом поворотов. Описывается численный метод покрытия многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети дорог на лесосеке с аппроксимацией в виде квадратной сетки.

В третьей главе описывается метод математического моделирования для задачи детектирования наступления инцидентов. Описан алгоритм детектирования наступления инцидентов.

В четвертой главе описывается разработанный комплекс программных средств в составе: а) поиск пути наземного автономного мобильного робота в неизвестных средах; б) покрытие многоугольника корневым деревом с минимизацией числа звеньев для проектирования сети волоков на лесосеке с аппроксимацией в виде квадратной сетки. Также приводятся примеры работы программ с некоторыми входными параметрами.

Глава 1. Обзор методов и моделей навигации мобильных роботов

1.1 Технологии искусственного интеллекта в автономном

транспорте

За последнее десятилетие во многие сферы жизнедеятельности человека стали внедряться технологии искусственного интеллекта [9—11]. Основной идеей таких технологий является автоматизация выполнения каких-то действий, которые требуют от человека когнитивных способностей. Под интеллектом будем понимать способность вычислительного устройства принимать решения с той же эффективностью, с какой это делал бы человек.

В качестве примера можно привести игру го. Долгие годы считалось, что в данной игре компьютер не сможет победить лучшего игрока среди людей, потому что го не поддается перебору вариантов. Подразумевалось, что для достижения высокого уровня игры требуется человеческий интеллект. Однако, в 2016 году появилась программа Л1рЬаСо, которая смогла обыграть чемпиона мира [12]. Она была основана на применении глубоких нейронных сетей и в качестве тренировочных данных получила большую базу партий, сыгранных людьми. Дальнейшее обучение проходило путем игры программы с самой собой.

Через год появилась новая версия программы Л1phaGoZeгo [13], которая вообще не использовала партий, сыгранных людьми, а обучалась полностью самостоятельно. Новая версия была сильнее предыдущей: матч между старой версией и новой закончился со счетом 100:0 в пользу новой. Однако, главным прорывом была не сила игры, а тот факт, что игра компьютерной программы породила множество новых идей, как с игровой точки зрения, так и с исследовательской [14]. С этого момента стало понятно, что вычислительные устройства могут выполнять отдельные задачи лучше людей, даже в тех областях, которые ранее считались сугубо человеческими.

Одной из таких областей является автономное движение мобильных роботов и беспилотный транспорт [15]. Прогнозируется, что внедрение автономных автомобилей существенно изменит транспортную систему городов [16]. Эти технологии направлены на сокращение числа дорожно-транспортных происшествий, потребления энергии, загрязнения и дорожных заторов, в то же время

увеличивая транспортную доступность [17]. Однако, в настоящий момент производство беспилотных транспортных средств остается достаточно дорогим [18].

Существует классификация общества автомобильных инженеров [19], которая определяет степень автономности того или иного транспортного средства. Данный стандарт разрабатывался под автомобили, которые используются для перевозки людей или грузов. В соответствии с этой классификацией, только пятый уровень автономности предусматривает полностью беспилотное движение, когда автомобиль способен самостоятельно оценивать возможность проезда по бездорожью.

На текущий момент не существует транспортного средства с пятым уровнем автономности. Впрочем, для большинства задач достаточно 4-о уровня автономности. Например, для движения в городской среде, с четко размеченными дорогами и системой дорожных знаков, которые полностью регламентируют движение автомобилей. В США [20] и в Китае [21] уже имеется возможность использования автономного автомобиля в качестве такси.

Помимо преимуществ, такой транспорт имеет и недостатки. Например, злоумышленники могут получить удаленный доступ к автономному автомобилю [22]. Автономный транспорт использует глобальные навигационные спутниковые системы ^N88) для позиционировании транспортных средств на карте. Таким образом, манипулирование данными GNSS может спровоцировать ошибочные и неточные маневры, которые могут поставить под угрозу жизнь пассажиров. Следовательно, защищенный сигнал GNSS является одним из критериев оценки безопасности автономного транспорта. Безопасность автономного транспорта также часто оценивается по числу аварий на миллион миль/километров [23].

Для тестирования беспилотных транспортных средств часто применяются симуляции [24—27]. Исследователи выделяют три типа симуляции [28]: реального времени, виртуальную и конструктивную. Моделирование в реальном времени — это эксплуатационное испытание, при котором датчики используются для определения того, какие системы были повреждены в результате имитации какого-либо воздействия, с использованием реальных сил и реального оборудования [24]. Виртуальная симуляция («Х-т-1;Ье-1оор») может протестировать полный прототип системы с помощью внешних воздействий, созданных либо компьютером, либо искусственно сгенерированных иным образом.

1.2 Наземные автономные мобильные роботы

Мобильные роботы, особенно автономные, пользуются большим спросом для решения задач, которые могут оказаться сложными или опасными для человека. Например, при работе на участках с радиацией, значительно превышающей норму, мобильные роботы позволят сохранить жизни и здоровье людей. Подобные проекты в наше время активно реализуются во многих странах мира [29; 30]. Еще одной сферой применения автономных мобильных роботов является военная [31].

Автономный мобильный робот (АМР) - робот, обладающий способностью перемещаться в окружающей среде без вмешательства со стороны оператора или использования заранее заданного маршрута. Зачастую АМР применяют для работ в непредсказуемой и частично неизвестной среде [32]. По среде, в которой используется АМР, их можно классифицировать как наземные, воздушные и морские. Наземный АМР должен быть способен двигаться по местности, обходя препятствия и избегая повреждений, а также понимать, в какой именно точке пространства он находится. Другими словами наземный АМР должен обладать способностью к проходимости (в тех условиях, для которых он предназначен), навигации и локализации.

Проходимость наземного АМР во многом зависит от двигателей и движителей [33]. Самыми частыми движителями являются колесные, гусеничные, шагающие или гибридные. Ноги, колеса и шарнирные тела являются основными способами передвижения мобильных роботов [34]. И хотя время от времени появляются другие виды движителей, все же основными, применяющимися в реальных задачах, являются те, что перечислены выше. Конструирование АМР заключается в выборе наиболее подходящего типа движителей, а также подборе их параметров, наиболее точно отвечающим требованиям задачи.

Основной научной проблемой, требующей решения при создании наземного АМР, является планирование движения [35—37]. Это связано прежде всего с тем, что невозможно заранее предусмотреть и запрограммировать все возможные дорожные ситуации. В то же время наземный АМР должен реагировать на постоянно изменяющуюся ситуацию на дороге. Задача планирования движения включает в себя следующие подзадачи:

1. Распознавание объектов окружающей среды.

2. Классификация объектов на статические и динамические.

3. Вычисление траектории движения для динамических препятствий.

4. Расчет пути с учетом обхода препятствий.

Локализация подразумевает определение текущего местоположения как в глобальной системе координат, так и в локальной. Проблемы локализации во многом связаны с погрешностью датчиков, с которых АМР получает данные. Чем точнее АМР определяет собственное положение, тем эффективнее работают алгоритмы планирования траектории движения.

В данной работе будут рассмотрены различные проблемы создания лесного робота - наземного АМР, целью которого является проведение лесо-хозяйственных работ.

Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК

Список литературы диссертационного исследования кандидат наук Рего Григорий Эйнович, 2023 год

использован,

например,

SLAM. Суть

работы мето-

да сводится

к тому, что

робот воз-

вращается

в одну из

тех точек,

в которых

уже был по

известному

маршруту.

round_- p - координаты p - округленные ко- Округляет

point точки ординаты точки. координаты

точки.

4.2.2 Пример работы программы расчета пути автономного мобильного робота в неизвестных средах

Программа работает в консольном режиме. В файле main.py инициализирует переменные и осуществляет расчет пути. Также в main осуществляется работа с файлом, в котором описаны параметры многоугольника (вершины и запретные квадраты).

Далее приведен пример со следующими входными данными. sour се = (50, 50), tar дet = (700, 700), гаdiиsvision = 4, оbstacles = [(5, 5,3), (7,12, 2), (100,100, 5)], где source - координаты точки-источника, targ et - координаты целевой точки, radiu svi si on - радиус области видимости робота, о Ь s t а с I е s - координаты центров и размер препятствий. Входные данные прописываются в файле формата .txt: каждый параметр в отдельной строке. После запуска программы осуществляется расчет пути, в процессе которого в консоль выводится информация с координатами точек, в которых выполняется поворот и угол поворота, как показано на Рисунке 4.3.

>python main.py Программа начала работу Point2D(50, 50) Point2D(700, 700)

[Circle(Point2D(5, 5), 3), Circle(Point2D(7, 12), 2), Circle(Point2D<100, 100), 5)]

Текущий угол: 1.00000000000000

Текущее препятствие:Circle(Point2D{100, 100), 5)

Текущая точка:94887/1000 99547/1000

Текущий угол: 0.0

Текущее препятствие:Circle(Point2D(100, 100), 5) Текущая точка:4799/50 10393/100

Задача решена!

Количество поворотов составило: 2

Рисунок 4.3 — Пример работы программы расчета пути автономного мобильного робота в неизвестных средах.

Основные результаты работы заключаются в следующем.

1. Разработан метод моделирования транспортной сети в виде покрытия многоугольника корневым деревом. Многоугольник покрывается квадратной сеткой таким образом, чтобы диагональ квадрата была равна максимально допустимому расстоянию от точек многоугольника до покрывающего корневого дерева.

2. Разработан численный метод построения покрывающего корневого дерева на многоугольнике.

