МАШИНЫ И МЕХАНИЗМЫ

Метод визуальной одометрии для навигации и ориентации робототехнического подводного комплекса с модифицированным алгоритмом расчета глубины изображения

Авторы

  • Егор Михайлович Рубцов Московский государственный технический университет им. Н.Э. Баумана (национальный исследовательский университет), 105005, Россия, г. Москва, 2-я Бауманская ул., д. 5, стр. 1

Как цитировать

ГОСТ Рубцов Е. М. Метод визуальной одометрии для навигации и ориентации робототехнического подводного комплекса с модифицированным алгоритмом расчета глубины изображения // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 7. С. 94-100. DOI: 10.25726/x7881-4033-1442-k
APA Рубцов, Е. М. (2026). Метод визуальной одометрии для навигации и ориентации робототехнического подводного комплекса с модифицированным алгоритмом расчета глубины изображения. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(7), 94-100. https://doi.org/10.25726/x7881-4033-1442-k

Аннотация

Объектом исследования является алгоритм визуальной одометрии для навигации подводного робототехнического комплекса вблизи наблюдаемой плоской сцены. Цель работы – разработка и исследование стандартных и модифицированных методов расчета отстояния от донной поверхности. Поставленная цель достигается за счет решения следующих задач: разработка навигационного комплекса технического зрения на основе стереопары, состоящей из камер Basler acA750-30gm; разработка экспериментального стенда, имитирующего движение подводного аппарата над плоской донной поверхностью; анализ стандартных алгоритмов расчета глубины наблюдаемой сцены; разработка способов модификации существующих методов определения отстояния от донной поверхности. Программная реализация выполнена на языке программирования C++ с использованием фреймворка ROS2 и библиотеки компьютерного зрения OpenCV. Разработаны оригинальные методы вычисления отстояния от донной поверхности, использующие сопоставленные пары особых точек из конвейера визуальной одометрии, которые позволяют увеличить точность вычислений при сохранении быстродействия системы. Показано, что классический алгоритм блочного сопоставления обеспечивает высокую точность при среднем времени работы 6,87 мс, тогда как селективные методы сокращают это время в среднем до 0,63 мс. Разработанный алгоритм комплексной взвешенной оценки глубины по усеченной медианной выборке особых точек обеспечивает минимальную относительную погрешность.

Ключевые слова

визуальная одометрия отстояние от донной поверхности глубина сцены робототехнический комплекс

Библиографические ссылки

Кэлер А., Брэдски Г. Изучаем OpenCV 3: компьютерное зрение на C++ с помощью библиотеки OpenCV. Пер. с англ. А.В. Логунова. М.: ДМК Пресс, 2017. 826 с.

Матвеев В.В., Распопов В.Я. Основы построения бесплатформенных инерциальных навигационных систем. Под ред. В.Я. Распопова. 2-е изд. Тула: Изд-во ТулГУ, 2011. 280 с.

Сэлиски Р. Компьютерное зрение: алгоритмы и приложения. Пер. с англ. 2-е изд. М.: ДМК Пресс, 2023. 944 с.

Bay H., Tuytelaars T., Van Gool L. SURF: Speeded up robust features // Computer Vision and Image Understanding. 2008. Vol. 110. № 3. pp. 346-359.

Cervera E. Computer vision for underwater vehicles // Computer Vision. 2011. pp. 139-158.

Englot C., Hover F.S. A feature based navigation system for an autonomous underwater robot. Springer: Field and Service Robotics, 2012. pp. 105-114.

Ferrera M., Moras J., Trouvé-Peloux P., Creuze V. Real-time monocular visual odometry for turbid and dynamic underwater environments // Sensors. 2019. Vol. 19. № 3. pp. 687.

Fischler M.A., Bolles R.C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. Vol. 24. № 6. pp. 381-395.

Fusiello A., Trucco E., Verri A.A compact algorithm for rectification of stereo pairs // Machine Vision and Applications. 2000. Vol. 12. № 1. pp. 16-22.

Hartley R., Zisserman A. Multiple view geometry in computer vision. 2nd ed. Cambridge University Press, 2004. 655 p.

Kim A., Eustice R.M. Real-time visual SLAM for autonomous underwater hull inspection using visual saliency // IEEE Transactions on Robotics. 2013. Vol. 29. № 3. pp. 719-733.

Konolige K. Small vision systems: hardware and implementation // Proceedings of the 8th International Symposium on Robotics Research. London: Springer, 1997. pp. 203-212.

Scaramuzza D., Fraundorfer F. Visual odometry: part I: the first 30 years and fundamentals // IEEE Robotics and Automation Magazine. 2011. Vol. 18. № 4. pp. 80-92.

Teixeira L., Saska M., Pollefeys M. Underwater visual-inertial odometry with sensor-to-camera calibration refinement // IEEE International Conference on Robotics and Automation (ICRA). 2017. pp. 5506-5513.

Zheng T., Yip W.J., Lee B.H.J. StereoAdapter: adapting stereo depth estimation to underwater scenes // arXiv preprint arXiv:2509.16415. 2025.

Выпуск

Раздел

МАШИНЫ И МЕХАНИЗМЫ

Метрики

12 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные