Модели и методы автоматизации многоадресной доставки грузов для транспортных систем тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Костин Антон Сергеевич

• Костин Антон Сергеевич
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Костин Антон Сергеевич

Введение

1 Анализ современного состояния автоматизированных и

эксплуатационных решений для доставки грузов последней мили

1.1 Анализ использования беспилотных авиационных систем для дистанционной доставки грузов

1.2 Наукометрический анализ публикационной активности в сфере разработок беспилотных авиационных систем и автоматизации доставки грузов

1.3 Анализ основных междисциплинарных задач в сфере беспилотных

авиационных систем для доставки грузов

Выводы по разделу

2 Модели и методы для автоматизации доставки грузов беспилотными

авиационными системами в пределах мегаполиса

2. 1 Модели и методы маршрутизации беспилотных авиационных систем

для решения задачи доставки грузов

2.2 Модели и методы для нахождения оптимальной точки доставки в пределах мегаполиса с учетом различного приоритета

2.3 Модели и методы построения центра управления полетами для выполнения управления полетами в задаче доставки грузов БАС

2.4 Сравнение моделей и методов, алгоритмов

Выводы по разделу

3 Аппаратное обеспечение для автоматизированной доставки грузов беспилотной авиационной системой

3.1 Анализ аппаратного обеспечения беспилотной авиационной системы

3.2 Анализ полезной нагрузки для решения задачи многоадресной

доставки грузов

3.3 Автономное пилотирование и уровни автоматизации

3.4 Алгоритм управления беспилотной авиационной системы для автоматизированной доставки грузов в пределах мегаполиса

3.5 Программное обеспечение для моделирования дистанционной

доставки грузов

Выводы по разделу

4 Практическая реализация задачи дистанционной доставки грузов беспилотной авиационной системой

4.1 Моделирование процесса доставки грузов в имитационной среде

Gazebo с формированием летного поля Aruco маркеров

4.2 Практическая реализация полезной нагрузки для дистанционной доставки грузов

4.3 Практическая реализация задачи многоадресной доставки беспилотной авиационной системой

4.4 Реализация группового управления в задаче доставки грузов

Вывод по разделу

Заключение

Список сокращений и условных обозначений

Список литературы

Приложение A Программный код автономного полета квадрокоптера по

полю меток

Приложение Б Программный код автономного полета квадрокоптера с

идентификацией и декодированием содержимого Qr - кодов

Приложение В Программный код для идентификации складских мест при

помощи машинного зрения с применением автономного пилотирования

Приложение Г Алгоритм работы программы автономного полета с

посадкой на дронпоинт

Приложение D Алгоритм работы программы группового полета

квадрокоптеров

Приложение Е Акты о внедрении

Приложение Ж Свидетельства о регистрации программ для ЭВМ

Введение диссертации (часть автореферата) на тему «Модели и методы автоматизации многоадресной доставки грузов для транспортных систем»

ВВЕДЕНИЕ

Разработка моделей и методов организации доставки грузов при помощи беспилотных систем является актуальной научно-технической задачей, реализация которой требует разработать новые автоматизированные программные решения, позволяющие значительно ускорить имеющиеся транспортные и технологические процессы и решить задачи организации маршрутизации беспилотных авиационных систем для задачи доставки на последнюю милю в логистических операциях. Необходимо учитывать, что имеет место как ситуация организации доставки грузов только беспилотниками, так и взаимная работа беспилотника и транспортного средства. Необходимо отметить, что ввиду усложнения информационных процессов стоит потребность в разработке моделей и методов взаимодействия транспорта, и беспилотных авиационных систем при решении транспортных задач. Под организацией транспортных задач следует понимать, как отдельные информационные системы, так и процессы, и сервисы, участвующие в обработке информации о текущем состоянии объектов транспортной инфраструктуры. На текущий момент времени существуют отдельные методы, которые позволяют решить задачу доставки грузов при помощи беспилотных авиационных систем, однако необходимо отметить, что с увеличением точек доставки, внедрение гибридных систем, в которых существуют городской и беспилотный транспорт, требует разработки новых методов и моделей взаимодействия и организации доставки грузов.

Беспилотные авиационные системы сегодня являются некоторыми точками роста и концентрации новых решений. На основе наукометрического анализа было установлено, что решения в области беспилотных авиационных систем являются междисциплинарными. В определенных областях есть только точечные решения, при этом, более широкое распространение решений на основе беспилотных авиационных систем требует разработки новых моделей и методов, качественного многосценарного моделирования полетных заданий.

На основе данного положения, сегодня необходима разработка новых методов маршрутизации с учетом применения беспилотных систем для внедрения автоматизированных решений доставки грузов в мегаполисах в связи с увеличением загруженности улично-дорожных сетей и возрастания задержек в доставках. Одним из вариантов решений данной задачи доставки является использование возможностей беспилотной авиационной системы, квадрокоптеров на определенных маршрутах. Предлагаемое в работе решение позволяет решить задачу внедрения беспилотных систем в существующую транспортную систему мегаполиса, за счет чего уменьшается время доставки и имеет место для увеличения точек доставки, что позволит на практике распределить точки доставки в заданном районе действия беспилотной авиационной системы. Для достижения решений необходима разработка моделей и методов для идентификации мест доставки грузов, в том числе в ситуации с различными приоритетами. Ввиду возрастания интенсивностей транспортных процессов мегаполиса, возрастания требований к альтернативным способам доставки грузов, наличия ограниченности использования детерминированных моделей маршрутизации, требуется разработка новых методов и моделей, которые позволят на базе современных технологий решить задачу по автоматизации выполнения автономных полетных заданий беспилотных систем для решения задачи многоадресной доставки грузов, по разработке моделей и методов автоматизации использования беспилотной авиационной системы и транспортного средства во время доставки грузов, что в свою очередь подтверждает актуальность выбранной темы исследования.

Степень разработанности темы исследования. Существенный вклад в формирование и развитие цепей поставок для мегаполисов внесли следующие отечественные ученые: Б.А. Аникин, А.А. Бочкарев, В.С. Лукинский, А.В. Кириченко, А.В. Галин, А.Л. Кузнецов, В.В. Лукинский, С.А. Уваров, Е.И. Зайцев, А.В. Парфенов, а также зарубежные деятели: Д. Дж. Бауэрсокс, Дж. Гатторн, Дж. Клосс, К. Лай-сон, Д. Уотерс, Р. Сток. Анализ работ этих ученых показал, что затрагиваются вопросы, касающиеся оптимального

проектирования логистических систем доставки, задачи определения оптимальной партии поставки. Многие подходы достаточно проработаны теоретически, однако не совсем адаптированы к практическому использованию в решении задач автоматизации процессов доставки беспилотными авиационными системами. Необходимо отметить, что именно беспилотная авиационная система является источником формирования новых требований для транспортных систем, требующих разработки новых моделей организации.

Вопросы управления траекторным движением автономных движущихся беспилотных средств, в том числе для навигации внутри помещений (indor системы), элементов искусственного интеллекта как для автоматизированного информационного обеспечения, так и для автоматизации и идентификации объектов в составе групп, освещаются в работах В. В. Цехановского, С.А. Белоконя, Ю.Н. Золотухина, А.С. Мальцева, М.Н. Красильщикова, Г.Г. Себрякова, В. С. Моисеева, А.С. Шалыгина, И. В. Макарова и других. Среди зарубежных авторов в вопросах автоматизации идентификации и навигации беспилотных систем можно выделить J. Engel, J. Sturm, D. Cremers, J. P. How, G.M. Hoffmann, M. LaValle Steven, W. Beard Randal, W. McLain Timothy. Несмотря на значительное число научных публикаций, в том числе по разработке решений с идентификацией и выполнению автономных полетов на основе Aruco-маркеров, в этих областях, для каждого процесса необходима разработка системы решений для реализации полетных заданий и идентификации объектов (объектов, дронпоинтов, мест посадок) беспилотными авиационными системами с учетом комплекса ограничений, накладываемых различными факторами.

На основе проведенного анализа работ авторов можно сделать вывод, что автоматизация выполнения полетных заданий для решения задачи многоадресной доставки грузов при организации транспортного процесса доставки имеет ключевое значение. Для успешного выполнения процесса доставки необходимо решение комплекса задач, в частности построения модели маршрутизации, построения моделей совместной работы транспортной системы и беспилотника. Внедрение беспилотных авиационных систем позволяет улучшить

производительность процессов, создать условия для высвобождения ресурсов для новых задач. За счет активного внедрения беспилотных авиационных систем в технологические и транспортные процессы, сегодня требуется разработка новых моделей и методов для формирования маршрутных сетей, выполнения автоматизированных полетных заданий беспилотными авиационными системами, для решения задач идентификации объектов и систем.

Объектом исследования является процесс построения оптимального маршрута многоадресной доставки грузов при помощи автономной беспилотной системы.

Целью диссертационного исследования является реализация метода многоадресной доставки грузов при помощи беспилотной авиационной системы в границах мегаполиса, построение модели совместной работы транспортного средства и беспилотного, автоматизации полетных заданий и процесса идентификации мест посадок, за счет разработки структуры и математического обеспечения системы построения оптимального маршрута движения в транспортных системах.

Исходя из сформулированной цели в работе были поставлены и решены следующие задачи:

1. Провести анализ беспилотных авиационных систем и методы доставки грузов в транспортных и логистических системах;

2. Разработать модель организации движения беспилотной авиационной системы с стартовой точки вылета до точек доставки;

3. Разработать метод идентификации мест доставки грузов беспилотной авиационной системы при помощи машинного зрения;

4. Разработать программное обеспечение для отработки и тестирования структурных элементов автоматизированной системы управления технологическим процессом многоадресной доставки грузов при помощи беспилотной авиационной системой, включая программы построения маршрута движения автономной беспилотной авиационной системы, программы автономного движения беспилотной авиационной системы в исследовательском

летном поле лаборатории беспилотных авиационный систем инженерной школы ФГАОУ ВО ГУАП, программы идентификации посадочного места при помощи машинного зрения и глубокого обучения.

Полученные решения должны обладать универсальностью применения беспилотных систем для различных транспортных систем и иметь возможность интеграции в существующие информационные системы транспортных компаний. Тема и содержание диссертации соответствуют паспорту научной специальности 2.3.3 - «Автоматизация и управление технологическими процессами и производствами»: п. 4 Теоретические основы и методы моделирования, формализованного описания, оптимального проектирования и управления технологическими процессами и производствами; п. 7 Теоретические основы и методы моделирования и управления организационно-технологическими системами и киберфизическими производственными комплексами; п. 8 Научные основы, модели и методы идентификации производственных процессов, комплексов и интегрированных систем управления и их цифровых двойников.

Предметом исследования является автоматизированная система маршрутизации беспилотной авиационной системы для решения задачи доставки грузов в множество точек доставки с выполнением идентификации мест доставки при помощи машинного зрения с применением алгоритмов распознавания объектов.

Методы исследования. Выполненные в диссертационной работе исследования основаны на использовании методов оптимизации маршрутов движения беспилотной авиационной системы для решения задачи многоадресной доставки, методов цифровой обработки изображений, алгоритмах компьютерного зрения, алгоритмов идентификации объектов на основе потока изображений с камеры беспилотной системы и прикладного программирования на языке программирования Python с реализацией полетных миссий в специализированной автоматизированной имитационной среде Gazebo с построением испытательного полигона.

Научная новизна диссертационной работы заключается в следующем:

1. Разработан метод построения оптимального автономного маршрута движения беспилотной авиационной системы для множества точек доставки, позволяющий реализовать задачи с учетом приоритетов и взаимной работы систем «беспилотная авиационная система - транспортное средство»;

2. Разработано алгоритмическое обеспечение автоматизированной системы управления технологическим процессом доставки грузов беспилотными авиационными системами. Предложены новые алгоритмы для формирования полетных заданий, алгоритмы для выбора оптимальных маршрутов, алгоритмы идентификации объектов и мест посадок;

3. Разработаны имитационные модели выполнения автономных полетов беспилотных авиационных систем между дронпоинтами, позволяющие на качественно новом уровне моделировать выполнение полетов и оценивать различные полетные условия;

4. Разработан метод и новые алгоритмы идентификации посадочных мест беспилотной авиационной системы при помощи машинного зрения с использованием бортовой камеры на основе kNN алгоритма, позволяющий решить задачу точной идентификации, в том числе при изменении точек доставки;

5. Предложена модель автоматизированной системы управления технологическим процессом многоадресной доставки грузов беспилотной авиационной системой, включающая в себя бортовую камеру для идентификации посадочного места, беспилотную авиационную систему с возможностью автономной навигации и идентификации объектов. Такая система позволяет реализовать многоадресную доставку грузов в городской среде при помощи беспилотных систем, за счет чего появляется возможность внедрения беспилотных систем в современные транспортные системы доставок для мегаполисов и регионов.

Теоретическая и практическая значимость работы заключается в следующем:

1. Математические модели маршрутизации беспилотной авиационной системы могут быть использованы для организации движения других типов беспилотных систем на основе данных о точках доставки и их координатах для мегаполисов.

2. Математические модели маршрутизации для навигации внутри помещений для выполнения модельных сценариев систем доставки и автоматизации идентификации объектов, в том числе прогнозные модели времени в полете от заряда аккумулятора.

3. Алгоритмы обработки видеоизображений на базе обработки изображения при помощи кЫЫ алгоритма и обработки изображения, полученного при помощи компьютерного зрения с бортовой камеры беспилотной системы, позволяют получать данные о месте доставки в реальном режиме времени.

4. Алгоритмы навигации и маршрутизации беспилотной авиационной системы позволяют автоматизировать процесс многоадресной доставки грузов без привлечения оператора БАС, решать задачу при изменении точек доставки под влиянием внешней среды, путем выполнения полетной миссии по заданным точкам доставки и обеспечения получения потока изображения с бортовой камеры.

5. Интеграция данных на борту беспилотной авиационной системой (в частности, видеокамеры с алгоритмами обработки видеоизображений) позволяет идентифицировать точки доставки, и реализовать совместную работу систем «беспилотная авиационная система - транспортное средство» с увеличением производительности и уменьшением объема передаваемых данных в 3 раза.

6. Подпрограммы информационной системы, разработанные на основе методов построения автономного маршрута движения на основе точек для многоадресной доставки и идентификационных данных зон доставки грузов обеспечили возможность решения задач автономного пилотирования беспилотной авиационной системы с целью многоадресной доставки грузов.

7. Пятнадцать разработанных и зарегистрированных в Роспатенте в 20202023 годах программ для ЭВМ, аккумулирующие данные и знания, необходимые для практической реализации разработанных в диссертационном исследовании моделей и методов.

8. Полученные в результате тестирования алгоритмов обработки видеоизображений данные позволяют производить идентификацию мест посадок с точностью, при зависании беспилотника над точкой доставки до 50,00 см, вне зависимости от условий внешней среды. Такая точность достигается за счет применения цифровых камер с высоким разрешением и применяемым алгоритмам обработки.

9. Разработанные модели и методы способствовали как разработке методики для автоматизации технологических процессов организации построения автономной полетной миссии беспилотной авиационной системы, так и моделированию, анализу исходных точек и координат для многоадресной доставки грузов с идентификацией зон доставки при помощи машинного зрения беспилотной системы, что подтверждается результатами выполненных научно-исследовательских работ, актами внедрения от СПБ ГКУ «Агентство внешнего транспорта», АО «ОКБ» «Электроавтоматика имени П.А. Ефимова» и актами внедрения в учебный процесс от ФГАОУ ВО «Санкт-Петербургский государственный университет аэрокосмического приборостроения».

Значимость исследования выражается в дальнейшем развитии методов и моделей, направленных на решение задачи маршрутизации беспилотной авиационной системы, автоматизацию процессов автономной доставки грузов беспилотными авиационными системами (как на открытом пространстве, так и для mdor-навигации), идентификации объектов в транспортных системах.

Положения, выносимые на защиту.

1. Модель маршрутизации беспилотной авиационной системы для доставки грузов, модель организации работы систем «беспилотная авиационная система -транспортное средство»;

2. Метод организации автономной полетной миссии с построением маршрута движения беспилотной авиационной системы с учетом возможности реализации многоадресной доставки;

3. Метод автоматизации идентификации зон многоадресной доставки грузов при помощи машинного зрения беспилотной системы;

4. Имитационная модель организации автономной многоадресной доставки грузов при помощи беспилотной авиационной системы в рамках имитационных сред Gazebo и Anylogic.

Достоверность основных научных результатов обеспечивается применением апробированных общенаучных и специальных методов исследований, подтверждена путем проверки результатов, полученных расчетами, с использованием различных разработанных моделей' путем проверки имитационным моделированием в имитационной среде.

Апробация научно-исследовательских результатов. Основные теоретические и практические результаты исследования диссертации обсуждались и докладывались на конференциях: «Логистика: современные тенденции развития» (Санкт-Петербург, 2020 - 2022 гг.), «Волновая электроника и инфокоммуникационные системы» (Санкт-Петербург, 2021, 2022 гг.), «Актуальные проблемы развития авиационной техники и методов ее эксплуатации» (Иркутск, 2020, 2021 гг.), Аэрокосмическое приборостроение и эксплуатационные технологии (Санкт-Петербург, 2021 - 2023 гг.), «Организация и безопасность дорожного движения» (Тюмень, 2020, 2021 гг.), 19-я международная конференция «Авиация и космонавтика» (Москва, 2020, 2021 гг.), форум Метрологическое обеспечение инновационных технологий (Санкт-Петербург, 2021, 2022 гг.).

Внедрение результатов работы. Подходы и методы, использованные в настоящей работе, внедрены в образовательный процесс, с актом внедрения от ФГАОУ ВО ГУАП, при чтении курсов «Эксплуатация беспилотных авиационных систем» и «Научно-исследовательская работа» для направлений подготовки 23.03.01, 23.04.01 «Технология транспортных процессов», а также при разработке

компетенций будущего «Университет Future Skills» (проект Министерства науки и высшего образования, Агентства развития профессий и навыков и ГУАП, 20212024 гг.). Методы и модели маршрутизации, алгоритмы автоматизации и управления многоадресной доставки грузов на основе беспилотных авиационных систем для промышленных предприятий подтверждено актами об использовании, полученными от СПБ ГКУ «Агентство внешнего транспорта», АО «ОКБ» «Электроавтоматика имени П.А. Ефимова» и актами внедрения в учебный процесс от ФГАОУ ВО ГУАП.

Полученные научные результаты были:

1. Использованы в ходе выполнения научно-исследовательской работы «Исследование методов и моделей для решений сложных технических задач на основе интеллектуальных транспортных систем». (регистрационный' номер АААА-А19-119032190064-2, 2019);

2. Использованы в ходе выполнения научно-исследовательской работы «Разработка интеллектуальных моделей и методов идентификации на основе беспилотных авиационных систем» (регистрационный номер АААА-А20-120042390013-3, 2020);

3. Использованы в ходе выполнения научно-исследовательской работы «Разработка алгоритмов использования беспилотных авиационных систем (квадрокоптеров) для решения оперативных задач на местности (группового управления)» (АААА-А20-120031890062-0, 2020);

4. Использованы в ходе выполнения научно-исследовательской работы «Исследование и разработка научно-методических подходов, моделей маршрутизации и технологии для решения задачи доставки грузов беспилотными транспортными системами» (123030200052-2, 2023);

5. Использованы в ходе выполнения государственного задания в сфере научной деятельности «Научные основы построения архитектур и систем связи бортовых информационно-вычислительных комплексов нового поколения для авиационных, космических систем и беспилотных транспортных средств» (Соглашение № FSRF-2020-0004, 2020 - 2023);

6. Внедрены в учебный процесс кафедры «Системный анализ и логистика» ФГАОУ ВО ГУАП при проведении занятий по дисциплинам «Эксплуатация беспилотных авиационных систем», «Научно- исследовательская работа»;

7. Личный вклад соискателя. Все разделы диссертационной работы написаны лично автором. Результаты исследований получены им самостоятельно, либо при его непосредственном участии.

Публикации по теме диссертации. Публикации по теме исследования отражены в 50 работах, в том числе: 5 работы в изданиях, индексируемых ВАК; 3 работы с индексацией в Scopus; 21 работа в сборниках всероссийских и международных конференций, журналах, индексируемых РИНЦ; 23 свидетельства о государственной регистрации программы для ЭВМ.

1 АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ АВТОМАТИЗИРОВАННЫХ И ЭКСПЛУАТАЦИОННЫХ РЕШЕНИЙ ДЛЯ ДОСТАВКИ ГРУЗОВ

ПОСЛЕДНЕЙ МИЛИ

Доставка грузов - важный вид логистической деятельности, обеспечивающий перемещение товаров из начальной точки в распределительные центры и к конечным потребителям [1]. В современной транспортной логистике задача «последней мили» становится все более актуальной [2]. Процесс доставки «последней мили» ^МО) начинается на складе, близком к месту нахождения клиента, и продолжается до конечного потребителя [1, 2]. В зависимости от выбранного способа доставки, такого как доставка до двери, в постаматы или почтовые отделения, посылка может быть доставлена в разные пункты доставки [3]. Последняя миля - это последний этап в управлении цепями поставок и транспортном планировании, включающий в себя перемещение людей и грузов от транспортного узла до конечного пункта назначения. Быстрый рост онлайн-покупок увеличивает спрос на доставки «последней мили» [4, 5], причем потребители предпочитают доставку на дом [5], потребители хотят делать больше онлайн-заказов, более быструю и гибкую доставку [6, 7].

Термин «последняя миля» относится к доставке грузов от распределительного центра до конечного пункта назначения, такого как дом или предприятие. Этот термин широко используется в контексте грузовой логистики, управления цепями поставок и перевозками [8, 9]. С возрастанием сложности доставки до «последней мили», вследствие роста электронной коммерции [10], потребители становятся все более требовательными в отношении онлайн-заказов, более быстрых и гибких методов доставки [11]. Таким образом, хотя доставка «последней мили» изначально рассматривалась как вспомогательная функция, она стала неотъемлемой частью бизнес-моделей предприятий в современной логистической среде [11]. Тем не менее, доставка «последней мили» создает ряд ограничений для предприятий, включая высокие затраты и экологические проблемы [12]. Поэтому, поскольку почти каждый заказ имеет свой пункт

назначения, оптимизация маршрута доставки имеет решающее значение, а сам процесс доставки должен быть модернизирован. Пробки, снегопад, отсутствие парковки, неправильные адреса клиентов - вот примеры [13], которые могут привести к задержкам в доставке, увеличению затрат поставщика. Операторы часто совершают больше поездок, чем необходимо для многократной транспортировки товаров или для выдачи в местном пункте выдачи заказов. Логистика, в том числе доставка последней мили, необходима для качественного обслуживания потребителей и может повысить их ценность при выборе поставщика.

Кроме того, доставка последней мили является наименее эффективным процессом, на который приходится до 50% всех затрат на доставку; таким образом, совершенствование доставки последней мили может помочь компаниям сэкономить на процессе доставки [14, 15].

В настоящее время различные предприятия прорабатывают новые решения для снижения стоимости и повышения качества доставки с использованием передовых технологий. К этим решениям можно отнести беспилотные системы, в частности автономные грузовые автомобили, что позволит создать более эффективную и устойчивую систему [16]. Для преодоления трудностей были внедрены и некоторые другие инновации, направленные на совершенствование доставки последней мили. К числу таких инноваций относится наиболее известная инновационная логистическая система компании Amazon.

Компания Amazon не только построила склады в ключевых городах, но и создала мощное логистическое программное обеспечение, которое оптимизировало маршрут, снизив в 2005 году стоимость доставки более чем на 30%, при этом повысив скорость и точность доставки. Затем, в 2009 году, Amazon ввела бесплатную доставку в течение одного дня в некоторых населенных пунктах США с индивидуальным выбором места и графика доставки. Команда «последней мили» помогает доставлять посылки клиентов от пунктов выдачи до двери покупателя. Компания Amazon расширила свою деятельность по доставке «последней мили», что позволило сократить время доставки и предложить

покупателям новые инновации. Эта мера позволила увеличить объем заказов и прибыль, а также вывести Amazon в число наиболее креативных компаний в области логистики и доставки последней мили на тот момент, а также данная компания внедряет беспилотные технологии для решения задачи доставки грузов.

Логистический сектор является одним из наиболее значимых направлений, которое выиграет от использования беспилотных систем в транспортных операциях. Использование беспилотных систем для грузоперевозок позволяет снизить количество дорожно-транспортных происшествий, потребление энергии, а также ускорит доставку до конечного потребителя [17, 18]. Для определения необходимых изменений в законодательстве, инфраструктуре и логистике исследователи начали разрабатывать модели, позволяющие спрогнозировать темпы внедрения беспилотных систем.

Список литературы диссертационного исследования кандидат наук Костин Антон Сергеевич, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Lai, K.-H. Just-in-Time Logistics / K.-H. Lai, T.E.Cheng. - Routledge: London, UK, 2016. - 340 p.

2. Correia, D. Last-mile-as-a-service (LMaaS): An innovative concept for the disruption of the supply chain [Электронный ресурс] / D. Correia, L. Teixeira, J. Marques // Sustainable Cities and Society. - 2021. - Vol. 75. - P. 11. - Режим доступа: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9760177/ (дата обращения: 28.06.2023).

3. Tiwapat, N. Last Mile Delivery: Modes, Efficiencies, Sustainability, and Trends / N. Tiwapat, C. Pornsing, P. Jomthong // In Proceedings of the 3rd International Conference on Intelligent Transportation Engineering. - 2018. - P. 313-317. - DOI: 10.1109/ICITE.2018.8492585.

4. Escudero-Santana, A. Improving E-Commerce Distribution through Last-Mile Logistics with Multiple Possibilities of Deliveries Based on Time and Location / A. Escudero-Santana, J. Muñuzuri, A. Lorenzo-Espejo, M.L. Muñoz-Díaz // Journal of theoretical and applied electronic commerce research. - 2022. - P. 507-521. - DOI: 10.3390/jtaer17020027.

5. Calabro, G. Modelling the dynamics of fragmented vs. consolidated last-mile e-commerce deliveries via an agent-based model / G. Calabro, M. Le Pira, N. Giuffrida, M. Fazio, G. Inturri, M. Ignaccolo // Transportation Research Procedia. - 2022. -Vol. 62. - P. 155-162. - DOI: 10.1016/j.trpro.2022.02.020.

6. Boysen, N. Last-mile delivery concepts: A survey from an operational research perspective / N. Boysen, S. Fedtke, S. Schwerdfeger // OR Spectrum. - 2021. - Vol. 43. - P. 1-58. - DOI: 10.1007/s00291-020-00607-8.

7. Sorooshian, S. Delay-based reliability analysis on construction projects [Электронный ресурс] / S. Sorooshian // Life Science Journal. - 2014. - Vol. 11. -P. 104-113. - Режим доступа: http://www.lifesciencesite.com/lsj/life1103s/016_22396life1103s14_104_113.pdf (дата обращения: 28.05.2023).

8. Pannirselvan, M.D. Innovative solution for barriers of green logistics in food manufacturing industries [Электронный ресурс] / M.D. Pannirselvan, S.R. Bin Rahamaddulla, P.F. Muuhamad, M.G. Maarof, S. Sorooshian // International Journal of Applied Engineering Research. - 2016. - Vol. 11. - P. 9478-9487. - Режим доступа: https://www.researchgate.net/publication/311985053_Innovative_Solution_for_Barriers _of_Green_Logistics_in_Food_Manufacturing_Industries (дата обращения: 28.05.2023).

9. Aziz, A.A. Exploring quality influencing factors for frozen food industry / A.A. Aziz, S. Daud, S. Sorooshian // IOP Conference Series Materials Science and Engineering. - 2019. - Vol. 697 (1). - P. 5. - DOI: 10.1088/1757-899X/697/1/012018.

10. Viu-Roig, M. The impact of E-Commerce-related last-mile logistics on cities: A systematic literature review [Электронный ресурс] / M. Viu-Roig, E.J. Alvarez-Palau // Sustainability. - 2020. - Vol. 12 - P. 12. - Режим доступа: https://www.researchgate.net/publication/343623144_The_Impact_of_E-Commerce-Related_Last-Mile_Logistics_on_Cities_A_Systematic_Literature_Review (дата обращения: 10.06.2023).

11. Kwon, D. Design of secure handover authentication scheme for urban air mobility environments / D. Kwon, S. Son, Y. Park, H. Kim, Y. Park, S. Lee, Y. Jeon // IEEE Access. - 2022. - p. 42529-42541. - DOI: 10.1109/ACCESS.2022.3168843.

12. Jaller, M. Automation, electrification, and shared mobility in urban freight: Opportunities and challenges / M. Jaller, C. Otero-Palencia, A. Pahwa // Transportation Research Procedia. - 2020. - Vol. 46:13-20. - P. 13-20. - DOI: 10.1016/j.trpro.2020.03.158.

13. Sarker, V.K. Smart parking system with dynamic pricing, edge-cloud computing and lora [Электронный ресурс] / V.K. Sarker, T.N. Gia, I. Ben Dhaou, T. Westerlund // Sensors. - 2010. - Vol. 20. - № 17. - P. 22. - Режим доступа: https://www.researchgate.net/publication/343737565_Smart_Parking_System_with_Dy namic_Pricing_Edge-Cloud_Computing_and_LoRa (дата обращения: 10.06.2023).

14. Ranieri, L. A Review of Last Mile Logistics Innovations in an Externalities Cost Reduction Vision [Электронный ресурс] / L. Ranieri, S. Digiesi, B. Silvestri, M.

Roccotelli // Sustainability. - 2018. - Vol. 10. - P. 18. - Режим доступа: https://www.researchgate.net/publication/323707743_A_Review_of_Last_Mile_Logisti cs_Innovations_in_an_Externalities_Cost_Reduction_Vision (дата обращения: 10.06.2023).

15. Tumino, A. Innovative solutions to increase last-mile delivery efficiency in B2C e-commerce: A literature review [Электронный ресурс] / A. Tumino, R. Mangiaracina, A. Perego, A. Seghezzi // International Journal of Physical Distribution & Logistics Management. - 2019. - P. 29. - Режим доступа: https://www.researchgate.net/publication/323707743_A_Review_of_Last_Mile_Logisti cs_Innovations_in_an_Externalities_Cost_Reduction_Vision (дата обращения: 10.06.2023).

16. Simoni, M.D. Optimization and analysis of a robot-assisted last mile delivery system / M.D. Simoni, E. Kutanoglu, C.G. Claudel [Электронный ресурс] // Transportation Research Part E Logistics and Transportation Review. - 2020. -Vol. 142. - P. 30. - Режим доступа: https://www.researchgate.net/publication/343666028_Optimization_and_analysis_of_a _robot-assisted_last_mile_delivery_system (дата обращения: 10.06.2023).

17. Anderson, J.M. Autonomous Vehicle Technology: A Guide for Policymakers / J.M. Anderson, N. Kalra, K.D. Stanley, P. Sorensen, C. Samaras, T.A. Oluwatola // RAND Corporation: Santa Monica. - 2016. - P. 186. - DOI: 10.7249/RR443-2.

18. Bagloee, S. Autonomous Vehicles: Challenges, Opportunities and Future Implications for Transportation Policies / S. Bagloee, M. Tavana, M. Asadi, T. Oliver // Journal of Modern Transportation - 2016. - Vol. 24(4) - P. 284-303. - DOI: 10.1007/s40534-016-0117-3.

19. Gujarathi, A. Design and Development of Autonomous Delivery Robot / A. Gujarathi, A. Kulkarni, U. Patil, Y. Phalak, R. Deotalu, A. Jain, N. Panchi, A. Dhabale, S. Chiddarwar // Bachelor's Thesis, Visvesvaraya National Institute of Technology. -Nagpur, India. - 2020. - P. 63.

20. Flamig, H. Autonomous Vehicles and Autonomous Driving in Freight Transport / H. Flamig, M. Maurer // Autonomous Driving, Eds.; Springer: Germany. -

2016. - P. 365-385. - DOI: 10.1007/978-3-662-48847-8_18.

21. Jennings, D. Study of Road Autonomous Delivery Robots and Their Potential Effects on Freight Efficiency and Travel [Электронный ресурс] / D. Jennings, M. Figliozzi // Civil and Environmental Engineering Faculty Publications and Presentations. - 2020. - Vol. 549 - P. 18. - Режим доступа: https://pdxscholar.library.pdx.edu/cgi/viewcontent.cgi?article=1566&context=cengin_fa c (дата обращения: 10.06.2023).

22. Multi-level fulfillment center for unmanned aerial vehicles [Электронный ресурс] / Patent Google. - 2023. - Режим доступа: https://patents.google.com/patent/US20170175413A1/en (дата обращения: 15.06.2023).

23. Костин, А. С. Вопросы современного развития рынка беспилотных летательных аппаратов / А. С. Костин, Н. В. Богатов // Системный анализ и логистика. - 2019. - № 4 (22). - С. 65-72.

24. Костин, А. С. Исследование маршрутизации полетных заданий беспилотных авиационных систем для операционных складских задач / Н. Н. Майоров, А. С. Костин, Н. В. Богатов, Е. А. Вознесенский // Аэрокосмическое приборостроение и эксплуатационные технологии: сб. докл. второй Международ. науч. конф. - СПб.: ГУАП, 2021. - С. 130-137.

25. Agrawal, K., Shrivastav P. Multi-rotors: A revolution in unmanned aerial vehicle / K. Agrawal, P. Shrivastav // International Journal of Science and Research. -2015. - Vol. 4. - № 11. - P. 1800-1804. - DOI: 10.21275/v4i11.nov151540.

26. Hoffman, G.M. Quadrotor helicopter flight dynamics and control: Theory and experiment [Электронный ресурс] / G. M. Hoffmann, Haomiao Huang, S. L. Wasland, E. C. J. Tomlin // Proc. of the AIAA Guidance, Navigation, and Control Conference. -2007. - P. 20. - Режим доступа: https://www.researchgate.net/publication/228808757_Quadrotor_Helicopter_Flight_Dy namics_and_Control_Theory_and_Experiment (дата обращения: 10.06.2023).

27. Kim, J. Accurate Modeling and Robust Hovering Control for a Quad-rotor VTOL Aircraft / J. Kim, M.-S. Kang, S. Park // Journal of Intelligent Robotics Systems.

- 2010. - Vol. 57. - № 1-4. - P. 9-26. - DOI: 10.1007/978-90-481-8764-5_2.

28. Костин, А. С. Основы автономного управления беспилотными авиационными системами для решения транспортных задач/ Д. В. Еленин, А. С. Костин, Н. Н. Майоров. - Учеб.-метод. пособие. - СПб.: ГУАП, 2020. - 71 с.

29. Костин, А. С. Анализ возможностей и ограничений при внедрении беспилотных авиационных систем для решения транспортных задач/ А. С. Костин, Е.А. Вознесенский // «Актуальные проблемы развития авиационной техники и методов ее эксплуатации - 2020». Сборник трудов XIII Всероссийской научно-практической конференции студентов и аспирантов. Том 1. - Иркутск: Иркутский филиал МГТУ ГА, 2021. - C. 265-270.

30. Anbaroglu, B. Parcel delivery in an urban environment using unmanned aerial systems: A vision paper / B. Anbaroglu // ISPRS Annals of the Photogrammetry Remote Sensing and Spatial Information Sciences. - 2017. - Vol. 4. - № 4. - P. 73-79.

- DOI: 10.5194/isprs-annals-IV-4-W4-73-2017.

31. Ahmed, S.S. The flying car-challenges and strategies toward future adoption [Электронный ресурс] / S.S. Ahmed, K.F. Hulme, G. Fountas, U. Eker, I.V. Benedyk, S.E. Still, P.C. Anastasopoulos // Frontiers in Built Environment. - 2020. - Vol. 6. - P. 1-11. - Режим доступа: https://www.researchgate.net/publication/342987009_The_Flying_Car-Challenges_and_Strategies_Toward_Future_Adoption (дата обращения: 10.06.2023).

32. Thibbotuwawa, A. Unmanned aerial vehicle routing problems: A literature review [Электронный ресурс] / A. Thibbotuwawa, G. Bocewicz, P. Nielsen, Z. Banaszak // Applied Sciences. - 2020. - Vol. 10. - № 13. - P. 24. - Режим доступа: https://www.researchgate.net/publication/342532662_Unmanned_Aerial_Vehicle_Rout ing_Problems_A_Literature_Review (дата обращения: 10.06.2023).

33. Rejeb, A. Humanitarian drones: A review and research agenda [Электронный ресурс] / A. Rejeb, K. Rejeb, S. Simske, H. Treiblmaier // Internet of Things. - 2021. - Vol. 16. - P. 20. - Режим доступа: https://www.researchgate.net/publication/353396675_Humanitarian_Drones_A_Review _and_Research_Agenda (дата обращения: 10.06.2023).

34. Lin, I.C. A decision system for routing problems and rescheduling issues using Unmanned Aerial Vehicles [Электронный ресурс] / I.C. Lin, T.H. Lin, S.H. Chang // Applied Sciences. - 2022. - Vol. 12. - P. 15 - Режим доступа: https: //www.researchgate.net/publication/361396266_A_Decision_System_for_Routing _Problems_and_Rescheduling_Issues_Using_Unmanned_Aerial_Vehicles (дата обращения: 10.06.2023).

35. Almuhaideb, S. Optimization of truck-drone parcel delivery using metaheuristics [Электронный ресурс] / S. Almuhaideb, T. Alhussan, S. Alamri, Y. Altwaijry, L. Aljarbou, H. Alrayes // Applied Sciences. - 2021. - Vol. 11. - P. 20. -Режим доступа: https://www.researchgate.net/publication/353222563_Optimization_of _Truck-Drone_Parcel_Delivery_Usmg_Metaheuristics (дата обращения: 10.06.2023).

36. Gupta, A. Advances of UAVs toward future transportation: The state-of-the-art, challenges, and opportunities / A. Gupta, T. Afrin, E. Scully, N. Yodo Future Transportation. - 2021. - Vol. 1. - № 2. - P. 326-350. - DOI: 10.3390/futuretransp 1020019.

37. Suguna, M. A study on the influential factors of the last mile delivery projects during COVID-19 era / M. Suguna, B. Shah, S.K. Raj, M. Suresh // Operations Management Research. - 2021. - Vol. 15. - №4 - P. 399-412. - DOI: 10.1007/s12063-021-00214-y.

38. Mohsan, S.A.H. Towards the unmanned aerial vehicles (UAVs): A comprehensive review [Электронный ресурс] / S.A.H. Mohsan, M.A. Khan, F. Noor, I. Ullah, M.H. Alsharif // Drones. - 2022. - Vol. 6. - № 147. - P. 27. -Режим доступа: https://www.researchgate.net/publication/361316069_Towards_the_U nmanned_Aerial_Vehicles_UAVs_A_Comprehensive_Review (дата обращения: 10.06.2023).

39. Ayamga, M. Multifaceted applicability of drones: A review / M. Ayamga, S. Akaba, A.A. Nyaaba // Technological Forecasting and Social Change. - 2021. - Vol. 167. - P. 1-5. - DOI: 10.1016/j.techfore.2021.120677.

40. Beloev, I.H. A review on current and emerging application possibilities for unmanned aerial vehicles / I.H. Beloev // Acta Technologica Agriculturae. - 2016. -

Vol. 19. - № 3. - P. 70-76. - DOI: 10.1515/ata-2016-0015.

41. Benarbia, T. A literature review of drone-based package delivery logistics systems and their implementation feasibility [Электронный ресурс] / T. Benarbia, K. Kyamakya // Sustainability. - 2022. - Vol. 14. - P. 15. - Режим доступа: https://www.researchgate.net/publication/357421364_A_Literature_Review_of_Drone-Based_Package_Delivery_Logistics_Systems_and_Their_Implementation_Feasibility (дата обращения: 10.06.2023).

42. Mohd Noor, N. Remote sensing UAV/drones and its applications for urban areas: A review [Электронный ресурс] / N. Mohd Noor, A. Abdullah, M. Hashim // IOP Conference Series Earth and Environmental Science. - 2018. - Vol. 169. - P. 8. -Режим доступа: https://www.researchgate.net/publication/326724965_Remote_sensing_UAVdrones_an d_its_applications_for_urban_areas_a_review (дата обращения: 10.06.2023).

43. Kellermann, R. Drones for parcel and passenger transportation: A literature review [Электронный ресурс] / R. Kellermann, T. Biehle, L. Fischer // Transportation Research Interdisciplinary Perspectives. - 2020. - Vol. 4. - P. 33. - DOI: Режим доступа:

https://www.researchgate.net/publication/338767975_Drones_for_parcel_and_passenge r_transportation_A_literature_review (дата обращения: 10.06.2023).

44. Khoufi, I. A survey of recent extended variants of the traveling salesman and vehicle routing problems for unmanned aerial vehicles [Электронный ресурс] / I. Khoufi, A. Laouiti, C. Adjih // Drones. - 2019. - Vol. 3. - № 3. - P. 30. - Режим доступа:

https://www.researchgate.net/publication/335398370_A_Survey_of_Recent_Extended_ Variants_of_the_Traveling_Salesman_and_Vehicle_Routing_Problems_for_Unmanned _Aerial_Vehicles (дата обращения: 10.06.2023).

45. Moshref-Javadi, M. Applications and research avenues for drone-based models in logistics: A classification and review [Электронный ресурс] / M. Moshref-Javadi, M. Winkenbach // Expert Systems with Applications. - 2021. - Vol. 177. - P. 26. - Режим доступа: https://www.updwg.org/wp-

content/uploads/2021/04/Applications-and-Research-avenues-for-drone-based-models-in-logistics-A-classification-and-review.pdf (дата обращения: 10.06.2023).

46. Guerrero, J.A. UAV path planning for structure inspection in windy environments / J.A. Guerrero, Y. Bestaoui // Journal of Intelligent & Robotic Systems. -

2012. - Vol. 69. - № 1-4. - P. 297-311. - DOI: 10.1007/s10846-012-9778-2.