3. Разработан численный метод расчета непересекающихся путей с минимизацией общего числа отрезков пути на многоугольнике.

4. Разработан численный метод расчета пути наземного автономного мобильного робота в неизвестных средах.

5. Разработан комплекс алгоритмов для расчета пути наземного автономного мобильного робота и покрытия многоугольника корневым деревом.

6. Реализован комплекс программных средств в составе: а) поиск пути наземного автономного мобильного робота в неизвестных средах; б) покрытие многоугольника корневым деревом для проектирования сети дорог. Комплекс программных средств позволяет рассчитывать путь автономного мобильного робота в неизвестных средах с минимизацией числа поворотов, а также осуществлять покрытие многоугольника корневым деревом с возможностью учитывать максимально допустимое расстояние от точек многоугольника до покрывающего дерева. Выполнено экспериментальное исследование на основе комплекса программных средств с целью оценки эффективности сформированных методов реактивной навигации наземного автономного мобильного робота и покрытия многоугольника корневым деревом. Программные средства предназначены для выполнения численных экспериментов по расчету пути наземного автономного мобильного робота, различных покрываемых площадей с применением жадного алгоритма, алгоритма ветвей и границ, а также алгоритма локального поиска.

7. Разработан метод определения наступления инцидентов, с учетом того, что наступление события может носить нечеткий характер. Особенностью метода является применение нечетких множеств для определения степени наступления инцидента.

8. Разработан комплекс математических моделей, которые включают в себя: математическую модель задачи покрытия многоугольника минимальным корневым деревом, математическую модель задачи расчета непересекающихся путей с минимальным общим числом отрезков, математическую модель задачи расчета пути наземного автономного мобильного робота в неизвестной среде.

В дальнейшем разработанные методы можно применять для объединения с уже существующими в рамках многокритериальной оптимизационной задачи. Для этого требуется описать математические модели, в которым учитываются как классические метрики оптимальности, так и введенные в данном исследовании. Работа в этом направлении позволит увеличить эффективность выполняемых работ в различных сферах производства, а также снизить вред, наносимый окружающей среде.

В заключение автор выражает искреннюю благодарность научному руководителю Воронову Р.В. за ценную поддержку и помощь в осуществлении диссертационного исследования. Без его помощи и профессиональных советов добиться таких результатов было бы труднее. Также хотелось бы поблагодарить Рогова А.А. за дельные советы в оформлении работы и обсуждение результатов. Автор сердечно благодарит Романову Е.В. за неугасаемый оптимизм и моральную поддержку в трудные минуты. Также хотелось бы выразить благодарность Щеголевой Л.В., Корзуну Д.Ж., Галактионову О.Н., Пешковой И.В.

Автономный мобильный робот (АМР) - робот, обладающий способностью перемещаться в окружающей среде без вмешательства со стороны оператора или использования заранее заданного маршрута.

Дерево (математический объект) - связный граф без циклов.

Длина пути - число отрезков между источником и целевой точками.

Дыра - многоугольник внутри многоугольника.

Запретная область - множество точек многоугольника, через которые путь не должен проходить, чтобы не возникло пересечение с другим путем. Запретная область строится между источником и целевой точками по принципу «натянутой нити». Если нить не может достичь следующего пика, например, из-за ситуации узкого места, то такое(ие) отрезок(ки) проходит(ят) таким образом, чтобы запретная область между двумя пиками была минимальна. Под пиками будем понимать вершины многоугольника, которые находятся между источником и целевой точками.

Инцидент - отказ или повреждение технических устройств, применяемых на опасном производственном объекте, отклонение от установленного режима технологического процесса.

Источник - точка, из которой рассчитывается путь.

Корневое дерево (математический объект) - дерево с выделенной вершиной в качестве корня.

Лес (математический объект) - множество корневых деревьев.

Лесной робот - АМР, предназначенный для выполнения технологических работ в лесной местности.

Многоугольник - часть плоскости, ограниченная замкнутой ломаной без самопересечений.

Отрезок - часть прямой, ограниченной двумя точками.

Путь - ломаная линия между источником и целевой точками без самопересечений, все точки которой лежат внутри или на границе многоугольника.

Цель (целевая точка) - точка, в которой путь заканчивается.

Inertial Measurement Unit (IMU) - электронное устройство, которое измеряет угловую скорость и ускорение тела, используя комбинацию акселерометров и гироскопов.

1. Свидетельство о гос. регистрации программы для ЭВМ. Программа покрытия полигона минимальным корневым деревом для проектирования сети волоков на лесосеке [Текст] / Г. Э. Рего ; Ф. ВО ПетрГУ. — № 1234567890 ; заявл. 18.05.2023 ; опубл. 18.05.2023, 1234567890 (Рос. Федерация).

2. Свидетельство о гос. регистрации программы для ЭВМ. Программа расчета пути автономного мобильного робота в неизвестных средах [Текст] / Г. Э. Рего ; Ф. ВО ПетрГУ. — № 1234567890 ; заявл. 18.05.2023 ; опубл. 18.05.2023, 1234567890 (Рос. Федерация).

3. Rego, G. On Algorithms for the Minimum Link Disjoint Paths Problem [Текст] / G. Rego, R. Voronov // 2020 International Russian Automation Conference (RusAutoCon). — 2020. — P. 525—529.

4. Rego, G. Trajectory Construction for Autonomous Robot Movement based on Sensed Physical Parameters and Video Data [Текст] / G. Rego, N. Bazhenov, D. Korzun // 2021 30th Conference of Open Innovations Association FRUCT. — 2021. — P. 200—206.

5. Rego, G. Algorithms for calculating schemes of transport routes in a felling area [Текст] / G. Rego, O. Grigoreva, R. Voronov // IOP Conference Series: Earth and Environmental Science. — 2021. — Aug. — Vol. 806. — P. 012025.

6. Rego, G. Dynamic path planning algorithm for autonomous mobile robot with a minimum number of turns in unknownenvironment [Текст] / G. Rego, R. V. Voronov // Vestnik of Saint Petersburg University. Applied Mathematics. Computer Science. Control Processes. — 2023. — Sept. — Vol. 19, no. 2. — P. 265—275.

7. Rego, G. E. Mathematical modeling method for detecting the fuzzy occurrence of dangerous events [Текст] / G. E. Rego //. — 2023. — Vol. 14, no. 9. — P. 442—451.

8. Рего, Г. Э. Алгоритм локального поиска для задачи покрытия полигона лесом корневых деревьев [Текст] / Г. Э. Рего, Р. В. Воронов, И. В. Григорьев // Инженерный вестник Дона. — 2022. — Т. 10. — С. 1—20.

9. How do we move towards true artificial intelligence [Текст] / W. Liu [et al.] // 2021 IEEE 23rd Int Conf on High Performance Computing and Communications; 7th Int Conf on Data Science and Systems; 19th Int Conf on Smart City; 7th Int Conf on Dependability in Sensor, Cloud and Big Data Systems and Application (HPCC/DSS/SmartCity/DependSys). — 2021. — P. 2156—2158.

10. A Review on Artificial Intelligence with Deep Human Reasoning [Текст] / J. Harika [et al.] // 2022 International Conference on Applied Artificial Intelligence and Computing (ICAAIC). — 2022. — P. 81—84.

11. Patricia Silva, A. Artificial Intelligence in Accounting: Literature Review [Текст] / A. Patricia Silva, G. Azevedo, R. Pedro Marques // 2022 17th Iberian Conference on Information Systems and Technologies (CISTI). — 2022. — P. 1—6.

12. Mastering the game of Go with deep neural networks and tree search [Текст] / D. Silver [et al.] // Nature. — 2016. — Vol. 529. — P. 484—489.

13. Mastering the game of Go without human knowledge [Текст] / D. Silver [et al.] // Nature. — 2017. — Vol. 550. — P. 354—359.

14. Li, F. From AlphaGo to Power System AI: What Engineers Can Learn from Solving the Most Complex Board Game [Текст] / F. Li, Y. Du // IEEE Power and Energy Magazine. — 2018. — Vol. 16, no. 2. — P. 76—84.

15. Bimbraw, K. Autonomous cars: Past, present and future a review of the developments in the last century, the present scenario and the expected future of autonomous vehicle technology [Текст] / K. Bimbraw // 2015 12th International Conference on Informatics in Control, Automation and Robotics (ICINCO). Vol. 01. — 2015. — P. 191—198.

16. Duarte, F. The Impact of Autonomous Vehicles on Cities: A Review [Текст] / F. Duarte, C. Ratti // Journal of Urban Technology. — 2018. — July. — Vol. 25. — P. 1—16.

17. Autonomous Vehicles: Challenges, Opportunities and Future Implications for Transportation Policies [Текст] / S. Bagloee [et al.] // Journal of Modern Transportation. — 2016. — Aug. — Vol. 24. — P. 284—303.

18. Fagnant, D. Preparing a nation for autonomous vehicles: Opportunities, barriers and policy recommendations [Текст] / D. Fagnant, K. Kockelman // Transportation Research Part A: Policy and Practice. — 2015. — July. — Vol. 77.

19. SAE International [Текст]. —. — URL: https://www.sae.org/.

20. Sage, A. Waymo unveils self-driving taxi service in Arizona for paying customers [Текст] / A. Sage // Reuters. —. — : https://www.reuters.com/article/us-waymo-selfdriving-focus-idUSKBN1O41M2.

21. Yi, B. D. Baidu Expands Robotaxi Pilot Program to Guangzhou [Текст] /

B. D. Yi // CX Tech. —. — : https://www.caixinglobal.com/2021-07-20/baidu-ex

22. Petit, J. Potential Cyberattacks on Automated Vehicles [Текст] / J. Petit, S. E. Shladover // IEEE Transactions on Intelligent Transportation Systems. — 2015. — Vol. 16, no. 2. — P. 546—556.

23. Kalra, N. Driving to safety: How many miles of driving would it take to demonstrate autonomous vehicle reliability? [Текст] / N. Kalra, S. M. Paddock // Transportation Research Part A: Policy and Practice. — 2016. — Vol. 94. —P. 182—193. —URL: https://www.sciencedirect.com/science/ article/pii/S0965856416302129.

24. A Systematic Review of Perception System and Simulators for Autonomous Vehicles Research [Текст] / F. Rosique [et al.] // Sensors. — 2019. — Feb. — Vol. 19. — P. 648.

25. Schöner, H.-P. Simulation in development and testing of autonomous vehicles [Текст] / H.-P. Schöner //. — 2018.

26. Costa, V. Autonomous Driving Simulator for Educational Purposes [Текст] / V. Costa, R. Rossetti, A. Sousa //. — 06/2016.

27. CARLA: An Open Urban Driving Simulator [Текст] / A. Dosovitskiy [et al.]. —2017. — URL: https://arxiv.org/abs/1711.03938.

28. Council, N. R. Statistics, Testing, and Defense Acquisition: New Approaches and Methodological Improvements [Текст] / N. R. Council ; ed. by M. L. Cohen, J. E. Rolph, D. L. Steffey. —Washington, DC : The National Academies Press, 1998. — URL: https : / / nap . nationalacademies . org / catalog / 6037 / statistics - testing - and - defense - acquisition - new - approaches - and -methodological-improvements.

29. Design and Implementation of the robot for radiation source detection and disposal [Текст] / L. Zhu [et al.] // 2019 Chinese Automation Congress (CAC). — 2019. — P. 3431—3434.

30. The design of remote terminal for searching radiation source robot [Текст] / M. Jiang [et al.] // 2017 Chinese Automation Congress (CAC). — 2017. — P. 793—796.

31. Designing a Mobile Robot used for Access to Dangerous Areas [Текст] / P. C. Patic [et al.] // 2017 International Conference on Control, Artificial Intelligence, Robotics & Optimization (ICCAIRO). — 2017. — P. 60—65.

32. Alatise, M. B. A Review on Challenges of Autonomous Mobile Robot and Sensor Fusion Methods [Текст] / M. B. Alatise, G. P. Hancke // IEEE Access. — 2020. — Vol. 8. — P. 39830—39846.

33. Rubio, F. A review of mobile robots: Concepts, methods, theoretical framework, and applications [Текст] / F. Rubio, F. Valero, C. Llopis-Albert // International Journal of Advanced Robotic Systems. — 2019. — Vol. 16, no. 2. — P. 1729881419839596.

34. Locomotion Strategy Selection for a Hybrid Mobile Robot Using Time of Flight Depth Sensor [Текст] / A. Saudabayev [et al.] // Journal of Sensors. — 2015. — Apr. — Vol. 2015. — P. 1—14.

35. A Survey of Motion Planning and Control Techniques for Self-Driving Urban Vehicles [Текст] / B. Paden [et al.] // IEEE Transactions on Intelligent Vehicles. — 2016. — Vol. 1, no. 1. — P. 33—55.

36. Pandey, D. A. Mobile Robot Navigation and Obstacle Avoidance Techniques: A Review [Текст] / D. A. Pandey // International Robotics and Automation Journal. — 2017. — May. — Vol. 2. — P. 1—12.

37. A review: On path planning strategies for navigation of mobile robot [Текст] / B. Patle [et al.] // Defence Technology. — 2019. — Vol. 15, no. 4. — P. 582—606. —URL: https://www.sciencedirect.com/science/article/pii/ S2214914718305130.

38. Насырова, Г. А. Приказ Минприроды России от 29.12.2021 N 1024 "Об утверждении Правил лесовосстановления, формы, состава, порядка согласования проекта лесовосстановления, оснований для отказа в его согласовании, а также требований к формату в электронной форме проекта лесовосстановления"[Электронный ресурс] [Текст] / Г. А. Насырова // Официальный интернет-портал правовой информации. — 2021. — URL: http://publication.pravo.gov.ru/Document/View/0001202202110024.

39. Герасимова, И. А. Сравнительный анализ социально-экономического положения населения приграничных регионов республики карелия [Текст] / И. А. Герасимова // Материалы VII международной научно-практической конференции «Перспективы социально-экономического развития приграничных регионов». — 2021. — Т. 3. — С. 40—44. — URL: http:// resources.krc.karelia.ru / economy / doc / publ / sbornik_prigraniche-2021.pdf# page=40.

40. Boer, M. Unprecedented burn area of Australian mega forest fires [Текст] / M. Boer, V. Resco de Dios, R. Bradstock // Nature Climate Change. — 2020. — Feb. — Vol. 10. — P. 1—2.

41. Современные проблемы лесовосстановления в россии и оценки его качества [Текст] / О. И. Гаврилова [и др.] // Digital. — 2021. — Т. 3. — С. 1—7. — URL: https://cyberleninka.ru/article/n/sovremennye-problemy-lesovosstanovleniya-v-rossii-i-otsenki-ego-kachestva.

42. Oliveira, L. F. Advances in Forest Robotics: A State-of-the-Art Survey [Текст] / L. F. Oliveira, A. Moreira, M. Silva // Robotics. — 2021. — Mar. — Vol. 10. — P. 53.

43. Localization in Unstructured Environments: Towards Autonomous Robots in Forests with Delaunay Triangulation [Текст] / Q. L. [et al.] // Remote Sensing. — 2020. — June. — Vol. 12. — P. 1870.

44. Oliveira, L. F. P. Smart Traffic Light Controller System [Текст] / L. F. P. Oliveira, L. T. Manera, P. D. G. Luz // 2019 Sixth International Conference on Internet of Things: Systems, Management and Security (IOTSMS). — 2019. — P. 155—160.

45. Mohanty, S. P. Everything you wanted to know about smart cities: The Internet of things is the backbone [Текст] / S. P. Mohanty, U. Choppali,

E. Kougianos // IEEE Consumer Electronics Magazine. — 2016. — Vol. 5, no. 3. — P. 60—70.

46. Semanjski, I. Smart Mobility [Текст] / I. Semanjski, S. Mandzuka, S. Gautama // 2018 International Symposium ELMAR. — 2018. — P. 63—66.

47. О конструкции колесного шасси и сенсорной системы для автономного движения по труднопроходимой местности с преодолением и обходом препятствий при выполнении лесохозяйственных работ [Текст] / О. Н. Галактионов [и др.] // Экстремальная робототехника. — 2022. — С. 35—46.

48. Рего, Г. Э. Проект лесной робот: концептуальная модель анализа движения мобильной робототехнической системы для лесовосстановления и рубок ухода [Текст] / Г. Э. Рего, Д. Ж. Корзун, Л. В. Щеголева // Перспективы и возможности использования цифровых технологий в науке, образовании и управлении. Сборник материалов Всероссийской научно-практической конференции. — 2022. — С. 206—210.

49. SEMFIRE: Towards a new generation of forestry maintenance multi-robot systems [Текст] / M. S. Couceiro [et al.] // 2019 IEEE/SICE International Symposium on System Integration (SII). — 2019. — P. 270—276.

50. Reis, R. Forest Robot and Datasets for Biomass Collection [Текст] / R. Reis,

F. Neves Dos Santos, L. Santos //. — 01/2020. — P. 152—163.

51. Thermite-First Commercial Firefighting Robot Sold in the U.S. [Текст]. — 2020. —URL: https://www.howeandhowe.com/civil/thermite.

52. Shark Robotics [Текст]. — 2020. — URL: https://www.shark-robotics.com/ shark-robots.

53. Milrem Robotics. Multiscope Rescue Hose Cartridge [Текст]. — 2020. — URL: https://milremrobotics.com/commercial.

54. Design of an autonomous seed planting robot [Текст] / N. Srinivasan [et al.] // 2016 IEEE Region 10 Humanitarian Technology Conference (R10-HTC). — 2016. — P. 1—4.

55. Hassan, M. U. Towards autonomy in agriculture: Design and prototyping of a robotic vehicle with seed selector [Текст] / M. U. Hassan, M. Ullah, J. Iqbal // 2016 2nd International Conference on Robotics and Artificial Intelligence (ICRAI). — 2016. — P. 37—44.

56. Multipurpose autonomous agricultural robot [Текст] / K. D. Sowjanya [et al.] // 2017 International conference of Electronics, Communication and Aerospace Technology (ICECA). Vol. 2. — 2017. — P. 696—699.

57. A Modeling and Simulation based on the Multibody Dynamics for an Autonomous Agricultural Robot [Текст] / J. B. Han [et al.] // 2019 7th International Conference on Control, Mechatronics and Automation (IC-CMA). — 2019. — P. 137—143.

58. Melenbrink, N. Autonomous Sheet Pile Driving Robots for Soil Stabilization [Текст] / N. Melenbrink, J. Werfel // 2019 International Conference on Robotics and Automation (ICRA). — 2019. — P. 339—345.

