Рассматривается проблема генерации карт занятости окружающего пространства для робототехнических платформ по данным от мультиспектральной системы технического зрения. Целью работы является качественное улучшение генерируемой модели проходимости путем комплексирования геометрических и семантических данных от лидаров и стереокамер, а также прямых измерений скорости от радаров миллиметрового диапазона. Представленные алгоритмы и их модификации являются универсальными по отношению к источнику данных и не требуют физической синхронизации сенсоров. В исследовании решается задача построения как статических априорных, так и работающих в реальном масштабе времени динамических карт занятости. Предложен подход по объединению априорной семантической карты с генерируемой в процессе автономного движения робота. Описаны подходы к накоплению и обновлению семантической информации в картах. Также рассматривается задача обнаружения динамических препятствий в картах занятости на основе модифицированного алгоритма фильтрации частиц. Описанный в статье комбинированный метод увеличивает точность определения динамических препятствий и позволяет корректно детектировать препятствие даже в случае ошибки алгоритма определения динамики. Выделены метрики по количественной оценки карт занятости. Разработанный алгоритм был протестирован на открытых датасетах Semantic KITTI, nuScenes в автомобильном домене данных, а также на малом сервисном роботе-уборщике как в симуляторе CARLA, так и в реальных условиях с активным пешеходным движением. Программная реализация алгоритма работает в реальном масштабе времени на встраиваемых вычислителях Jetson AGX Xavier и Jetson AGX Orin.
В настоящее время в навигационных системах робото-технических комплексов (РТК) используют разнородные датчики первичной информации, которые могут обеспечивать избыточность навигационных данных. Это позволяет повысить точность вычисления параметров движения, а так же позволяет определять их с большей надёжностью при условии выхода из строя одного или нескольких датчиков. В работе дан обзор и приводится классификация низкоуровневых математических методов обработки переопределённых параметров состояния систем навигации РТК. Отмечается, что задача комплексирования является подобластью задачи идентификации систем и поэтому имеет общие с ней подходы к построению решения. В подавляющем большинстве методов, построенных на оптимизационном подходе, в качестве критерия оптимальности используется квадратичная функция ошибок. Все математические методы объединения (комплексной обработки или комплексирования) каких-либо данных разделяют на низко-, средне- и высокоуровневые. В системах навигации наибольшее применение имеют низкоуровневые методы, такие как рекурсивные, нерекурсивные и методы на основе ковариаций. Нерекурсивные методы редко используются напрямую. Рекурсивные, как правило, построены по схеме фильтра Калмана. Не все методы устойчивы к негауссовости и корреляционной зависимости исходных данных, что часто встречается в системах навигации с переопределёнными данными. Кроме того, не все методы могут использоваться для решения проблемы релевантности данных, поступающих от навигационных приборов. Отмечается, что для методов комплексирования ключевым является подход объединения данных в информационном пространстве, понимаемом, как обратное к ковариационному, поскольку подавляющая часть методов, включая байесовские, сводятся к нему. В связи с этим, наибольший интерес представляют методы на основе ковариаций. Однако, для решения проблемы релевантности данных в системах навигации, являющихся системами реального времени, существующие методы плохо приспособлены, поскольку требуют при каждом такте объединения данных решения трудоёмкой в вычислительном плане оптимизационной задачи. Таким образом, существует проблема разработки новых подходов к решению этой задачи.