47. Pillac, V. A review of dynamic vehicle routing problems / V. Pillac, M. Gendreau, C. Guéret, A.L. Medaglia // European Journal of Operational Research. -

2013. - Vol. 225. - P. 1-11. - DOI: 10.1016/j.ejor.2012.08.015.

48. Toth, P. Models, relaxations and exact approaches for the capacitated vehicle routing problem / P. Toth, D. Vigo // Discrete Applied Mathematics. - 2002. -Vol. 123. - P. 487-512. - DOI: 10.1016/S0166-218X(01)00351-1.

49. Klein, D.J. Localization with sparse acoustic sensor network using UAVs as information-seeking data mules / D.J. Klein, S. Venkateswaran, J.T. Isaacs // ACM Transactions on Sensor Networks. - 2013. - Vol. 9. - P. 1-29. - DOI: 10.1145/2480730.2480733.

50. Tadic, S. The application of drones in city logistics concepts / S. Tadic, M. Kovac, O. Cokorilo // Promet-Traffic & Transportation. - 2021. - Vol. 33. - № 3. -P. 451-462. - DOI: 10.7307/ptt.v33i3.3721.

51. Gabani, P.R. A viability study using conceptual models for last mile drone logistics operations in populated urban cities of India / P.R. Gabani, U.B. Gala, V.S. Narwane, R.D. Raut, U.H. Govindarajan, B.E. Narkhede // IET Collaborative Intelligent Manufacturing. - 2021. - Vol. 3. - № 9. - P. 262-272. - DOI: 10.1049/cim2.12006.

52. Radmanesh, M. Overview of Path Planning and Obstacle Avoidance Algorithms for UAVs: A Comparative Study / M. Radmanesh, M. Kumar, P.H. Guentert, M. Sarim // Unmanned Systems. - 2018. - Vol. 6. - № 2. - P. 1-24. - DOI: 10.1142/S2301385018400022.

53. Xiang, J. Flight safety measurements of UAVs in congested airspace [Электронный ресурс] / J. Xiang, Y. Liu, Z. Luo // Chinese Journal of Aeronautics. -2016. - Vol. 29. - P. 12. - Режим доступа:

https://www.researchgate.net/publication/307613455_Flight_safety_measurements_of_ UAVs_in_congested_airspace (дата обращения: 10.06.2023).

54. Furini, F. The Time Dependent Traveling Salesman Planning Problem in Controlled Airspace / F. Furini, C.A. Persiani, P. Toth // Transportation Research Part B Methodological. - 2016. - Vol. 90. - P. 38-55. - DOI: 10.1016/j.trb.2016.04.009.

55. HR клуб Сколково. Новая реальность: предположения и факты. [Электронный ресурс] / Тренды Сколково - 2023. - Режим доступа: https://trends.skolkovo.ru/2016/09/hr-klub-skolkovo-novaya-realnostpredpolozheniya-i-faktyi/ (дата обращения: 15.05.2023).

56. Майоров, Н. Н. Современный научно-образовательный комплекс и научные школы института аэрокосмических приборов и систем ГУАП / Ю. А Антохина, Н. Н. Майоров // учеб. пособие. - СПб.: ГУАП. - 2021. - 272 с.

57. Навыки будущего. Что нужно знать и уметь в новом сложном мире / Е. Лошкарева, П. Лукша, И. Ниненко, И. Смагин, Д. Судаков. [Электронный ресурс] / WorldSkills. - 2023. - Режим доступа: https://rda.worldskills.ru/storage/app/media/Reports/2017_Future%20Skills/2017_WS_ GEF_Future%20Skills_report_RU.pdf (дата обращения: 15.05.2023).

58. Chen, C. YOLO-Based UAV Technology: A Review of the Research and Its Applications [Электронный ресурс] / C. Chen, Z. Zheng, T. Xu, S. Guo, S. Feng, W. Yao, Y. Lan // Drones. - 2023. - Vol. 7. - № 3. - P. 29. - Режим доступа: https://www.researchgate.net/publication/369216598_YOLO-

Based_UAV_Technology_A_Review_of_the_Research_and_Its_Applications (дата обращения: 15.05.2023).

59. Mohsan, S.A.H. Unmanned aerial vehicles (UAVs): Practical aspects, applications, open challenges, security issues, and future trends [Электронный ресурс] / S.A.H. Mohsan, N.Q.H. Othman, Y. Li, M.H. Alsharif, M.A. Khan // Intelligent Service Robotics. - 2023. - P. 30. - Режим доступа: https://www.researchgate.net/publication/366548023_Unmanned_Aerial_Vehicles_UA Vs_Practical_aspects_applications_open_challenges_security_issues_and_future_trends (дата обращения: 15.05.2023).

60. Zhang, R. Review of modeling and control in UAV autonomous maneuvering flight [Электронный ресурс] / R. Zhang, J. Zhang, H. Yu // In Proceedings of the 2018 IEEE International Conference on Mechatronics and Automation (ICMA) / Changchun, China. - 2018. - P. 7. - Режим доступа: https://www.researchgate.net/publication/327236470_Review_of_modeling_and_contro l_in_UAv_autonomous_maneuvering_flight (дата обращения: 15.05.2023).

61. Crommelinck, S. Review of automatic feature extraction from high-resolution optical sensor data for UAV-based cadastral mapping [Электронный ресурс] / S. Crommelinck, R. Bennett, M. Gerke, F. Nex, M.Y. Yang, G. Vosselman // Remote Sensing. - 2016. - Vol. 8. - № 8. - P. 16. - Режим доступа: https: //www.researchgate.net/publication/306364175_Review_of_Automatic_Feature_ Extraction_from_High-Resolution_Optical_Sensor_Data_for_UAV-Based_Cadastral_Mapping (дата обращения: 15.05.2023).

62. Chodnicki, M. Energy Efficient UAV Flight Control Method in an Environment with Obstacles and Gusts of Wind [Электронный ресурс] / M. Chodnicki, B. Siemiatkowska, W. Stecz, S. St^pien // Energies. - 2022. - Vol. 15. - P. 31. - Режим доступа: https: //www.researchgate.net/publication/360725828_Energy_Efficient_UAV_Flight_C ontrol_Method_in_an_Environment_with_Obstacles_and_Gusts_of_Wind (дата обращения: 15.05.2023).

63. Iqbal, M.M. Motion Planning of UAV Swarm: Recent Challenges and Approaches / M.M. Iqbal, Z.A. Ali, R. Khan, M. Shafiq // In Aeronautics-New Advances. - Intech Open: London. - 2022. - P. 34. - DOI: 10.5772/intechopen.106270.

64. Прокушев, Л. А. Дискретная математика. Основы теории графов и алгоритмизации задач / Л.А. Прокушев // учеб. пособие. - СПб.: ГУАП, 2000. - 81 с.

65. Горев, А. Э. Основы теории транспортных систем / А. Э. Горев // учеб. пособие. - СПб.: ГАСУ, 2010. - 214 с.

66. Калькулятор литий-полимерных аккумуляторов для дронов. Электротехнические и радиотехнические калькуляторы [Электронный ресурс] /

Translatorscafe - 2023. - Режим доступа: https://www.translatorscafe.com/unit-converter/ru-RU/calculator/multicopter-lipo-battery/ (дата обращения: 15.05.2023).

67. COEX Клевер 4 Code — конструктор программируемого квадрокоптера. [Электронный ресурс] / Clover COEX Tech - 2023. - Режим доступа: https://ru.coex.tech/clover (дата обращения: 15.05.2023).

68. AnyLogic: имитационное моделирование для бизнеса. [Электронный ресурс] / Anylogic. - 2023. - Режим доступа: https://www.anylogic.ru/ (дата обращения: 15.05.2023).

69. Костин, А. С. Управление и анализ полёта квадрокоптера при задании сложной траектории движения/ А. С. Костин, Н.В. Богатов // Системный анализ и логистика. - 2020. - №4 (26). - C. 3-12.

70. Yunhong Y. UAV Formation Trajectory Planning Algorithms: A Review [Электронный ресурс] / Y. Yunhong, X. Xingzhong, Y. Yuehao // Drones. - 2023. -Vol. 7. - P. 45. - Режим доступа: https://www.researchgate.net/publication/367183373_UAV_Formation_Trajectory_Pla nning_Algorithms_A_Review (дата обращения: 15.05.2023).

71. Yahia, H.S. Path planning optimization in unmanned aerial vehicles using meta-heuristic algorithms: A systematic review [Электронный ресурс] / H.S. Yahia, A.S. Mohammed // Environmental Monitoring and Assessment. - 2022. - Vol. 195. - P. 28. - Режим доступа: https://www.researchgate.net/publication/364731484_Path_planning_optimization_in_u nmanned_aerial_vehicles_using_meta-heuristic_algorithms_a_systematic_review (дата обращения: 15.05.2023).

72. Ali, Z.A. Path planning of multiple UAVs using MMACO and DE algorithm in dynamic environment [Электронный ресурс] / Z.A. Ali, H. Zhangang, D. Zhengru // Measurement and Control. - 2020. - Vol. 56. - P. 11. - Режим доступа: https://www.researchgate.net/publication/364731484_Path_planning_optimization_in_u nmanned_aerial_vehicles_using_meta-heuristic_algorithms_a_systematic_review (дата обращения: 15.05.2023).

73. Wei, X. Distributed path planning of unmanned aerial vehicle communication chain based on dual decomposition / X. Wei, J. Xu // Wireless Communications and Mobile Computing. - 2021. - Vol. 2021. - № 2. - P. 1-12. - DOI: 10.1155/2021/6661926.

74. Li, H. Multi-UAV Cooperative 3D Coverage Path Planning Based on Asynchronous Ant Colony Optimization / H. Li, Y. Chen, Z. Chen, H. Wu // In Proceedings of the 2021 40th Chinese Control Conference (CCC) / Shanghai, China. -2021. - P. 4255-4260. - DOI: 10.23919/CCC52363.2021.9549498.

75. Majeed, A. A multi-objective coverage path planning algorithm for UAVs to cover spatially distributed regions in urban environments [Электронный ресурс] / A. Majeed, S.O. Hwang // Aerospace. - 2021. - Vol. 8. - №11. - P. 34. - Режим доступа: https://www.researchgate.net/publication/356210802_A_Multi-Objective_Coverage_Path_Planning_Algorithm_for_UAVs_to_Cover_Spatially_Distri buted_Regions_in_Urban_Environments (дата обращения: 15.05.2023).

76. Lin, C.E. System Operation of Regional UTM in Taiwan [Электронный ресурс] / C.E. Lin, P.C. Shao, Y.Y. Lin // Aerospace. - 2019. - Vol. 7. - № 5. - P. 21. - Режим доступа: https://www.researchgate.net/publication/356210802_A_Multi-Objective_Coverage_Path_Planning_Algorithm_for_UAVs_to_Cover_Spatially_Distri buted_Regions_in_Urban_Environments (дата обращения: 15.05.2023).

77. Fern, L. An Evaluation of Detect and Avoid (DAA) Displays for Unmanned Aircraft Systems: The Effect of Information Level and Display Location on Pilot Performance [Электронный ресурс] / L. Fern, R. Conrad Rorie, J. Pack, J. Shively, M. Draper // 15th AIAA Aviation Technology, Integration, and Operations Conference / Dallas TX USA. - 2015. - P. 18. - Режим доступа: https://ntrs.nasa.gov/api/citations/20150018045/downloads/20150018045.pdf (дата обращения: 15.05.2023).

78. Костин, А.С. Разработка автоматизированных решений для исследования вариантов маршрутов доставки при совместном использовании транспортного средства и беспилотной авиационной системы в границах города / Н.Н. Майоров, А.С. Костин // Известия Тульского государственного

университета. Технические науки. - 2022. - № 7. - С. 348-356.

79. Свидетельство о госрегистрации программы для ЭВМ № 2022615497. Рос. Федерация. Программа автономного полета беспилотной авиационной системы для реализации многоадресной доставки грузов/ А.С. Костин, Н.Н. Майоров, Е.А. Вознесенский; правообладатель ФГАО ВО ГУАП (RU). № 2022615305; заявл.31.03.2022; опубл. 31.03.2022, Реестр программ для ЭВМ. -1 с.

80. Свидетельство о государственной регистрации программы для ЭВМ № 2023612873. Рос. Федерация. Программа формирования допустимого маршрута перемещения задачи коммивояжера на основе муравьиного алгоритма / А.С. Костин, Н.Н. Майоров, Д.В. Кучко; правообладатель ФГАО ВО ГУАП (RU). № 2023611992; заявл.08.02.2023; опубл. 08.02.2023, Реестр программ для ЭВМ. -1 с.

81. Костин, А.С. Исследование моделей и методов маршрутизации практического выполнения автономного движения беспилотными транспортными системами для доставки грузов / А. С. Костин, Н. Н. Майоров // Вестник государственного университета морского и речного флота имени адмирала С.О. Макарова. - 2023. - Т. 15. - № 3. - С. 524- 536.

82. Костин, А. С. Практические примеры программирования беспилотных авиационных систем/ Е. А. Вознесенский, А. С. Костин, Н. Н. Майоров. - Учеб.-метод. пособие. - СПб.: ГУАП, 2023. - 82 с.

83. Bouabdallah, S. Design and control of quadrotors with application to autonomous flying / S. Bouabdallah // Lausanne: EPFL publishing house, 2007. -P. 155. - DOI: 10.5075/epfl-thesis-3727.

84. Белоконь, С. А. Управление параметрами полета квадрокоптера при движении по заданной траектории / С. А. Белоконь, Ю. Н. Золотухин, А. С. Мальцев // Автометрия. - 2012. - № 5. - С. 32-41.

85. Емельянова, О. В. Моделирование движения квадроротационного летающего робота / О. В. Емельянова, Н. И. Попов, С. Ф. Яцун // Актуальные вопросы науки: Материалы VIII международ. науч.-практ. конф. - М.: Спутник,

2013. - С. 6-8.

86. Костин, А.С. Исследование аппаратных комплексов для автономной идентификации мест посадки беспилотных авиационных систем / Н.Н. Майоров, А.С. Костин // Датчики и системы. - 2022. - № 5 (264). - С. 42-49.

87. Свидетельство о госрегистрации программы для ЭВМ № 2022615448. Рос. Федерация. Программа идентификации посадочных мест для доставки грузов беспилотными авиационными системами в режиме автономного полета/ А.С. Костин, Н.Н. Майоров, Е.А. Вознесенский; правообладатель ФГАО ВО ГУАП (RU). № 2022615298; заявл.31.03.2022; опубл. 31.03.2022, Реестр программ для ЭВМ. - 1 с.

88. Свидетельство о госрегистрации программы для ЭВМ № 2022683951. Рос. Федерация. Программа поиска дронпоинтов с определением их высоты и координат в летном поле aruco маркеров / А.С. Костин, Н.Н. Майоров, Е.А. Гайдук; правообладатель ФГАО ВО ГУАП (RU). № 2022684031; заявл.09.12.2022; опубл. 09.12.2022, Реестр программ для ЭВМ. - 1 с.

89. Костин, А. С. Построение модели полетного задания для многоадресной доставки грузов на основе беспилотных авиационных систем / А.С. Костин, Н.Н. Майоров // «Логистика: современные тенденции развития». Материалы XXI международ. науч.-практ. конф. - СПб.: ВШЭ, 2022. - C. 183-190.

90. Костин, А. С. Модели и методы автономной навигации и посадки на движущуюся платформу беспилотной авиационной системы мультироторного типа /А. С. Костин, М. Е. Румянцев // Системный анализ и логистика. - 2022. -№2(32). - С. 66-72.

91. Костин, А. С. Практические решения на основе беспилотных авиационных систем для транспортных задач/ В. А. Фетисов, А. С. Костин, Н. Н. Майоров. - Учеб.-метод. пособие. - СПб.: ГУАП, 2022. - 63 с.

92. Костин, А. С. Определение полетных заданий беспилотных авиационных систем применительно к операционным логистическим задачам / А. С. Костин, Н.Н. Майоров // «Логистика: современные тенденции развития». Материалы XX международ. науч.-практ. конф. - СПб.: ВШЭ, 2021. - C. 150-157.

93. Костин, А. С. Информационно-измерительные системы для контроля выполнения траектории авиационной системы / А. С. Костин // «Волновая электроника и инфокоммуникационные системы». Материалы XXIV Международной научной конференции. - СПб.: ГУАП, 2021. - C. 219-226.

94. Костин, А. С. Разработка изотермического контейнера для реализации доставки специальных грузов при помощи беспилотной авиационной системы / А.С. Костин, Н.Н. Майоров, А.Ю. Бахмутская // Сборник статей XXV международ. науч. конф. В 3-х частях. - СПб.: ГУАП, 2022. - C. 187-194.

95. Костин, А. С. Особенности доставки специальных грузов в изотермическом контейнере при помощи беспилотных авиационных систем / А.С. Костин, Ю.А. Силин // Сборник статей XXV международ. науч. конф.. В 3-х частях. - СПб.: ГУАП, 2022. - C. 195-202.

96. Костин, А. С. Сравнение методов обработки данных при обнаружении препятствий на объектах транспортной инфраструктуры / Е. А. Гайдук, А. А. Добровольская, А. С. Костин // Системный анализ и логистика. - 2022. - №4 (34). - С. 165-170.

97. Костин, А.С. Исследование аппаратных комплексов и программных методов автономной идентификации мест посадки беспилотных авиационных систем / А.С. Костин // Датчики и системы. - 2023. - № 4-1 (269) - С. 9-15

98. Kang. HSV Color-Space-Based Automated Object Localization for Robot Grasping without Prior Knowledge [Электронный ресурс] / Kang, H.-C., H.-N. Han, H.-C. Bae, M.-G. Kim, J.-Y. Son, Y.-K. Kim // Applied Sciences. - 2021. - Vol. 11. -№ 16. - P. 19. - Режим доступа: https://www.researchgate.net/publication/356210802_A_Multi-Objective_Coverage_Path_Planning_Algorithm_for_UAVs_to_Cover_Spatially_Distri buted_Regions_in_Urban_Environments (дата обращения: 15.05.2023).

99. Garcia-Pulido, J.A. UAV Landing Platform Recognition Using Cognitive Computation Combining Geometric Analysis and Computer Vision Techniques / Garcia-Pulido, J.A., G. Pajares, S. Dormido // Cognitive Computation. - 2022. -Vol. 15. - № 17. - P. 392-413. - DOI: 10.1007/s12559-021-09962-2.

100. Blender addon. [Электронный ресурс] - 2023. - Режим доступа: https://github.com/CopterExpress/clever-show/blob/master/docs/ru/blender-addon.md (дата обращения: 15.05.2023).

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

102. Ivanov, D. Formation task in a group of quadrotors / D. Ivanov, I. Kaliaev, S. Kapustjan // Advances in Intelligent Systems and Computing. - 2015. - Vol. 345. -P. 183-191. - DOI: 10.1109/ 10.1007/978-3-319-16841-8_18.

103. Paul, T. Modelling of UAV formation flight using 3D potential field / T. Paul, T.R. Krogstad, J.T. Gravdahl // Simulation Modelling Practice and Theory. -2008. - Vol. 16. - P. 1453-1462. - DOI: 10.1016/j.simpat.2008.08.005.

104. Kostin, A. S. Models and methods for implementing the automous performance of transportation tasks using a drone / А^. Kostin // Wave Electronics and its Application in Information and Telecommunication Systems (WECONF) 2021 / SUAI. Saint-Petersburg. - 2021. - P. 1-4 - DOI: 10.1109/WECONF51603.2021.9470584.

105. Dobrovolskaia, A. Research the application of data from unmanned systems for the development of micromobility and modernization of urban infrastructure / А. Dobrovolskaia // Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). - SUAI. Saint-Petersburg. - 2021. - P. 7. -DOI: 10.1109/WECONF51603.2021.9470674.

106. Voznesenskii, E. A. Automated battery charging system for multi-rotor aerial vehicles/ Е. А. Voznesenskii // Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). - SUAI. Saint-Petersburg. -2021. - P. 5. - DOI: 10.1109/WECONF51603.2021.9470571.

152

Приложение A

Программный код автономного полета квадрокоптера по полю меток

# coding: utf8 # конвертация формата текста для поддержки русских символов import rospy # импорт библиотек ROS

from clover import srv # подключение сервисов для автономного полета

from std_srvs.srv import Trigger

rospy.init_node('flight') # инициализация ROS ноды

get_telemetry = rospy.ServiceProxy('get_telemetry', srv.GetTelemetry)

navigate = rospy.ServiceProxy('navigate', srv.Navigate)

navigate_global = rospy.ServiceProxy('navigate_global', srv.NavigateGlobal)

set_position = rospy.ServiceProxy('set_position', srv.SetPosition)

set_velocity = rospy.ServiceProxy('set_velocity', srv.SetVelocity)

set_attitude = rospy.ServiceProxy('set_attitude', srv.SetAttitude)

set_rates = rospy.ServiceProxy('set_rates', srv.SetRates)

land = rospy.ServiceProxy('land', Trigger)

# подключение сервисов для получения телеметрии, навигации через функцию navigate, выполнение посадки и отключения моторов за счет определения касания земли.

