Аннотация:
Автономные роботы широко используются для различных целей, включая мониторинг, исследования, чрезвычайные ситуации и т. д. Главными преимуществами автономных роботов являются мобильность, простота развертывания и эффективность в реальных сценариях. Актуальной является задача навигации автономных роботов на основе данных, полученных из видеоканала. Целью исследования является реализация алгоритма анализа зашумленных видеоданных для детекции ключевых точек навигационных объектов. Традиционные подходы детекции ключевых точек навигационных объектов используют итерационные алгоритмы, без применения нейронных сетей. Предлагается использовать нейросетевую модель YOLOv11 для решения задачи. В качестве входных данных нейросети будут выступать RGB-изображения. Результатом работы будут координаты ключевых точек навигационных объектов. Приведены данные тестов алгоритма на данных датасета и данных, полученных с испытаний демонстратора двигательной установки с центральным телом. Используется метрика OKS (Object Keypoint Similarity). Результатом исследования является нейронная сеть, разработанная и обученная для детекции навигационных объектов и их ключевых точек. Определяя ключевые точки объектов, можно корректировать инерциальные навигационные системы. Полученная нейронная сеть устойчива к различным помехам и шумам, в том числе перекрытиям.
Полный текст:
PDF файл (1303 kB)