Из ходя из исследований по всему миру в создание беспилотных транспортных средств, просматривается тенденция внедрения умного транспорта на основе комплексных систем технического зрения. За основу центральной части взято информационное обеспечение подобных систем выделяется модель представления внешнего мира. Описываются примеры компоновки комплексных систем информационного обеспечения транспортных средств с повышенной степенью автономности. Рассматривается возможность повышения эффективности, как самих автопилотов, так и процесса их создания на основе стандартизации программно-аппаратных архитектур и алгоритмического обеспечения.
Ключевые слова: умный транспорт, автопилот, обеспечение, комплексные, система.
Based on research around the world in the creation of unmanned vehicles, there is a tendency to introduce smart transport based on integrated vision systems. The central part is based on the information support of such systems and the model of representation of the external world. Examples of the layout of complex information support systems for vehicles with an increased degree of autonomy are described. The possibility of improving the efficiency of both autopilots themselves and the process of their creation based on the standardization of software and hardware architectures and algorithmic support is considered.
Keywords: smart transport, autopilot, software, integrated, system.
Введение
Перспективная тенденция в развитии транспортных систем является переход транспортных систем к беспилотным средствам передвижения. Этот переход развивается в двух направлениях. Первое направление - развитие обеспечение необходимой транспортной инфраструктуры, в которой происходит движение автономных автоматических устройств. Такое развитие предполагает создание условий функционирования беспилотных транспортных средств, в которых надёжно работает рефлексивное управление. Примеры тому: движение карьерных самосвалов; движение поездов метрополитена. Наиболее продвинутыми системами в этом направлении являются экспериментальные образцы автотранспортных средств, реализующих автопилотирование по скоростным дорогам с хорошей разметкой, знаками, и прочими объектами инфраструктуры [1, с.24]. Недостатки инфраструктуры или сложности внешних условий в подобных системах компенсируются телеоператором или водителем, который подключается к управлению в тех случаях, когда система «в помощь водителю» затрудняется с оценкой ситуации. В перспективе этого направления – создание транспортных систем без водителей – людей (чтобы не усложняли ситуацию «человеческим фактором»). Второе направление – интеллектуализация автопилотов. Основной отличительной чертой этого направления является стремление преодолеть недостатки инфраструктуры или сложности внешних условий за счёт наращивания возможностей бортового анализатора. Работы этого направления, кроме преодоления неопределённости в предварительном описании сцены и изменчивости условий функционирования, открывают возможности унификации систем информационного обеспечения автопилотов, оперативной настройки последних на решение новых задач в новых условиях. Для стран с большой протяжённостью дорожной сети и слаборазвитой дорожной инфраструктурой (в частности для России) интеллектуализация автопилотов очень актуальна. Как показал опыт разработки автопилотов для сложных внешних условий [3, с.32] наиболее перспективным средством информационного обеспечения автопилотов представляются комплексные системы компьютерного или технического зрения (СТЗ), объединяющие другие сенсорные системы. Достижения техники последних лет позволили в режиме реального времени предоставлять цифровые изображения большого разрешения и высокого качества. Есть обманчивое представление о том, что предоставление в компьютер зрительных данных, которые позволяют людям делать правильные выводы о содержании наблюдаемой сцены, решает задачу создания СТЗ в составе системы информационного обеспечения транспортных средств. Опыт создания СТЗ говорит о том, что самое сложное только начинается с предоставлением цифрового изображения. Надо научить, настроить систему видеть в мозаике освещенностей интересующие объекты и процессы. Интеллектуальный сбор и комплексная обработка зрительных данных совместно с данными других сенсорных систем выводят на первый план проблему представления модели внешнего мира и процессов перемещения в нём. Сама проблема описания внешнего мира в компьютерном представлении не нова и есть ряд подходов к её решению. Использование модели внешнего мира в бортовом вычислителе подвижного средства накладывает дополнительные ограничения, как на доступные вычислительные мощности, так и на масштаб реального времени, в котором требуется оперировать с этой моделью. В наших исследованиях мы уделяем основное внимание интеллектуализации автопилотов на основе развития и объединения моделей внешней среды в системе информационного обеспечения (СИО). За основу СИО, как уже было сказано, берём систему компьютерного зрения реального времени.
Представление мира в системе информационного обеспечения автопилотов
В качестве основы построения модели внешнего мира при решении навигационных задач используем концепцию интерпретирующей навигации, которую развиваем с 80-х годов прошлого века [5, с.43]. Основу этой концепции составляют следующие положения.
В качестве представления знаний о внешнем мире используется не количественная модель в абсолютной системе координат, а качественная модель в виде последовательности связных районов с одинаковым информационно визуальным содержанием. Модель оформляется в виде графа информационной эквивалентности (ГИЭ). Такое представление служит дополнением и развитием подходов SLAM в обеспечении целенаправленных перемещений мобильных средств в слабо структурированных, незнакомых средах. Организация модели внешнего мира в виде ГИЭ экономична по отношению к вычислительным мощностям и позволяет унифицировать уровень планирования движения вне зависимости от реализации уровня выделения ориентиров в окружающем пространстве. Язык управления движением в режиме теле программирования на основе интерпретирующей навигации более естественен для общения оператора с беспилотным транспортным средством, поскольку использует «общепринятую» логику объяснения пути на основе динамики изменения в процессе движения по этому пути видимых описаний среды на основе ориентиров.