# Взлет на высоту 1,5 м

navigate(x=0, y=0, z=1.5, frame_id='body', auto_arm=True)

# Ожидание 4 секунды rospy.sleep(4)

# Пролет направо на 1 метр относительно системы позиционирования поля меток navigate(x=1, y=0, z=1.5, frame_id='aruco_map')

# Ожидание 3 секунды rospy.sleep(3)

# Пролет вперед 2 метра вперед. Дрон уже находится на одном метре правее относительно поля меток, он переместиться только вперед.

navigate(x=1, y=2, z=1.5, frame_id='aruco_map')

# Ожидание 5 секунд rospy.sleep(5)

# Посадка land()

154

Приложение Б

Программный код автономного полета квадрокоптера с идентификацией и

декодированием содержимого Qr - кодов

# coding: utf8

import rospy

from clover import srv

from std_srvs.srv import Trigger

from cv_bridge import CvBridge

from pyzbar import pyzbar

import cv2

import math

from sensor_msgs.msg import Image rospy.init_node('QR')

get_telemetry = rospy.ServiceProxy('get_telemetry', srv.GetTelemetry) navigate = rospy.ServiceProxy('navigate', srv.Navigate) land = rospy.ServiceProxy('land', Trigger)

foo_pub = rospy.Publisher('main_camera/foo', Image, queue_size=1) # топик, в который будет опубликован кадр с распознанным Qr - кодом и обведенным контуром

def navigate_wait(x=0, y=0, z=0, yaw=math.radians(90), speed=0.5, frame_id='aruco_map', auto_arm=False, tolerance=0.2):

navigate(x=x, y=y, z=z, yaw=yaw, speed=speed, frame_id=frame_id, auto_arm=auto_arm)

while not rospy.is_shutdown():

telem = get_telemetry(frame_id='navigate_target') if math.sqrt(telem.x ** 2 + telem.y ** 2 + telem.z ** 2) < tolerance:

break rospy.sleep(0.2) def image_callback(data):

global cap # глобальная переменная, которую теперь можно использовать вне функции. Все переменные, объявленные внутри функции, можно вызвать только внутри функции. Для вызова переменной вне функции нужно объявить ее глобальной.

cv_image = CvBridge().imgmsg_to_cv2(data, 'bgr8')[60:160, 110:220] # OpenCV image

barcodes = pyzbar.decode(cv_image)

for barcode in barcodes:

b_data = barcode.data.decode("utf-8") b_type = barcode.type (x, y, w, h) = barcode.rect xc = x + w/2 yc = y + h/2

print ("Found {} with data {} with center at x={}, y={}".format(b_type, b_data, xc, yc))

cv2.rectangle(cv_image, (x, y), (x + w, y + h), (0, 255, 0), 3) image_sub.unregister()

cap = True # как только распознавание Qr - кода успешно, то присваиваем данной переменной True, за счет чего останавливается цикл.

foo_pub.publish(CvBridge().cv2_to_imgmsg(cv_image, 'bgr8')) #flight

navigate(z=1.2, speed = 1, frame_id = 'body', auto_arm = True) rospy.sleep(4)

navigate_wait(x = 1.35, y = 0.45, z = 1)

cap = False # Объявление переменной, пока данная переменная False выполняется цикл while, соответственно выполняется распознавание QR - кода.

image_sub = rospy.Subscriber('main_camera/image_raw', Image, image_callback, queue_size=1)

while not cap:

rospy.sleep(0.1)

cap = False

navigate_wait(x = 2.35, y = 2.45, z = 1) cap = False

image_sub = rospy.Subscriber('main_camera/image_raw', Image, image_callback, queue_size=1)

while not cap:

rospy.sleep(0.1)

cap = False

navigate_wait(z = 1) # остальные переменные были сразу указаны в функции navigate_wait. Поэтому в данную функцию можно передать только высоту полета квадрокоптера.

говру.в1еер(1)

кпё()

158

Приложение В

Программный код для идентификации складских мест при помощи машинного зрения с применением автономного пилотирования

#!/usr/bin/python

# -*- coding: utf-8 -*-import rospy

from clever import srv

from std_srvs.srv import Trigger import cv2

import numpy as np

from sensor_msgs.msg import Image from cv_bridge import CvBridge from pyzbar import pyzbar

from clever.srv import SetLEDEffect import math

from collections import defaultdict from math import sqrt

import time import pigpio

rospy.init_node('computer_vision_sampl e') k = ("Placel", "Place2", "Place3")

get_telemetry = rospy.ServiceProxy('get_telemetry', srv.GetTelemetry) navigate = rospy.ServiceProxy('navigate', srv.Navigate)

land = rospy.ServiceProxy('land', Trigger)

set_effect = rospy.ServiceProxy('led/set_effect', SetLEDEffect) image_pub = rospy.Publisher('~debug', Image, queue_size = 1000) bridge = CvBridge()

flag = True arr = [] qrarr=[]

x = 150 y = 150 h = 90 w = 90

low_red1 = np.array([0, 100, 100]) high_red1 = np.array([12, 255, 255])

low_red = np.array([175, 100, 100]) high_red = np.array([240, 255, 255])

low_yellow =np.array([17, 100, 100]) high_yellow =np.array([48, 255, 255])

def most_common(lst): if bool(lst) == False:

return "green" else:

res = dict((lst.count(i), i) for i in set(lst)) return res[max(res.keys())]

def image_callback(data):

cv_image = bridge.imgmsg_to_cv2(data, 'bgr8')

if flag and mode !='off: cropped_img = cv_image

hsv_frame = cv2.cvtColor(cropped_img, cv2.COLOR_BGR2HSV) red_mask = cv2.inRange(hsv_frame, low_red, high_red)

red = cv2.bitwise_and(cropped_img, cropped_img, mask=red_mask)

red_mask1 = cv2.inRange(hsv_frame, low_red1, high_red1)

redl = cv2.bitwise_and(cropped_img, cropped_img, mask=red_mask1)

yellow_mask = cv2.inRange(hsv_frame, low_yellow, high_yellow)

yellow = cv2.bitwise_and(cropped_img, cropped_img, mask=yellow_mask) momentsR = cv2.moments(red_mask, 1)

sum_yR = momentsR['m01'] sum_xR = momentsR['m10'] sum_pixelR = momentsR['m00']

momentsRl = cv2.moments(red_mask1, 1) sum_yR1 = momentsR1['m01']

sum_xR1 = momentsR1['m10'] sum_pixelR1 = momentsR1 ['m00']

momentsY = cv2.moments(yellow_mask, 1) sum_yY = momentsY['m01']

sum_xY = momentsY['m10'] sum_pixelY = momentsY['m00']

max_value = max(sum_pixelR, sum_pixelY, sum_pixelR1)

if sum_pixelR == 0 and sum_pixelR1 == 0 and sum_pixelY < 10:

cv2.putText(cv_image, "green", (150, 150), cv2.FONT_HERSHEY_COMPLEX, 1, (0,

255, 0), 1)

else:

if max_value == sum_pixelR:

x = int(sum_xR / sum_pixelR) y = int(sum_yR / sum_pixelR)

cv2.putText(cv_image, "red", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 1)

arr.append("red")

elif max_value == sum_pixelR1:

x = int(sum_xR1 / sum_pixelR1) y = int(sum_yR1 / sum_pixelR1)

cv2.putText(cv_image, "red", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 1)

arr.append("red")

elif max_value == sum_pixelY: x = int(sum_xY / sum_pixelY) y = int(sum_yY / sum_pixelY)

cv2.putText(cv_image, "yellow", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 1)

arr.append("yellow") image_pub.publish(bridge.cv2_to_imgmsg(cv_image, 'bgr8'))

elif mode != 'off:

barcodes =

pyzbar.decode(cv_image) for barcode in barcodes:

barc_data = barcode.data.encode("utf-8") barc_type = barcode.type

(x, y, w, h) = barcode.rect

xc = x + w / 2

yc = y + h / 2

if barc_data in k:

cv2.putText(cv_image, barc_data, (xc, yc), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 1)

print(barc_data) qrarr.append(barc_data)

image_pub.publish(bridge.cv2_to_imgmsg(cv_image, 'bgr8'))

mode = 'off

image_sub = rospy.Subscriber('main_camera/image_raw_throttled', Image, image_callback)

ordpoint = [[0, 2.72], [0.72, 3.94], [0.72, 1.5],

[2.88, 1.5], [2.88, 3.94], [2.16, 0.28],

[1.44, 2.72], [1.44, 1.5], [2.16, 2.72],

[3.60, 0.28]]

order = [3, 8, 6, 1, 7, 4, 9, 10, 2, 5]

recheck = {} print("First Flight") print("Takeoff')

navigate(z=1.5, frame_id="body", auto_arm=True) rospy.sleep(3)

navigate(z=1.5, frame_id="aruco_map") rospy.sleep(8)

l = 0

pin = 18

pi = pigpio.pi()

pi.set_mode(pin, pigpio.OUTPUT) pi.set_servo_pulsewidth(pin, 2400)

for i in ordpoint: print("Flight to "+str(order[l]))

navigate(x = i[0], y = i[1], z = 1.5, speed = 1.5, frame_id = "aruco_map") rospy.sleep(6)

navigate(x = i[0], y = i[1], z = 0.7, frame_id = "aruco_map") rospy.sleep(3)

mode = "on" rospy.sleep(5) mode = "off"

if most_common(arr) == "yellow" or most_common(arr) == "red": recheck[str(order[l])] = most_common(arr) print(most_common(arr))

pi.set_servo_pulsewidth(pin, 600) time.sleep(0.4)

pi.set_servo_pulsewidth(pin, 2400) time.sleep(4)

print("Sbrosheno")

set_effect(effect='blink', r=148, g=0, b=211) rospy.sleep(5)

set_effect(effect='fill', r=255, g=255, b=255)

elif most_common(arr) == "green": print(most_common(arr))

navigate(x = i[0], y = i[1], z = 1.5, frame_id = "aruco_map") rospy.sleep(3)

l += 1

arr = []

print("Home")

navigate(z=1.5, speed=1.5, frame_id="aruco_map") rospy.sleep(8)

print("Landing") land()

rospy.sleep(4) print("Waiting 2m") rospy.sleep(120)

flag = False l=0

print("Second Flight") print("Takeoff')

navigate(z=1.5, frame_id="body", auto_arm=True) rospy.sleep(3)

navigate(z=1.5, frame_id="aruco_map") rospy.sleep(2)

for i in list(recheck.keys()): print("Flight to "+i)

navigate(x=ordpoint[int(i)-1][0] ,y=ordpoint[int(i)- 1][1],z=1.5,speed= 1.5, frame_id="aruco_map")

rospy.sleep(6)

navigate(x=ordpoint[int(i)-1][0], y=ordpoint[int(i)-1][1], z=0.7, frame_id="aruco_map") rospy. sleep(3)

mode = "on" rospy.sleep(3) mode = "off"

if most_common(qrarr) == "Place1": set_effect(effect='blink', r=148, g=0, b=211) rospy.sleep(5)

set_effect(effect='fill', r=255, g=255, b=255)

navigate(x=ordpoint[int(i)-1][0], y=ordpoint[int(i)-1][1], z=1.5, frame_id="aruco_map") print("Human "+i+" "+"Test: "+most_common(qrarr))

qrarr = []

print("Home")

navigate(z=1.5, speed=1.5, frame_id="aruco_map") rospy.sleep(8)

print("Landing")

land()

rospy.sleep(4)

167

Приложение Г

Алгоритм работы программы автономного полета с посадкой на дронпоинт

Рисунок Г.1 - Алгоритм работы программы автономного полета посадкой на дронпоинт часть 1

Рисунок Г.2 - Алгоритм работы программы автономного полета с посадкой на дронпоинт часть 2

169

Приложение Д

Алгоритм работы программы группового полета квадрокоптеров

Рисунок Д.