59. Kinematic reconfigurability control for an environmental mobile robot operating in the Amazon rain forest [Текст] / G. Freitas [et al.] // J. Field Robotics. — 2010. — Mar. — Vol. 27. — P. 197—216.

60. Notomista, G. The SlothBot: A Novel Design for a Wire-Traversing Robot [Текст] / G. Notomista, Y. Emam, M. Egerstedt // IEEE Robotics and Automation Letters. — 2019. — Vol. 4, no. 2. — P. 1993—1998.

61. An End to End Process Development for UAV-SfM Based Forest Monitoring: Individual Tree Detection, Species Classification and Carbon Dynamics Simulation [Текст] / A. Fujimoto [et al.] // Forests. — 2019. — Aug. — Vol. 10. — P. 680.

62. Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation [Текст] / L. Gonzalez [et al.] // Sensors. — 2016. — Jan. — Vol. 16. — P. 97.

63. Marchand, E. Pose Estimation for Augmented Reality: A Hands-On Survey [Текст] / E. Marchand, H. Uchiyama, F. Spindler // IEEE Transactions on Visualization and Computer Graphics. — 2016. — Vol. 22, no. 12. — P. 2633—2651.

64. Halme, A. Terrain Adaptive Motion and Free Gait of a Six-Legged Walking Machine [Текст] / A. Halme, K. Hartikainen, K. Kärkkäinen // IFAC Proceedings Volumes. — 1993. — Vol. 26, no. 1. — P. 1—7. — URL: https: //www.sciencedirect.com/science/article/pii/S1474667017492664 ; 1st IFAC International Workshop on Intelligent Autonomous Vehicles, Hampshire, UK, 18-21 April.

65. Oliveira, L. F. P. Modeling, Simulation and Analysis of Locomotion Patterns for Hexapod Robots [Текст] / L. F. P. Oliveira, F. L. Rossini // IEEE Latin America Transactions. — 2018. — Vol. 16, no. 2. — P. 375—383.

66. Bellomo, N. Modelling mathematical methods and scientific computation [Текст]. Vol. 1 / N. Bellomo, L. Preziosi. — CRC press, 1994.

67. Kapur, J. N. Mathematical modelling [Текст] / J. N. Kapur. — New Age International, 1988.

68. Zheng, Y.-F. Mathematical modeling of a robot collision with its environment [Текст] / Y.-F. Zheng, H. Hemami // Journal of Robotic Systems. — 1985. — Т. 2, № 3. — С. 289—307. — URL: https://onlinelibrary.wiley.com/doi/abs/ 10.1002/rob.4620020307.

69. Hemami, H. Postural and gait stability of a planar five link biped by simulation [Текст] / H. Hemami, R. Farnsworth // IEEE Transactions on Automatic Control. — 1977. — Т. 22, № 3. — С. 452—458.

70. Morin, P. Motion Control of Wheeled Mobile Robots [Текст] / P. Morin, C. Samson // Springer Handbook of Robotics / под ред. B. Siciliano, O. Khatib. — Berlin, Heidelberg : Springer Berlin Heidelberg, 2008. — С. 799—826. — URL: https://doi.org/10.1007/978-3-540-30301-5_35.

71. Review On: The Service Robot Mathematical Model [Текст] / A. J. Moshayedi [и др.] // EAI Endorsed Transactions on AI and Robotics. — 2022. — Февр. — Т. 1.

72. Tzafestas, S. Mobile Robot Control and Navigation: A Global Overview [Текст] / S. Tzafestas // Journal of Intelligent Robotic Systems. — 2018. — Июль. — Т. 91.

73. Zhang, H.-y. Path Planning for the Mobile Robot: A Review [Текст] / H.-y. Zhang, W.-m. Lin, A.-x. Chen // Symmetry. — 2018. — Т. 10, № 10. — URL: https://www.mdpi.com/2073-8994/10/10/450.

74. Grisales-Ramirez, E. Multi-Objective Combinatorial Optimization Using the Cell Mapping Algorithm for Mobile Robots Trajectory Planning [Текст] / E. Grisales-Ramirez, G. Osorio // Electronics. — 2023. — Т. 12, № 9.

75. Design of a Model Predictive Trajectory Tracking Controller for Mobile Robot Based on the Event-Triggering Mechanism [Текст] / H. Ning [и др.] // Mathematical Problems in Engineering. — 2021.

76. Stochastic event capturing with a single mobile robot in rectangular perimeters [Текст] / X. Liang [и др.] // Telecommunication Systems -TELSYS. — 2011. — Апр. — Т. 52. — С. 1—14.

77. Antonelli, G. A Fuzzy-Logic-Based Approach for Mobile Robot Path Tracking [Текст] / G. Antonelli, S. Chiaverini, G. Fusco // IEEE Transactions on Fuzzy Systems. — 2007. — Т. 15, № 2. — С. 211—221.

78. Singh, N. Mobile Robot Navigation Using Fuzzy Logic in Static Environments [Текст] / N. Singh, K. Thongam // Procedia Computer Science. — 2018. — Янв. — Т. 125. — С. 11—17.

79. Aguirre, E. Fuzzy behaviors for mobile robot navigation: Design, coordination and fusion [Текст] / E. Aguirre, A. Gonzalez-Munoz // International Journal of Approximate Reasoning. — 2000. — Нояб. — Т. 25. — С. 255—289.

80. Driankov, D. In: Fuzzy Logic Techniques for Autonomous Vehicle Navigation. [Текст] / D. Driankov, A. Saffiotti. — 2002. — Июнь.

81. Maaref, H. Sensor-based fuzzy navigation of an autonomous mobile robot in an indoor environment [Текст] / H. Maaref, C. Barret // Control Engineering Practice. — 2000. — Июль. — Т. 8. — С. 757—768.

82. Воронов, Р. В. Математические методы и модели систем определения местоположения мобильных объектов внутри зданий и сооружений: ав-тореф. дис. ... док. тех. наук : 05.13.18 [Текст] / Р. В. Воронов. — М., 2017. — 47 с.

83. Воронова, А. М. Методы покрытия гиперсети корневым деревом для оптимизации системы транспортных путей: автореф. дис. ... канд. тех. наук

: 05.13.18 [Текст] / А. М. Воронова. — М., 2013. — 24 с.

84. Алексеев, А. А. Автоматизация процесса объезда препятствий автотранспортным средством: автореф. дис. ... канд. тех. наук : 05.13.06 [Текст] / А. А. Алексеев. — М., 2013. — 25 с.

85. Алексеев, А. А. Система планирования и исполнения задания мобильным колёсным роботом на основе метода опорных траекторий и кривых Безье третьего порядка в условиях склада машиностроительного предприятия: автореф. дис. ... канд. тех. наук : 05.02.05 [Текст] / А. А. Алексеев. — М., 2021. — 28 с.

86. Nayebi, A. Beaconing in Wireless Mobile Networks [Текст] / A. Nayebi, G. Karlsson // 2009 IEEE Wireless Communications and Networking Conference. — 2009. — P. 1—6.

87. Ishida, K. A routing protocol for finding two node-disjoint paths in computer networks [Текст] / K. Ishida, Y. Kakuda, T. Kikuno // Proceedings of International Conference on Network Protocols. — 1995. — P. 340—347.

88. Attar, R. A Distributed Adaptive Multi-Path Routing-Consistent and Conflicting Decision Making [Текст] / R. Attar // Berkeley Workshop. — 1981.

89. Gu Kang, C. Fault-tolerant design of packet switched network with unreliable links [Текст] / C. Gu Kang, H. H. Tan // Computer Communications. — 1997. — Vol. 20, no. 7. — P. 544—553. — URL: https://www.sciencedirect. com/science/article/pii/S014036649700039X.

90. Левтеров, А. И. Определение зависимости времени проезда перекрестка от величины очереди транспортных средств и параметров дорожной сети [Текст] / А. И. Левтеров, А. Н. Ярута // Автомобильный транспорт. — 2011. — Т. 29. — С. 1—4. — URL: https://cyberleninka.ru/article/n/ opredelenie-zavisimosti-vremeni-proezda-perekrestka-ot-velichiny-ocheredi-transportnyh-sredstv-i-parametrov-dorozhnoy-seti.

91. Schrijver, A. Combinatorial Optimization: Polyhedra and Efficiency [Текст]. B / A. Schrijver. — 01/2003. — P. 1—34.

92. An Experimental Comparison of Three Graph Drawing Algorithms (Extended Abstract). [Текст] / G. Battista [et al.] //. — 01/1995. — P. 306—315.

93. Васильев, Ю. М. Визуализация кооперативных схем: гибридный эвристический алгоритм для минимизации количества пересечений ребер при укладке графа [Текст] / Ю. М. Васильев, Г. М. Фридман // Известия СПбГЭУ. — 2017. — Т. 1/2. — С. 1—7. — URL: https://cyberleninka. ru / article /n/ vizualizatsiya- kooperativnyh- shem-gibridnyy- evristicheskiy-algoritm-dlya-minimizatsii-kolichestva-peresecheniy-reber-pri-ukladke.

94. Graph-Based File Dispatching Protocol With D2D-Aided UAV-NOMA Communications in Large-Scale Networks [Текст] / B. Wang [et al.] // 2020 IEEE Wireless Communications and Networking Conference (WCNC). — 2020. — P. 1—6.

95. Wang, J. Online UAV-Mounted Edge Server Dispatching for Mobile-to-Mobile Edge Computing [Текст] / J. Wang, K. Liu, J. Pan // IEEE Internet of Things Journal. — 2020. — Vol. 7, no. 2. — P. 1375—1386.

