Модель та алгоритм навчання системи автономної навігації для малогабаритного безпілотного апарату
DOI:
https://doi.org/10.30837/bi.2018.2(91).03Ключові слова:
НАВІГАЦІЯ, ВІЗУАЛЬНА ОДОМЕТРІЯ, ЗГОРТКОВА НЕЙРОННА МЕРЕЖА, НЕЙРОННИЙ ГАЗ, ІНФОРМАЦІЙНИЙ КРИТЕРІЙ, ЕКСТРЕМАЛЬНЕ НАВЧАННЯАнотація
В статті розглядається нова модель системи автономної навігації малогабаритного безпілотного апарату, що включає згорткову нейронну мережу для виділення візуальних ознак, машину екстремального навчання для оцінки переміщення та інформаційно-екстремальний класифікатор з використанням бустінгу для оцінки перешкод. Запропоновано новий алгоритм навчання моделі, що полягає у навчанні екстрактора ознак без вчителя на основі зростаючого розріджено кодуючого нейронного газу, навчанні з учителем вирішальних правил та тонкій настройці моделі за допомогою алгоритму симуляції відпалу. Розглянуто комплексний критерій вибору параметрів моделі екстрактора ознак. Результати фізичного моделювання з оптимальною моделлю на відкритих KITTI-наборах даних підтверджують придатність запропонованих алгоритмів для практичного використання.
Посилання
Moskalenko, V.; Moskalenko, A.; Korobov, A.; Boiko, O.; Martynenko, S.; Borovenskyi, O. Model and Training Methods of Autonomous Navigation System for Compact Drones. Proceed-ings of the 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP). – Lviv, Ukraine, 21-25 August 2018; Lviv Polytechnic Publishing House: Lviv, Ukraine, 2018. – pp. 503-508.
Wang, S.; Deng, Z.; Yin G. An Accurate GPS-IMU/DR Data Fusion Method for Driverless Car Based on a Set of Predictive Models and Grid Constraints. Sensors 2016, 16(3), pp. 280-293, DOI:10.3390/s16030280. Available online: https://ww.w.mdpi.com/1424-8220/16/3/280.
Suwandi, B.; Kitasuka, T.; Aritsugi, M. Low-cost IMU and GPS fusion strategy for apron vehicle positioning. Proceedings of the 2017 IEEE Region 10 Conference (TENCON), Penang, Malaysia, 5-8 Nov. 2017; pp. 449-454.
Mary, B. A.; Gerhard, P. H. Pose Estimation of a Mobile Robot Based on Fusion of IMU Data and Vision Data Using an Extended Kalman Filter. Sensors (Basel) 2017, 17(10), 2164, DOI:10.3390/s17102164. Available online: https://www.mdpi.com/1424-8220/17/10/2164 (accessed on 04 November 2018).
Folkesson, J.; Leederkerken, J.; Williams, R.; Patrikalakis, A.; Leonard J. A. A Feature Based Navigation System for an Autonomous Underwater Robot. Proceedings of the sixth edition of Field and Service Robotics, Chamonix, France, 9–12 July 2007; Laugier C., Siegwart R. Eds; Springer Tracts in Advanced Robotics Springer: Berlin, Germany, 2008; pp.105–114, DOI:10.1007/978-3-540-75404-6_10. Available online: https://link.springer.com/chapter/10.1007/978-3-540-75404-6_10 (accessed on 04 November 2018).
Cadena, C.; Carlone, L.; Carrillo, H.; Latif, Y.; Scaramuzza, D.; Neira, J.; Reid, I.; Leonard, J. Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age. IEEE Transactions on Robotics 2016, 32(6), 1309–1332, DOI: 10.1109/TRO.2016.2624754.
Dorian, G.-L.; Marta, S.; Juan, D. T.; Montiel, J.M.M. Real-time monocular object SLAM. Robotics and Autonomous Systems 2016, 75, 435-449, DOI:10.1016/j.robot.2015.08.009.
Ayoul, Th.; Buckley, T.; Crevier, F.; UAV Navigation above Roads Using Convolutional Neural Networks. Available online: http://cs231n.stanford.edu/reports/2017/pdfs/553.pdf (ac-cessed on 04 November 2018)
Mohanty, V. DeepVO: A Deep Learning approach for Monocular Visual Odometry. Available online: https://arxiv.org/pdf/1611.06069.pdf (accessed on 04 November 2018).
Labusch, K.; Barth, E.; Martinetz, T. Sparse Coding Neural Gas: Learning of Overcomplete Data Representations. Neurocomputing 2009, 72(7-9), 1547-1555, DOI: 10.1016/j.neucom.2008.11.027.
Zou, W.; Xia, Y.; Li, H. Fault Diagnosis of Tennessee-Eastman Process Using Orthogonal Incremental Extreme Learning Machine Based on Driving Amount, IEEE Transactions on Cyber-netics 2018, 1-8. DOI: 10.1109/TCYB.2018.2830338.
Москаленко, В.В.; Коробов, А.Г. Інформаційно-екстремальний алгоритм функціонування системи розпізнавання об’єктів на місцевості з оптимізацією параметрів екстрактора ознак. Радіоелектроніка, інформатика, управління 2017. – 2. – С. 38-45, 10.15588/1607-3274-2017-2-7.
Vens, C.; Costa, F. Random Forest Based Feature Induc-tion. Proceedings of the IEEE 11th International Conference on Data Mining, Vancouver, Canada, 11-14 Dec, 2011; Publisher: Piscataway, NJ, 2011; pp. 744-753. DOI: 10.1109/ICDM.2011.121. Available online: https://ieeexplore.ieee.org/document/6137279
Moskalenko, V.; Dovbysh, S.; Naumenko, I.; Moskalenko, A.; Korobov, A. Improving the effectiveness of training the on-board object detection system for a compact un-manned aerial vehicle,. Eastern-European Journal of Enterprise Technologies 2018, 4/9 (94), pp. 19–26. DOI: 10.15587/1729-4061.2018.13992
