Определение коэффициента масштабирования в системе интеграции инфракрасной системы и ORB-SLAM

Введение. Интерес к исследованиям автономных малогабаритных транспортных устройств в последние годы стремительно растет, при этом задачи навигации являются ключевыми и первоочередными для их решения. В условиях внешней среды использование глобальной спутниковой навигационной системы остается оптимальным решением благодаря широкому покрытию, автоматичности и простоте применения. Однако движение в неизвестных и GPS недоступных средах, таких как помещения, остаются открытой научной задачей. Система Valve Lighthouse была предложена для навигации транспортных устройств в ограниченных пространствах благодаря высокой степени автоматизации, низкой стоимости, простоте развертывания, а также крайне компактным сенсорам, устанавливаемым на устройство, что делает ее особенно подходящей для малогабаритных транспортных устройств. Однако, как и другие системы навигации в помещении, Lighthouse не позволяет строить карту неизвестной среды (обнаруживать препятствия), что может приводить к столкновениям и повреждению устройства. Поэтому интеграция с системой построения карты является необходимой. В настоящее время оптимальным выбором для малогабаритных устройств является ORB SLAM на основе монокулярной камеры. Единственным существенным недостатком монокулярных систем является невозможность определе-ния коэффициента масштаба карты. С этой целью в данной статье предлагается алгоритм определения коэффициента масштаба карты системы ORB SLAM при ее интеграции с инфракрасной системой.
Цель работы. Определение коэффициента масштаба карты системы ORB SLAM в интегрированной системе с инфракрасной системой.
Материалы и методы. Предложенный метод основан на адаптивном расширенном фильтре Калмана с окном "Sage" в сочетании с методом оценки максимального правдоподобия.
Результаты. Предложенный алгоритм позволяет в реальном времени определять коэффициент масштаба карты системы ORB SLAM по каждой оси.
Заключение. Предлагается алгоритм определения коэффициента масштаба карты системы ORB SLAM по каждой оси в реальном времени в составе интегрированной системы с инфракрасной системой Valve Lighthouse.

1. Mellinger D., Kumar V. Minimum snap trajecto-ry generation and control for quadrotors // IEEE Intern. Conf. on Robotics and Automation, Shanghai, China, 09–13 May 2011. IEEE, 2011. P. 2520–2525. doi: 10.1109/ICRA.2011.5980409

2. Lindsey Q., Mellinger D., Kumar V. Construction of cubic structures with quadrotor teams // Robot-ics: Science and Systems VII. Cambridge: MIT Press, 2012. P. 177–184. doi: 10.7551/mitpress/9481.003.0028

3. Cooperative quadrocopter ball throwing and catching / R. Ritz, M. Mueller, M. Hehn, R. D’Andrea // Proc. IEEE Intl. Conf. on Intelligent Robots and Systems, Vilamoura-Algarve, Portugal, 07–12 Oct. 2012. IEEE, 2012. P. 4972–4978. doi: 10.1109/IROS.2012.6385963

4. Towards a swarm of agile micro quadrotors / P. Agarwal, S. Kumar, J. Ryde, J. Corso et al. // Robotics: Science and Systems VIII. Cambridge: MIT Press, 2013. P. 217–224. doi: 10.7551/mitpress/9816.001.0001

5. Kanellakis C., Nikolakopoulos G. Survey on Computer Vision for UAVs: Current Developments and Trends // J. of Intelligent & Robotic Systems. 2017. Vol. 87. P. 141–168. doi: 10.1007/s10846-017-0483-z

6. Chao H., Gu Y., Napolitano M. A survey of op-tical flow techniques for UAV navigation applications // Intern. Conf. on Unmanned Aircraft Systems, Atlanta, USA, 28–31 May 2013. IEEE, 2013. P. 710–716. doi: 10.1109/ICUAS.2013.6564752

7. Боронахин А. М., Нгуен К. Х., Нгуен Ч. И. Сравнительное исследование навигационных систем для автономных беспилотных летательных аппаратов в помещении // Изв. вузов России. Радиоэлектроника. 2024. Т. 27, № 4. С. 6–18. doi: 10.32603/1993-8985-2024-27-4-6-18

8. DronOS: Aflexible open-source prototyping framework for interactive drone routines / M. Hoppe, M. Burger, A. Schmidt, T. Kosch // Proc. of Intern. Conf. on Mobile and Ubiquitous Multimedia. 2019. Art. № 15. P. 1–7. doi: 10.1145/3365610.3365642

9. Greiff M., Robertsson A., Berntorp K. Perfor-mance bounds in positioning with the VIVE lighthouse system // Intern. Conf. on Information Fusion, Ottawa, Canada, 02–05 July 2019. IEEE, 2019. P. 1–8. doi: 10.23919/FUSION43075.2019.9011242

10. A Review of Multi-Sensor Fusion SLAM Systems Based on 3D LIDAR / X. Xu, L. Zhang, J. Yang, C. Cao, W. Wang, Y. Ran, Z. Tan, M. Luo // Remote Sensing. 2022. Vol. 14, № 12. Art. № 2835. doi: 10.3390/rs14122835

11. Lighthouse positioning system: Dataset, accuracy, and precision for UAV research / A. Taffanel, B. Rousselot, J. Danielsson, K. McGuire, K. Richardsson, M. Eliasson, T. Antonsson, W. Honig // ArXiv. 2021. URL: https://arxiv.org/pdf/2104.11523 (дата обращения: 23.04.2021).

12. Niehorster D. C., Li L., Lappe M. The accuracy and precision of position and orientation tracking in the HTC vive virtual reality system for scientific research // I-Perception. 2017. Vol. 8, № 3. Art. № 204166951770820. doi: 10.1177/2041669517708205

13. Ikbal M. S., Ramadoss V., Zoppi M. Dynamic pose tracking performance evaluation of HTC vive virtual reality system // IEEE Access. 2020. Vol. 9. P. 3798–3815. doi: 10.1109/ACCESS.2020.3047698

14. HTC Vive Tracker: Accuracy for Indoor Local-ization / J. Lwowski, A. Majumdar, P. Benavidez, J. Prevost, Mo Jamshidi // IEEE Systems, Man and Cybernetics Magazine. 2020. Vol. 6, № 4. P. 15–22. doi: 10.1109/MSMC.2020.2969031

15. Grzonka S., Grisetti G., Burgard W. Towards a navigation system for autonomous indoor flying // IEEE Intern. Conf. on Robotics and Automation, Kobe, Japan, 12–17 May 2009. IEEE, 2009. P. 2878–2883. doi: 10.1109/ROBOT.2009.5152446

16. Visual-inertial SLAM for a small helicopter in large outdoor environments / M. W. Achtelik, S. Lynen, S. Weiss, L. Kneip, M. Chli, R. Siegwart // IEEE In-tern. Conf. on Intelligent Robots and Systems, Vilamoura-Algarve, Portugal, 07–12 Oct. 2012. IEEE, 2012. P. 2651–2652. doi: 10.1109/IROS.2012.6386270

17. Vision-based autonomous mapping and exploration using a quadrotor MAV / F. Fraundorfer, L. Heng, D. Honegger, G. Lee, L. Meier, P. Tanskanen, M. Pollefeys // IEEE Intern. Conf. on Intelligent Robots and Systems, Vilamoura-Algarve, Portugal, 07–12 Oct. 2012. IEEE, 2012. P. 4557–4564. doi: 10.1109/IROS.2012.6385934

18. Engel J., Sturm J., Cremers D. Scale-aware navigation of a low-cost quadrocopter with a monocu-lar camera // Robotics and Autonomous Systems. 2014. Vol 62, № 11. P. 1646–1656. doi: 10.1016/j.robot.2014.03.012

19. Versatile distributed pose estimation and sensor self-calibration for an autonomous MAV / S. Weiss, M. Achtelik, M. Chli, R. Siegwart // IEEE Intern. Conf. on Robotics and Automation, Saint Paul, USA, 14–18 May 2012. IEEE, 2012. P. 31–38. doi: 10.1109/ICRA.2012.6225002

20. Mur-Artal R., Tardós J. D. ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras // IEEE Transactions on Robotics. IEEE, 2017. Vol. 33, № 5. P. 1255–1262. doi: 10.1109/TRO.2017.2705103

21. Yusefı A., Durdu A., Sungur C. ORB-SLAM-based 2D Reconstruction of Environment for Indoor Autonomous Navigation of UAVs // J. Avrupa Bilim Ve Teknoloji Dergisi. 2020. P. 466–472. doi: 10.31590/ejosat.819620