1- Алгоритм работы программы группового полета квадрокоптеров часть 1

Рисунок Д.2- Алгоритм работы программы группового полета квадрокоптеров часть 2

Рисунок Д.3- Алгоритм работы программы группового полета квадрокоптеров часть 3

172

Приложение Е Акты о внедрении

ГУДП

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВ АЬМЯ РОССИЙСКОЙ ФЕДЕРАЦИИ федерально* государственное автономное образовательное учреждение высшего образованна

•САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»

(ГУАП)

Ьояываа Морена» уч, д Ы, лит Л. -Петеявург, 190000, Тел (»17) 710-6610. фме (ВЦ) 494-7067 [mW commoneiaanet.ru. >\Kv/!*i»y euap.ru. 0КП0 0206*46}. 0ГРМ 10278102326*0. ИНН/КПП 7«! 7003110/7*3*01001

С/ JWStJ N*

lipo ре

технологиям и инноваиио

На № .

—и

АКТ ВНЕДРЕНИЯ

Комиссия в составе: Председатель: директор института а>рокосмических приборов и систем I VAU

Майоров H.H. Членов комиссии:

заведующий кафедрой системною анализа и логистики ГУАП Фетисов ВА.. д.т.н., профессор,

ответственный по методической работе института аэрокосмичсских приборов и систем ГУАП. ст. преподаватель Таратун В.Е.

составила настоящий акт о том, что в учебный процесс для направлений подготовки 23.03.01, 23 04 01 «Технология транспортных процессов», 27.03.03 «Системный анализ и управление» внедрен специализированный учебный набор-конструктор беспилотной авиационном системы (БАС) Ввиду особенностей лаборатории беспилотных авиационных систем предлагаемое решение может использоваться как для решения задач внутри помещений, так и для визуального пилотирования на отзерытом пространстве. В качестве базовой модели конструкции была выбрана

конструкция квадрокоптсра.

'Конструктор беспилотной авиационной системы мультироторного типа предназначен для решения как "операционных задач сборки, настройки, визуального пилотирования, так и исследовательских задач программирования для автономных и роевых полетов, для решения задач дистанционного мониторинга и сбора данных для цифровых моделей участков транспортных сетей. Данное аппаратное решение разработано аспиратам кафедры системного анализа и логистики Костиным A.C. и прошло практическую апробацию на группе индустриальных задач лаборатории

беспилотных авиационных систем.

Разработанная беспилотных авиационная система внедрена в такие дисциплины как «Эксплуатация беспилотных авиационных систем». «Научно-исследовательская работа», «Информационное обеспечение транспортных процессов» Разработанная БАС использовалась в рамках проведения демонстрационного экзамена ВорлдСкиллс Россия для студентов высшею образования в 2021 году, участвовала в проектах «FutureSk.lls ГУАП» для реализации опережающей подготовки студентов.

Внедрение данной разработки в процесс общения бакалавров и магистров позволило значительно улучшить качество подготовки специалисте по транспортным направлениям в I УАП.

11редссдатель комиссии

Члены комиссии:

Майоров H.H. Фетисов В. А.

У Таратун B.F..

Санкз-Петербург 2022

ГУДП

МИТМСТЕРСТВО НАУКИ И ВЫСШЕЮ ОКгаЗСМАНИЯ РОССИЙСКИМ *€ДЕ РАЦИИ Фчершыга» государстимм» »ма«е ибрюлкм» г<»пи«и иш» гл,!.,»»», • Санкт-Петербургский государственный университет аэрокосмичссяого приборостроении» __(ГУАП)

Свнгг-Петербург

УIВЬКЖДАЮ ректор по образовательным

НОМШИОНИОЙ . К Ч ГСЛЫГОСТИ

I иншлаков В.Ф.1

иоаРра 2022 г.

\К1 BIIK.ll

Председатель: директор института аэрокосмических приборов и систем ГУЛП Майоров 11.11. Чинов комиссии:

-заведующий кафедрой системного анализа и юг мешки ГУАП Фетисов В.Л„ л.т.и.. профессор,

ответственный по методической ропоте института азрокосмических приборов и систем ГУАМ. ст. преподаватель Таретуп В.К.

составила настоящий акт о том, что в учебный процесс для направлений подготовки 2^.03.01. 23.04.01 «1 схно.тогйя транспортных процессов». 27.03.03 ■■Системный аиалн! и управление:- внедрен «Автономный изотермический контейнер аля доставки специальных I рудой беспилотной ашигоюниой системой». Ввил> особенностей лаборатории беспилотных авиационных систем предлагаемое решение может использоваться как для решети шднч внутри помещений, так к для ншуальаого пилотирования на открытом пространстве В качестве баюяпй мотели конструкции бы ¡а выбрана конструкция в виде автоночною контейнер« с возможность«» как внешнего питания, гак и питания от бортовой сети беспилотной авиациоиной системы мультироторного типа. Особенность работы изотермического Контейнера состоит в том. что устройство работает в режиме тепло компенсации н термоса второю рода, та счет чего шимояпо сохранить груд в кондиционном состоянии достаточно долго. Изотермический контейнер состоит ид двух основных частей: верхней и нижней Верхняя часть включает в себя элегтронные компоненты н имеет конструкцию, позволяющую направлять холодный но пух от радиаторов на воздухораспределительную корзину, находящуюся п I рудовом отсеке,

Автономный изотермический контейнер для доставки специальных грузов беспилотной авиационной системой предназначен ли решения задач транспортировки особых срузов, требующих специально* среды внутри контейнера при помощи беспилотной авиационной

системы. Данное ашшрашос решение разработало мд. специалистом лаборатории ЬАС Снятым Ю А и аспирантом кафедры системного анализа и логистики Костиным А С. и прошло практическую апробацию ни группе индустриальных задач лаборатории беспилотных аннациопиых систем.

Разработанная беспилотный авиационная система внедрена в такие дисциплины как « »ксплуатацня беспилотных авиационных снстсм». «Научно-исследовлельская работа)'. «Информационноеобеспеченнс транспорты* процессов .. Внедрение данной разработки в процесс обучения бакалавров и ма1Нсгрои позволило значительно улучшить качество подготовки специалистов по транспорты« направлениям в ГУАП, "

Председатель комиссии Ччены комиссии:

Майоров Н.Н>Я<( 7аг7

Фе | псин В.А.

' "" пЕма^г

ПРАВИТЕЛЬСТВО САНКТ-ПЕТЕРБУРГА КОМИТЕТ ПО ТРАНСПОРТУ Санкт-Петербургское

«УТВЕРЖДАЮ»

Директор Санкт-Петербургского государственного казенного

государственное казенное учреждение «АГЕНТСТВО ВНЕШНЕГО ТРАНСПОРТА» (СПб ГКУ «ABT»)

ул. Белинского, д. 13. лит. А, ' Санкт-Петербург, 190000 Тел. [phone], Факс [phone] www.avt.spb.ru ОКНО 66034839 ОКОГУ 23270 ОП>Н 1107847185038 ИНН 7838444751 КПП 784101001

101001

На №

-ОТ

АКТ

о внедрении результатов диссертационной работы Костина Антона Сергеевича

В результате исследований, проведенных в диссертационной работе «Модели и методы автоматизации многоадресной доставки грузов для транспортных систем» на соискание ученой степени кандидата технических наук, разработаны новые алгоритмы для формирования полетных заданий, алгоритмы для выбора оптимальных маршрутов, алгоритмы идентификации объектов и мест посадки беспилотных авиационных систем.

Данные результаты используются в работе Санкт-Петербургского государственного казенного учреждения «Агентство внешнего транспорта» (далее - СПб ГКУ «АВТ») для решения задач планирования (на основе предлагаемого комплекса имитационных моделей) маршрутной сети беспилотных авиационных систем, для решения задачи маршрутизации и построения оптимального маршрута движения полетной миссии доставки грузов в заданные точки с учетом приоритетности заявок. Необходимо отметить важность применения на практике, представленного в диссертации, метода и новых алгоритмов идентификации посадочных мест для беспилотных авиационных систем при помощи машинного зрения с использованием бортовой камеры на основе kNN алгоритма. Модельные сценарии от СПб ГКУ «АВТ» исследовались на базе летного исследовательского поля лаборатории беспилотных авиационных систем

инженерной школы ГУАП.

Решение этих задач позволяет существенно повысить качество принятия решений по определению стратегического развития беспилотных авиационных систем, автоматизации выполнения полетных заданий, решения актуальных задач многоадресной доставки, с учетом включения беспилотных авиационных систем, в границах города Санкт-Петербурга.

Начальник отдела воздушного транспорта

М.Ю.Петрутик

175

Приложение Ж Свидетельства о регистрации программ для ЭВМ

шшейсжаж ФЭДВРАЩШШ

СВИДЕТЕЛЬСТВО

о юсуда ровен ной регистрации про|раммы для ЭВМ

№ 2022668074

Программа автономном поддержки температуры

грузового изотермического контейнера д.1н

квадроконгера

Правообладатель Федеральное государственное автономное

образовательное учреждение высшего образования

«Санкт-Петероургский государственный университет

аэрокосм и ч еского при ооростроен и я » (К и)

Авторы Костин Антон Сергеевич (К11), Майоров Николай

Николаевич (КС), Силин Юрий Андреевич (КС)