96. Chazelle, B. Triangulating a simple polygon in linear time [Текст] / B. Chazelle // 31st Annual Symposium on Foundations of Computer Science. Vol. 1. — 1990. — P. 220—230.

97. Chazelle, B. An optimal algorithm for intersecting line segments in the plane [Текст] / B. Chazelle, H. Edelsbrunner // 29th Annual Symposium on Foundations of Computer Science. — 1988. — P. 590—600.

98. Ghosh, S. K. An output sensitive algorithm for computing visibility graphs [Текст] / S. K. Ghosh, D. M. Mount // 28th Annual Symposium on Foundations of Computer Science (sfcs 1987). — 1987. — P. 11—19.

99. Ke, Y. An Efficient Algorithm for Link-Distance Problems [Текст] / Y. Ke // Proceedings of the Fifth Annual Symposium on Computational Geometry. — Saarbruchen, West Germany : Association for Computing Machinery, 1989. — P. 69—78. — URL: https://doi.org/10.1145/73833.73841.

100. Lee, D. Visibility of a simple polygon [Текст] / D. Lee // Computer Vision, Graphics, and Image Processing. — 1983. — Vol. 22, no. 2. — P. 207—221. — URL: https: / / www. sciencedirect. com / science / article / pii/0734189X83900658.

101. Djidjev, H. An O(n log n) algorithm for computing a link center in a simple polygon [Текст] / H. Djidjev, A. Lingas, J.-R. Sack //. — 04/2006. — P. 96—107.

102. Kumar Ghosh, S. Computing the visibility polygon from a convex set and related problems [Текст] / S. Kumar Ghosh // Journal of Algorithms. — 1991. —Vol. 12, no. 1. —P. 75—95. —URL: https://www.sciencedirect. com/science/article/pii/019667749190024S.

103. Suri, S. Worst-Case Optimal Algorithms for Constructing Visibility Polygons with Holes [Текст] / S. Suri, J. ORourke // Proceedings of the Second Annual Symposium on Computational Geometry. — Yorktown Heights, New York, USA : Association for Computing Machinery, 1986. — P. 14—23. — URL: https://doi.org/10.1145/10515.10517.

104. Mitchell, J. S. Minimum-link paths revisited [Текст] / J. S. Mitchell, V. Pol-ishchuk, M. Sysikaski // Computational Geometry. — 2014. — Vol. 47, no. 6. —P. 651—667. —URL: https://www.sciencedirect.com/science/ article/pii/S0925772113001739 ; 27th European Workshop on Computational Geometry (EuroCG 2011).

105. Yang, C.-D. Rectilinear Path Problems among Rectilinear Obstacles Revisited [Текст] / C.-D. Yang, D. Lee, C. Wong // SIAM J. Comput. — 1995. — June. — Vol. 24. — P. 457—472.

106. Lee, D. On bends and distances of paths among obstacles in two-layer interconnection model [Текст] / D. Lee, C. Yang, C. Wong // IEEE Transactions on Computers. — 1994. — Vol. 43, no. 6. — P. 711—724.

107. Ben-Or, M. Lower Bounds for Algebraic Computation Trees [Текст] / M. Ben-Or // Proc. 15th Annual Symp. on Theory of Computing. — 1983. — Jan. — Vol. 5. — P. 80—86.

108. Avis. An Optimal Algorithm for Determining the Visibility of a Polygon from an Edge [Текст] / Avis, Toussaint // IEEE Transactions on Computers. — 1981. — Vol. C—30, no. 12. — P. 910—914.

109. Tominaga, A. Development of Navigation System in Field Robot for Forest Management [Текст] / A. Tominaga, H. Eiji, A. Mowshowitz // 2018 Joint 10th International Conference on Soft Computing and Intelligent Systems (SCIS) and 19th International Symposium on Advanced Intelligent Systems (ISIS). —2018. — P. 1142—1147.

110. Levitt, T. S. Qualitative navigation for mobile robots [Текст] / T. S. Levitt, D. T. Lawton // Artificial Intelligence. — 1990. — Vol. 44, no. 3. — P. 305—360. —URL: https://www.sciencedirect.com/science/article/pii/ 000437029090027W.

111. Nelson, E. Environment model adaptation for mobile robot exploration [Текст] / E. Nelson, M. Corah, N. Michael // Autonomous Robots. — 2018. — Feb. — Vol. 42.

112. Development of Cloud Autonomous System for Enhancing the Performance of Robots Path [Текст] / K. Sharma [и др.] // Electronics. — 2023. — Янв. — Т. 12. — С. 683.

113. Canny, J. New lower bound techniques for robot motion planning problems [Текст] / J. Canny, J. Reif //. — 11/1987. — P. 49—60.

114. Crespo, J. Relational Model for Robotic Semantic Navigation in Indoor Environments [Текст] / J. Crespo, R. I. B. Castano, O. M. Mozos // Journal of Intelligent & Robotic Systems. — 2017. — Vol. 86. — P. 617—639.

115. Introduction to Mobile Robot Path Planning [Текст] / A. Koubaa [et al.] //. — 04/2018. — P. 3—12.

116. Park, J.-H. Path Planning for Autonomous Mobile Robot Based on Safe Space [Текст] / J.-H. Park, U.-Y. Huh // Journal of Electrical Engineering and Technology. — 2016. — Sept. — Vol. 11. — P. 1441—1448.

117. Shahzad, K. Points-Based Safe Path Planning of Continuum Robots [Текст] / K. Shahzad, S. Iqbal, P. Bloodsworth // International Journal of Advanced Robotic Systems. — 2015. — July. — Vol. 12. — P. 1.

118. Yim, W. J. Analysis of mobile robot navigation using vector field histogram according to the number of sectors, the robot speed and the width of the path [Текст] / W. J. Yim, J. B. Park // 2014 14th International Conference on Control, Automation and Systems (ICCAS 2014). — 2014. — P. 1037—1040.

119. Borenstein, J. The vector field histogram-fast obstacle avoidance for mobile robots [Текст] / J. Borenstein, Y. Koren // IEEE Transactions on Robotics and Automation. — 1991. — Vol. 7, no. 3. — P. 278—288.

120. Koren, Y. Potential field methods and their inherent limitations for mobile robot navigation [Текст] / Y. Koren, J. Borenstein // Proceedings. 1991 IEEE International Conference on Robotics and Automation. — 1991. — 1398—1404 vol.2.

121. Path planning in construction sites: performance evaluation of the Dijkstra, A, and GA search algorithms [Текст] / A. Soltani [et al.] // Advanced Engineering Informatics. — 2002. — Vol. 16, no. 4. — P. 291—303. — URL: https://www.sciencedirect.com/science/article/pii/S1474034603000181.

122. A Dual Forward-Backward Algorithm to Solve Convex Model Predictive Control for Obstacle Avoidance in a Logistics Scenario [Текст] / D. Ludovico [и др.] // Electronics. — 2023. — Янв. — Т. 12. — С. 622.

123. Takahashi, O. Motion planning in a plane using generalized Voronoi diagrams [Текст] / O. Takahashi, R. Schilling // IEEE Transactions on Robotics and Automation. — 1989. — Vol. 5, no. 2. — P. 143—150.

124. Masehian, E. A Voronoi diagram-visibility graph-potential field compound algorithm for robot path planning [Текст] / E. Masehian, M. R. Amin-Naseri // J. Field Robotics. — 2004. — June. — Vol. 21. — P. 275—300.

125. Geiger, A. Are we ready for autonomous driving? The KITTI vision benchmark suite [Текст] / A. Geiger, P. Lenz, R. Urtasun // 2012 IEEE Conference on Computer Vision and Pattern Recognition. — 2012. — P. 3354—3361.

126. Simultaneous Localization and Mapping for Forest Harvesters [Текст] / M. Miettinen [et al.] // Proceedings 2007 IEEE International Conference on Robotics and Automation. — 2007. — P. 517—522.

127. Design of dead reckoning system for mobile robot [Текст] / J.-x. Yu [et al.] // Journal of Central South University of Technology. — 2006. — Oct. — Vol. 13. — P. 542—547.

128. Lumelsky, V. J. Path-planning strategies for a point mobile automaton moving amidst unknown obstacles of arbitrary shape [Текст] / V. J. Lumelsky, A. A. Stepanov // Algorithmica. — 1987. — Vol. 2. — P. 403—430.

129. Luh, G.-C. Reactive Navigation of a Mobile Robot in Unknown Environments [Текст] / G.-C. Luh, W.-W. Liu, H.-K. Lin // IFAC Proceedings Volumes. — 2008. — Vol. 41, no. 2. — P. 6804—6809. — URL: https: / / www. sciencedirect. com / science / article / pii / S1474667016400376 ; 17th IFAC World Congress.

130. A simple goal seeking navigation method for a mobile robot using human sense, fuzzy logic and reinforcement learning [Текст] / H. Boubertakh [et al.] // Journal of Automatic Control. — 2008. — Jan. — Vol. 18.

131. Fuzzy logic controller for autonomous navigation [Текст] / T. Muthu [et al.] // 2012 International Conference on Communication and Signal Processing. — 2012. — P. 81—92.

132. Lee, S. A fuzzy navigation system for mobile construction robots [Текст] / S. Lee, T. M. Adams, B.-y. Ryoo // Automation in Construction. — 1997. — Vol. 6, no. 2. — P. 97—107. — URL: https://www.sciencedirect.com/ science/article/pii/S0926580596001859.