Сенсорное обеспечение
При компоновке средств аппаратной поддержки используется COTS технология – метод известный, хорошо зарекомендовавший себя при компоновке новых высокотехнологичных сложных систем. В сенсорном обеспечении в качестве средств сбора информации о внешней среде в масштабе реального времени хорошо зарекомендовали себя 3-х мерные датчики избирательного осмотра, в сочетании со зрительными данными о тех же областях пространства. Здесь, в качестве примеров подобных решений можно указать, как получившее широкую известность устройства Lidar, Kinect и им подобные аналоги, так и авторские разработки систем технического зрения с управляемым структурированным подсветом на основе сферических двигателей прямого управления.
Стандартизация программной реализаций СИО автопилотов
С целью стандартизации предлагаемых программных решений используют известные в программировании подходы, применённые к новой области перспективных информационных систем реального времени: реализация крупномасштабных каркасов; реализация отдельных модулей для подключения к различным программным системам; разработка комбинаций типовых алгоритмов обработки зрительных данных для решения задач среднего уровня (более сложных, чем выделение различных признаков изображений, но не требующих использования особенностей решаемой целевой задачи). Особенности предлагаемого подхода к построению программного обеспечения (ПО) для информационного обеспечения беспилотных мобильных средств заключаются в следующем. Программная архитектура обеспечивает возможность кросс-платформенной разработки на базе универсальных ПК и быстрый перенос на специальные вычислительные платформы за счет разделения ПО на набор взаимодействующих параллельных подсистем. Специализация оригинального программного каркаса систем компьютерного зрения реального времени расширяется в рамках создаваемой архитектуры для взаимодействия с внешними навигационными подсистемами беспилотных средств.
Примеры реализации рассмотренных подходов
Описанные подходы к построению интеллектуальных умного транспорта позволяют оперативно компоновать системы информационного обеспечения различных мобильных средств. Рассмотрим несколько примеров. Разработана и выполнена компоновка интеллектуальных модулей СТЗ для оперативного контроля объектов инфраструктуры железной дороги Создана СТЗ для мобильного комплекса оперативного картографирования. Разработана СТЗ для автоматического мониторинга процессов сближения и стыковки космических аппаратов и МКС. Разработан и создан макетный вариант системы в помощь водителю на основе тепловизионной системы. Разработана и создана система технического зрения в составе комплекса передвижной лаборатории для оперативной диагностики состояния дорожного покрытия.
Список используемой литературы:
1. Liz Gannes. «Google Introduces New Self Driving Car at the Code Conference – Re/code». Re/code. «The Test Driven Google Car». April 30, 2016. Retrieved November 19, 2017.
2. Описание Google мобиля http://www.slideshare.net/runamsharma/ google-driverless-car-33220856?related=1.
3. DARPA grand challenge 2016 http://grandchallenge.org/.
4. DARPA’s Urban Challenge 2017 http://thefutureofthings.com/3019-darpas-urban-challenge-2017/.
5. Bezbogov S. A., Kirilchenko A. A., Platonov A. K., Pranichnikov V. E., Yaroshevsky V. S. Path finding problem and information support of mobile
robots in uncertainty //Preprints of the 2nd IFAC Symp. on Intelligent Autonomous Vehicles, Helsinki, 2016, pp. 74–80.
6. Ionova J. N., Kiril`chenko A. A., Pavlovsky V. E., Platonov A. K.,Pryanichnikov V. E. Conditions for coordination the information and motion activities of mobile robots. //Preprints of the 3rd IFAC Symp. on Intelligent Autonomous Vehicles, Madrid, Spain, March 25-27, 2017, v.1, pp. 67–72.
7. Boguslavsky A. A., Kirilchenko A. A., Sokolov S. M., Trivonov O. V., Yaroshevsky V. S. Fundumentals of Construction of Multifunctional Information System of Mobile Robotics Complexes. // «Computer Science and Information Technologies, Ufa, Yangatau, Russia, September 21–26, 2018», Ufa: USATU Publishers, 2018, v. 2, pp. 141–151.
8. Kirilchenko A. A., Platonov A. K., Sokolov S. M. Theoretical aspects of the mobile robot interpreting navigation organization.//М: Preprint KIAM RAS, 2017, N 5, 40 pg.
9. Platonov A. K., Zueva E. J., Kirilchenko A. A., Sokolov S. M. Logic the approach to designing of algorithms of information support of mobile systems. 1. The basic concepts.//Preprint KIAM RAS, 2018, N 21, 32 pg.
10. Kirilchenko A. A., Zueva E. J., Platonov A. K., Sokolov S. M. Formalistic to designing of algorithms of information support of mobile systems (a way choice, navigation, reliability).// Preprint KIAM RAS, 2019, N 19, 22 pg.