Исследователи усовершенствовали метод одновременной локализации и картографирования для роботов

Москва, 18:14, 24 Июл 2015, редакция FTimes.ru, автор Сергей Кузнецов.

Исследователи из Кембриджа и Массачусетса усовершенствовали метод одновременной локализации и картографирования, с помощью которого мобильные автономные роботы создают карты и определяют свое местоположение.

Удалось улучшить систему распознавания объектов для будущих роботов, которые должны управлять объектами вокруг них произвольным способом. Улучшено «компьютерное зрение» и разрабатывается программное обеспечение для лучшего распознавания.

Главной «изюминкой» стали глубинные измерения объектов,  несмотря на использование только обычной видеокамеры. Поскольку теперь система может анализировать информацию, собираемую с разных ракурсов, ее результаты намного лучше, чем у предыдущих систем, пытавшихся идентифицировать объекты по плоским изображениям.

Прежде всего, новая система распознавания сначала пробует определить границы между объектами. На основе предварительного анализа цветовых переходов, она будет делить изображение на прямоугольные регионы, которые, вероятно, содержат объекты некоторого вида. После этого запускается алгоритм попиксельного распознавания внутри каждого прямоугольника.

Чтобы добиться хорошего результата, классическая система, возможно, будет перерисовывать эти прямоугольники тысячи раз. С некоторой точки зрения, например, два объекта, стоящие рядом друг с другом, могут выглядеть как один, особенно если они точно такого же цвета. Система должна будет проверить гипотезу о том, что они соединены вместе, а также гипотезы, которые рассматривают их как отдельные объекты.

Поскольку новая система является трехмерной, она может лучше различать предметы, находящиеся рядом друг с другом, чем при анализе с одной точки зрения. Сначала производится сегментация изображений, захваченных камерой, прежде чем подавать их на алгоритм распознавания, а, значит, тратится меньше времени на ложные гипотезы.

Таким образом, анализ изображений сегментов, которые, вероятно, изображают одни и те же объекты с разных ракурсов, улучшает производительность системы.

Еще одним важным аспектом для распознавания объектов и создания карт, является сбор информации о глубине изображения. Новая система уже сравнима с существующими системами, которые используют такую информацию. И она гораздо более надежна на открытом воздухе, где глубина датчиков, как у Microsoft Kinect, которые зависят от инфракрасного света, практически бесполезна.

Кроме того, робот должен уметь распознавать ранее посещенные места путем сопоставления данных, полученных с разных точек зрения.

Хранилища распознанных объектов могут помочь с этой проблемой. Если робот заходит в комнату и обнаруживает стол с ноутбуком, кофейную кружку и блокнот на другом конце стола, он может сделать вывод, что это тот же конференц-зал, где ранее были выявлены ноутбук, кружка кофе, и блокнот, лежащие на столе.