133. Рего, Г. Э. О метриках оценки алгоритмов навигации мобильных роботов [Текст] / Г. Э. Рего // Материалы XV всероссийской научно-практической конференции «Цифровые технологии в образовании, науке, обществе». — 2021. — С. 70—73.

134. Рего, Г. Э. О задаче покрытия полигона корневым деревом [Текст] / Г. Э. Рего, Р. В. Воронов // Материалы XIV Всероссийской научно-практической конференции «Цифровые технологии в образовании, науке, обществе». — 2020. — С. 130—132.

135. Рего, Г. Э. О применении алгоритмов покрытия полигона и поиска минимальных непересекающихся путей для лесного робота [Текст] / Г. Э. Рего // Сборник научных статей по материалам Всероссийской научно-практической конференции с международным участием, посвященной 100-летию образования Якутской АССР и 85-летию Первого президента РС(Я) М. Е. Николаева (Николаевские чтения). — 2022. — С. 779—784.

136. Лесной кодекс Российской Федерации [Текст]. — 2006.

137. Григорьев, И. В. Снижение отрицательного воздействия на почву колесных трелевочных тракторов обоснованием режимов их движения и технологического оборудования [Текст] / И. В. Григорьев // Санкт-Петербург: SpBFTA. — 2006. — С. 1—333.

138. Григорьев, И. В. Координатно-объемная методика трассирования при освоении лесосек трелевкой [Текст] / И. В. Григорьев, А. И. Жукова // Лесной журнал. — 2004. — № 4. — С. 39—44.

139. , Theoretical Approaches to Logging Trail Network Planning: Increasing Efficiency of Forest Machines and Reducing Their Negative Impact on Soil and Terrain [Текст] /., // Asian Journal of Water, Environment and Pollution. — 2019. — Vol. 16, no. 4. — P. 61—75.

140. Assessment the effect of skidding techniques on the ecological efficiency of the skidding tractor [Текст] / I. A. Grigorev [et al.] //. Vol. 21. — 2020. — P. 67—75.

141. Efficiency improvement of forest machinery exploitation [Текст] / I. Grigorev [et al.] // Diagnostyka. — 2020. — Vol. 21, no. 2. — P. 95—109. — URL: https://doi.org/10.29354/diag/122797.

142. INCREASING THE LOGGING ROAD EFFICIENCY BY REDUCING THE INTENSITY OF RUTTING: MATHEMETICAL MODELING [Текст] / A. Y. Manukovsky [et al.] // Journal of Mechanical Engineering Research and Developments. — 2018. — Jan. — Vol. 41. — P. 35—41.

143. Environment-friendly logging in the context of water logged soil and knob-and-ridge terrain [Текст] / V. A. Ivanov [et al.] // Journal of Mechanical Engineering Research and Developments. — 2018. — July. — Vol. 41. — P. 22—27.

144. Glück, R. Covering Polygons with Rectangles [Текст] / R. Glück //. — 04/2016.

145. Culberson, J. Covering polygons is hard [Текст] / J. Culberson, R. Reckhow // [Proceedings 1988] 29th Annual Symposium on Foundations of Computer Science. — 1988. — P. 601—611.

146. Рего, Г. Э. Об алгоритмах задачи поиска непересекающихся путей с минимальным числом линков [Текст] / Г. Э. Рего // Фундаментальные проблемы управления производственными процессами в условиях перехода к индустрии 4.0. — 2020. — С. 185—190.

147. Кормен, Т. Алгоритмы: построение и анализ [Текст] / Т. Кормен, Ч. Лей-зерсон, Р. Ривест. — Москва : Лаборатория знаний, 2004. — 1296 с.

148. Кузнецов, В. Ю. Два алгоритма решения задачи о минимальном покрытии прямоугольной области с запретными участками [Текст] / В. Ю. Кузнецов // Актуальные проблемы в науке и технике : сб. ст. третьей всероссийской зимней шк.-сем. аспирантов и молодых ученых. — 2008. — С. 227—235.

149. Кузнецов, В. Ю. Задачи покрытия: модели, алгоритмы и приложения [Текст] / В. Ю. Кузнецов, М. С. Егорова // Принятие решений в условиях неопределенности : сб. науч. тр. — 2008. — С. 138—143.

150. Моргунов, И. Б. Основы дискретной оптимизации некоторых задач упорядочения: На прим. учеб. процесса [Текст] / И. Б. Моргунов. — Москва : Москва, 2004. — 215 с.

151. Рахимов, К. Р. Горные линии электропередачи: учебное пособие [Текст] / К. Р. Рахимов, Б. Ю. П. — Бишкек : Бишкек, 1999. — 284 с.

152. Chvatal, V. A Greedy Heuristic for the Set-Covering Problem [Текст] / V. Chvatal // Mathematics of Operations Research. — 1979. — Vol. 4,

no. 3. — P. 233—235. — URL: http://www.jstor.org/stable/3689577 (visited on 01/02/2023).

153. Lund, C. On the Hardness of Approximating Minimization Problems [Текст] / C. Lund, M. Yannakakis //J. ACM. — New York, NY, USA, 1994. — Sept. — Vol. 41, no. 5. — P. 960—981. — URL: https://doi.org/10.1145/ 185675.306789.

154. State-of-the-art robotic grippers, grasping and control strategies, as well as their applications in agricultural robots: A review [Текст] / B. Zhang [et al.] // Computers and Electronics in Agriculture. — 2020. — Vol. 177. — P. 105694. —URL: https://www.sciencedirect.com/science/article/pii/ S0168169920311030.

155. A soft manipulator for efficient delicate grasping in shallow water: Modeling, control, and real-world experiments [Текст] / Z. Gong [et al.] // The International Journal of Robotics Research. — 2020. — July. — Vol. 40. — P. 027836492091720.

156. Shape-Adaptive Universal Soft Parallel Gripper for Delicate Grasping Using a Stiffness-Variable Composite Structure [Текст] / J.-Y. Lee [et al.] // IEEE Transactions on Industrial Electronics. — 2021. — Vol. 68, no. 12. — P. 12441—12451.

157. Design and fabrication of a pneumatic soft robotic gripper for delicate surgical manipulation [Текст] / J. Guo [et al.] // 2017 IEEE International Conference on Mechatronics and Automation (ICMA). — 2017. — P. 1069—1074.

158. Stereo vision images processing for real-time object distance and size measurements [Текст] / Y. M. Mustafah [et al.] // 2012 International Conference on Computer and Communication Engineering (ICCCE). — 2012. — P. 659—663.

159. Bajaj, N. M. State of the Art in Artificial Wrists: A Review of Prosthetic and Robotic Wrist Design [Текст] / N. M. Bajaj, A. J. Spiers, A. M. Dollar // IEEE Transactions on Robotics. — 2019. — Vol. 35, no. 1. — P. 261—277.

160. A Soft-Robotic Approach to Anthropomorphic Robotic Hand Dexterity [Текст] / J. Zhou [et al.] // IEEE Access. — 2019. — Vol. 7. — P. 101483—101495.

161. A Low-Cost EMG-Controlled Anthropomorphic Robotic Hand for Power and Precision Grasp [Текст] / L. E. Sânchez-Velasco [et al.] // Biocybernetics and Biomedical Engineering. — 2020. — Vol. 40, no. 1. — P. 221—237. — URL: https://www.sciencedirect.com/science/article/pii/S0208521619304693.

162. Integrated linkage-driven dexterous anthropomorphic robotic hand [Текст] / U. Kim [et al.] // Nature Communications. — 2021. — Dec. — Vol. 12.

163. Case study in non-prehensile manipulation: planning and orbital stabilization of one-directional rollings for the "Butterfly" robot [Текст] / M. Surov [et al.] // 2015 IEEE International Conference on Robotics and Automation (ICRA). — 2015. — P. 1484—1489.

164. Sœtre, C. F. On Orbital Stabilization as an alternative to Reference Tracking Control [Текст] / C. F. Sœtre, A. Shiriaev // 2020 IEEE 16th International Workshop on Advanced Motion Control (AMC). — 2020. — P. 91—97.

165. Sœtre, C. F. Trajectory Optimization and Orbital Stabilization of Underactu-ated Euler-Lagrange Systems with Impacts [Текст] / C. F. Sœtre, A. Shiriaev, T. Anstensrud // 2019 18th European Control Conference (ECC). — 2019. — P. 758—763.

166. Excessive Transverse Coordinates for Orbital Stabilization of (Underactuated) Mechanical Systems [Текст] / C. F. Sœtre [et al.] // 2020 European Control Conference (ECC). — 2020. — P. 895—900.

167. Optimal Trajectory Planning for Manipulators with Efficiency and Smoothness Constraint [Текст] / Z. Xu [и др.] // Electronics. — 2023. — Т. 12, № 13.

168. Рего, Г. Э. Цифровой двойник робота-манипулятора как инструмент измерения точности его работы [Текст] / Г. Э. Рего, Л. В. Щеголева, А. С. Тарицына // Материалы XV всероссийской научно-практической конференции «Цифровые технологии в образовании, науке, обществе». — 2021. — С. 101—102.

169. Рего, Г. Э. Программная архитектура для обеспечения взаимодействия робота-манипулятора и его цифрового двойника [Текст] / Г. Э. Рего, Л. В. Щеголева, А. С. Тарицына // Материалы XV всероссийской научно-практической конференции «Цифровые технологии в образовании, науке, обществе». — 2021. — С. 99—100.

170. Rego, G. Manipulator motion tracking conceptual model [Текст] / G. Rego, N. A. Bazhenov, S. L. V. // PROCEEDING OF THE 31ST CONFERENCE OF FRUCT ASSOCIATION. — 2021. — Aug. — Vol. 31. — P. 450—458.

171. Ambient Intelligence Services in IoT Environments: Emerging Research and Opportunities [Текст] / D. Korzun [et al.]. — 01/2019.

172. Корзун, Д. Ж. О цифровом ассистенте для мониторинга жизнестойкости человека в условиях повседневной жизни [Текст] / Д. Ж. Корзун // Сборник статей по итогам Международной научной конференции. — 2022. — С. 185—190. — (РИНЦ).

173. Mingsong, L. Design and Experiment of Control System of Intelligent Fire Fighting Robot [Текст] / L. Mingsong, L. Tugan // 2020 IEEE 4th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC). Vol. 1. — 2020. — P. 2570—2573.

174. TOF Lidar Development in Autonomous Vehicle [Текст] / J. Liu [et al.] // 2018 IEEE 3rd Optoelectronics Global Conference (OGC). — 2018. — P. 185—190.

175. McCrae, S. 3d Object Detection For Autonomous Driving Using Temporal Lidar Data [Текст] / S. McCrae, A. Zakhor // 2020 IEEE International Conference on Image Processing (ICIP). — 2020. — P. 2661—2665.

176. Метод навигации мобильного робота для позиционирования на дороге в лесной местности [Текст] / А. С. Карпенков [и др.] // Вестник науки и образования. — 2018. — Т. 17—1. — URL: https://cyberleninka.ru/article/ n / metod- navigatsii- mobilnogo- robota- dlya- pozitsionirovaniya- na- doroge- v-lesnoy-mestnosti.

177. A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots [Текст] / A. Giusti [et al.] // IEEE Robotics and Automation Letters. — 2016. — Vol. 1, no. 2. — P. 661—667.

178. A Novel System for Object Pose Estimation Using Fused Vision and Inertial Data [Текст] / J. Li [et al.] // Information Fusion. — 2016. — Apr. — Vol. 33.

179. An Improved Tracking Using IMU and Vision Fusion for Mobile Augmented Reality Applications [Текст] / K. Kumar [et al.] // The International journal of Multimedia & Its Applications. — 2014. — Nov. — Vol. 6.

180. Localization of mobile robot using visual system [Текст] / Z. Mikulova [et al.] // International Journal of Advanced Robotic Systems. — 2017. — Sept. — Vol. 14. — P. 172988141773608.

181. Erdem, A. T. Fusing Inertial Sensor Data in an Extended Kalman Filter for 3D Camera Tracking [Текст] / A. T. Erdem, A. O. Ercan // IEEE Transactions on Image Processing. — 2015. — Vol. 24, no. 2. — P. 538—548.

182. Kortenkamp, D. Perception for mobile robot navigation: A survey of the state of the art [Текст] / D. Kortenkamp. — 1994. — June.

183. Mobile Robot Navigation in Indoor Environments: Geometric, Topological, and Semantic Navigation [Текст] / R. Barber [et al.] //. — 11/2018.

184. Sensor Technology in Autonomous Vehicles: A review [Текст] / S. Campbell [et al.] // 2018 29th Irish Signals and Systems Conference (ISSC). — 2018. — P. 1—4.

185. Accuracy in estimation of timber assortments and stem distribution - A comparison of airborne and terrestrial laser scanning techniques [Текст] / V. Kankare [et al.] // ISPRS Journal of Photogrammetry and Remote Sensing. — 2014. — Nov. — Vol. 97. — P. 89—97.

186. 3D motion planning for UAVs in GPS-denied unknown forest environment [Текст] / F. Liao [et al.] // 2016 IEEE Intelligent Vehicles Symposium (IV). — 2016. — P. 246—251.

187. Search and Rescue under the Forest Canopy using Multiple UAVs [Текст] / Y. Tian [et al.]. — 2019. — URL: https://arxiv.org/abs/1908.10541.

188. Path tracking in forest terrain by an autonomous forwarder [Текст] / O. Ringdahl [et al.] // Scandinavian Journal of Forest Research. — 2011. — Aug. — Vol. 26. — P. 350—359.

189. SLAM-Aided Stem Mapping for Forest Inventory with Small-Footprint Mobile LiDAR [Текст] / J. Tang [et al.] // Forests. — 2016. — Jan. — Vol. 6.

190. Automated driving recognition technologies for adverse weather conditions [Текст] / K. Yoneda [et al.] // IATSS Research. — 2019. — Nov. — Vol. 43.

191. Qin, T. VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator [Текст] / T. Qin, P. Li, S. Shen // IEEE Transactions on Robotics. — 2018. — Vol. 34, no. 4. — P. 1004—1020.

192. Widya, A. R. Structure-from-Motion using Dense CNN Features with Keypoint Relocalization [Текст] / A. R. Widya, A. Torii, M. Okutomi. — 2018. — URL: https://arxiv.org/abs/1805.03879.

193. A Novel Approach for the Detection of Standing Tree Stems from Plot-Level Terrestrial Laser Scanning Data [Текст] / W. Zhang [et al.] // Remote Sensing. — 2019. — Jan. — Vol. 11. — P. 211.

194. Pierzchala, M. Mapping forests using an unmanned ground vehicle with 3D LiDAR and graph-SLAM [Текст] / M. Pierzchala, R. Astrup, P. Giguere // Computers and Electronics in Agriculture. — 2018. — Feb. — Vol. 145.

195. Terrestrial laser scanning in forest inventories [Текст] / X. Liang [et al.] // ISPRS Journal of Photogrammetry and Remote Sensing. — 2016. — Feb. — Vol. 115.

196. Shamsfakhr, F. Indoor mobile robot localization in dynamic and cluttered environments using artificial landmarks [Текст] / F. Shamsfakhr, B. Bigham, A. Mohammadi // Engineering Computations. — 2019. — Jan. — Vol. 36.

197. SLOAM: Semantic Lidar Odometry and Mapping for Forest Inventory [Текст] / S. Chen [et al.] // IEEE Robotics and Automation Letters. — 2020. — Jan. — Vol. 5. — P. 1—1.

198. Forslund, D. Night vision animal detection [Текст] / D. Forslund, J. Bjärke-fur // 2014 IEEE Intelligent Vehicles Symposium Proceedings. — 2014. — P. 737—742.

199. Obstacle Detection using a Time of Flight Range Camera [Текст] / A. R. Garcia [et al.] // 2018 IEEE International Conference on Vehicular Electronics and Safety (ICVES). — 2018. — P. 1—6.

200. Ponte Müller, F. de. Cooperative positioning and radar sensor fusion for relative localization of vehicles [Текст] / F. de Ponte Müller, E. M. Diaz, I. Rashdan // 2016 IEEE Intelligent Vehicles Symposium (IV). — 2016. — P. 1060—1065.

201. On-Road Vehicle Detection and Tracking Using MMW Radar and Monovision Fusion [Текст] / X. Wang [et al.] // IEEE Transactions on Intelligent Transportation Systems. — 2016. — Vol. 17, no. 7. — P. 2075—2084.

202. Yang, Y. Vision System of Mobile Robot Combining Binocular and Depth Cameras [Текст] / Y. Yang, X. Meng, M. Gao // Journal of Sensors. — 2017. — Sept. — Vol. 2017. — P. 1—11.

203. Alatise, M. Pose estimation of a mobile robot using monocular vision and inertial sensors data [Текст] / M. Alatise, G. P. Hancke // 2017 IEEE AFRICON. — 2017. — P. 1552—1557.

204. A Review of Data Fusion Techniques [Текст] / A. Alofi [et al.] // International Journal of Computer Applications. — 2017. — Vol. 167. — P. 37—41.

205. Miraglia, G. Comparison of two sensor data fusion methods in a tightly coupled UWB/IMU 3-D localization system [Текст] / G. Miraglia, K. N. Maleki, L. R. Hook // 2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC). — 2017. — P. 611—618.

206. Integrated Data Fusion Using Dempster-Shafer Theory [Текст] / Y. Zhang [et al.] // 2015 First International Conference on Computational Intelligence Theory, Systems and Applications (CCITSA). — 2015. — P. 98—103.

207. Mitchell, J. Minimum-Link Paths Among Obstacles in the Plane [Текст] / J. Mitchell, G. Rote, G. Woeginger // Algorithmica. — 1992. — June. — Vol. 8.

208. Унифицированная компоновка комплексных интеллектуальных систем информационного обеспечения автопилотов мобильных средств [Текст] / С. М. Соколов [и др.] // Известия ЮФУ. Технические науки. — 2016. — Т. 2, № 175. — URL: https://cyberleninka.ru/article/n/unifitsirovannaya-komponovka - kompleksnyh - intellektualnyh - sistem - informatsionnogo -obespecheniya-avtopilotov-mobilnyh-sredstv.

209. А., Ш. И. Унифицированная моноблочная инерциальная навигационная система наземных робототехнических комплексов [Текст] / Ш. И. А. // Экстремальная робототехника. — 2021. — С. 93—95.

210. Аникушин, М. А. Радиолокационные датчики высоты трехмиллиметрового диапазона длин волн [Текст] / М. А. Аникушин, В. В. Власов, А. В. Трифонов // Вестник Концерна ВКО Алмаз-Антей. — 2021. — Т. 4, № 39. — URL: https: / / cyberleninka. ru / article / n / unifitsirovannaya- komponovka-kompleksnyh - intellektualnyh - sistem - informatsionnogo - obespecheniya -avtopilotov-mobilnyh-sredstv.

211. Eyobu, O. S. An Accuracy Generalization Benchmark for Wireless Indoor Localization based on IMU Sensor Data [Текст] / O. S. Eyobu, A. Poulose, D. S. Han // 2018 IEEE 8th International Conference on Consumer Electronics - Berlin (ICCE-Berlin). — 2018. — P. 1—3.

212. Enhanced Mobile Robot Localization with Lidar and IMU Sensor [Текст] / D. R.-Y. Phang [et al.] // 2019 IEEE International Meeting for Future of Electron Devices, Kansai (IMFEDK). — 2019. — P. 71—72.

213. Cramp, S. Preliminary Results for Novel Shear Force Sensor using Force Sensitive Resistors [Текст] / S. Cramp, C. Maccoll, R. B. Wallace // 2020 IEEE International Instrumentation and Measurement Technology Conference (I2MTC). — 2020. — P. 1—6.

214. Kim, J. Radar and Vision Sensor Fusion for Object Detection in Autonomous Vehicle Surroundings [Текст] / J. Kim, D. S. Han, B. Senouci // 2018 Tenth International Conference on Ubiquitous and Future Networks (ICUFN). — 2018. — P. 76—78.

215. Embedded Sensors, Communication Technologies, Computing Platforms and Machine Learning for UAVs: A Review [Текст] / A. N. Wilson [et al.] // IEEE Sensors Journal. — 2022. — Vol. 22, no. 3. — P. 1807—1826.

216. Choi, J. D. A Sensor Fusion System with Thermal Infrared Camera and Li-DAR for Autonomous Vehicles: Its Calibration and Application [Текст] / J. D. Choi, M. Y. Kim // 2021 Twelfth International Conference on Ubiquitous and Future Networks (ICUFN). — 2021. — P. 361—365.

217. Design And Development Of A Fire Fighting Mobile Surveillance Robot With Autonomous Collision Avoidance [Текст] / M. Hasan [et al.] // 2021 International Conference on Automation, Control and Mechatronics for Industry 4.0 (ACMI). — 2021. — P. 1—5.

218. Лесохозяйственный регламент Пряжинского лесничества Республики Карелия [Электронный ресурс]. — 2020. — URL: http://publication.pravo. gov.ru/Document/View/1001202010080007 (дата обр. 19.11.2022).

219. Anisimova, I. M. Естественное возобновление смешанных древостоев после низовых пожаров в условиях ландшафта Тихвинской гряды : автореферат диссертации [Текст] / I. M. Anisimova. — Санкт-Петербург, 2021. — С. 1—20.

220. Рего, Г. Э. Обоснование оборудования для лесного робота в привязке к решаемым научным и производственным задачам [Текст] / Г. Э. Рего, Н. А. Баженов, Е. И. Рыбин // Робототехника и искусственный интеллект: материалы XIV Всероссийской научно-технической конференции с международным участием. — 2022. — С. 49—57.

221. Рего, Г. Э. О количестве информации на борту и пропускной способности канала связи лесного робота с наземной станцией управления [Текст] / Г. Э. Рего, К. Р. Ивашнев, Д. Ж. Корзун // Материалы XVI всероссийской научно-практической конференции Цифровые технологии в образовании, науке, обществе. — 2022. — С. 70—73.

222. Bazhenov, N. Event-Driven Video Services for Monitoring in Edge-Centric Internet of Things Environments [Текст] / N. Bazhenov, D. Korzun // 2019 25th Conference of Open Innovations Association (FRUCT). — 2019. — С. 47—56.

223. Zadeh, L. Fuzzy Sets [Текст] / L. Zadeh // Information Control. — 1965. — Т. 8. — С. 338—353.

224. Anh, T. N. B. Real-Time Operating Systems for Small Microcontrollers [Текст] / T. N. B. Anh, S.-L. Tan // IEEE Micro. — 2009. — Т. 29, № 5. — С. 30—45.

2.1 Исходная задача..............................................................51

2.2 Минимальные пути по отдельности........................................51

2.3 Минимальные пути с механизмом прокладывания пути вдоль другого. 51

2.4 Пути, состоящие из двух отрезков........................................52

2.5 Расчет минимального по евклидовому расстоянию пути................53

2.6 Критерий существования непересекающихся путей ....................53

2.7 Путь проходит через запретную зону....................................54

2.8 Дополнительные отрезки для непересекающихся путей................55

2.9 Доказательство того, что обходной путь будет иметь больше отрезков 55

2.10 Запретные области для путей..............................................55

2.11 Треугольник пересечения путей..........................................56

2.12 Пересекающиеся пути......................................................56

2.13 Песочные часы возможных путей........................................57

2.14 Песочные часы для обоих путей и их пересечений......................58

2.15 Непересекающиеся пути....................................................60

2.16 Покрытие многоугольника жадным методом............................64

2.17 Блок-схема покрытия многоугольника жадным методом..............65

2.18 Покрытие многоугольника методом ветвей и границ....................67

2.19 Пример многоугольника с дырами до покрытия корневым деревом. . 72

2.20 Пример многоугольника с дырами покрытого корневым деревом. . . 73

2.21 Определение направлений движения при появлении точки столкновения. Я - робот....................................................80

2.22 Движение вдоль двух направлений (от разных точек столкновения) сразу. Я - робот..............................................................80

2.23 Ложноотрицательный результат проверки нахождения целевой

точки внутри препятствия ................................................86

2.24 Ложноотрицательный результат проверки нахождения целевой

точки внутри препятствия ................................................86

2.25 Красным отмечено первое препятствие, зеленым второе. Робот идентифицирует препятствие как два разных............................87

2.26 Типичные препятствия на лесосеке: а - поваленное дерево, Ь -

пень, с - болото ............................................................88

2.27 Гистограмма распределения результатов эксперимента №1..............88

2.28 Отличие минимального пути от пути, пройденного роботом............90

3.1 Механизм детектирования возникновения инцидентов.........101

3.2 Работа модуля управления.........................101

4.1 Окно выбора алгоритмов и параметров..................120

4.2 Блок-схема работы программы с точки зрения пользователя.....121

4.3 Пример работы программы расчета пути автономного мобильного робота в неизвестных средах........................125

Б.1 Свидетельство о регистрации программы для ЭВМ..........165

В.1 Свидетельство о регистрации программы для ЭВМ..........166

Г.1 Акт о внедрении в производство.....................167

1 Результаты эксперимента №1..............................................74

2 Результаты эксперимента №2..............................................74

3 Результаты эксперимента №3..............................................75

4 Результаты экспериментов по поиску пути на многоугольнике с минимизацией числом отрезков............................................89

5 Датчики и их предназначение ............................................91

6 Мультимножество атомарных действий.................105

7 Мультимножество атомарных действий.................106

8 Классы и их предназначение.......................110

9 Описание методов класса Polygon....................110

10 Описание методов класса RootTree....................118

11 Описание методов класса Link......................119

12 Описание методов класса Polygon....................122

13 Список инцидентов ............................156

Приложение А Прикладные аспекты применения математической модели

Опишем множество инцидентов, которые могут возникнуть в процессе достижения лесным роботом цели. Инциденты, характер инцидентов, датчики для отслеживания, рекомендуемая частота получения данных с датчиков и предполагаемое управляющее воздействие описаны в Таблице 13. Данный список не претендует на полноту.

Таблица 13 — Список инцидентов

Событие Е{ Характер Датчики Рекомен- Управляю-

инцидента для отсле- дуемая щее

(простой, живания частота воздей-

длитель- события отслежива- ствие в

ный, ния Лу (£) случае

состав- возник-

ной) новения инцидента

Опасный Долговре- 1ми От одного до Изменение

крен (или менное 10 раз в се- траектории

тангаж) кунду движения

Повреждение Составное 1Ми, датчик Раз в Возвращение

колеса вслед- давления в несколь- к исходной

ствие наезда шинах ко секунд точке, если

на препят- возможно

ствие

Продолжение на следующей странице

Событие Е1 Характер Датчики Рекомен- Управляю-

инцидента для отсле- дуемая щее

живания частота воздей-

события отслежива- ствие в

ния Лу (£) случае

возник-

новения

инцидента

Повреждение Долговре- Самодиа- Зависит от Использо-

датчиков менное гностика, текущей вание

либо дат- частоты ис- замещающих

чики, пользования датчиков

занимающие- датчика (функци-

ся схожими ональная

функциями избыточ-

ность) и,

если воз-

можно,

возвращение

в исходную

точку. Иначе

запрос на

помощь от

оператора

Продолжение на следующей странице

Событие Е1 Характер Датчики Рекомен- Управляю-

инцидента для отсле- дуемая щее

живания частота воздей-

события отслежива- ствие в

% ния Л О случае

возник-

новения

инцидента

Потеря связи Долговре- Средства Раз в Вариативно.

с наземной менное связи (ра- несколь- Возможно,

станцией дио, шкй и ко секунд как про-

управления т.д.) должение

выполнения

работ, так и

возвращение

в исходную

точку.

Утечка топ- Долговре- Датчик уров- Раз в минуту Возвращение

лива менное ня топлива в исходную

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.