Сегодня беспилотные колесные роботы разных типов внедряются в различных сферах жизни. Например, в разных городах мира идет тестирование беспилотных автомобилей, такси и курьеров доставки товаров. Поскольку предполагается, что в будущем число роботов в городах будет увеличиваться, то перед учеными возникают задачи по разработке алгоритмов, методов и систем, которые позволят таким машинам эффективно и безопасно для общества взаимодействовать друг с другом и окружающей средой.

Для создания и отработки работы различных аспектов интеллектуальных систем для роботов в 2016 году в Массачусетском технологическом институте (США) был разработан проект Duckietown: это пространство, которое представляет собой уменьшенную модель реальной городской транспортной среды, которая включает в себя дороги с разметкой, транспортные средства, светофоры, дорожные знаки, беспилотных колесных роботов и уточек-пешеходов. Со временем проект стал международным, и свои модели городов для испытания беспилотников открылись в университетах разных стран. В 2021 году пространство Duckietown было открыто в СПбГЭТУ «ЛЭТИ».

«Точное перемещение беспилотных роботов требует настройки камеры, от параметров которой зависит компьютерное зрение, а также калибровки ведущих колес, от которых зависят повороты и движение по прямой. Сегодня настройка этих параметров у роботов делается операторами вручную. Калибровка одного робота делается относительно быстро. Однако, если мы хотим запустить сразу несколько беспилотников, то нам потребуется много времени и операторов. Для решения этой проблемы мы разработали метод, который позволяет роботу самостоятельно и оперативно настроить камеру и колеса. Этот метод мы успешно отработали в нашем Duckietown», – рассказывает ассистент кафедры математического обеспечения и применения ЭВМ СПбГЭТУ «ЛЭТИ» Антон Филатов.

Эксперименты проводились на трехколесных роботах с колесной формулой 2:1, в которых ведущими являются передние два колеса (такие роботы применяются во всех Duckietown). Регулярная настройка оборудования у беспилотников перед их применением требуется, потому что в процессе массового производства камер и колес полученные изделия неизбежно будут немного различаться. Эти небольшие погрешности приводят к тому, что колеса могут быть немного разного размера, а камеры станут делать незначительно различающиеся снимки. Без калибровки робота эти факторы могут приводить его к нарушению заданного движения и дезориентации в пространстве.

Ученые ЛЭТИ разработали два последовательных этапа настройки камеры и колес, которые робот может выполнять самостоятельно. Сначала начинается калибровка камеры, которая осуществляется с помощью фотосъемки нескольких горизонтально расположенных шахматных досок с известными размерами квадратов. Робот делает серию снимков в процессе разворота на 360 градусов. С помощью математических расчетов вычисляются реальные расстояния между квадратами с учетом искажения картинки, которую создает широкоугольный объектив камеры.

Затем робот заезжает на небольшую площадку, на поверхности которой нанесена разметка, похожая по своей природе на QR-коды, которые выполняют роль координат. Первоначальное положение робота не имеет значения и может быть случайным. Для калибровки колес требуется несколько раз проехать вперед-назад по любому участку площадки, фиксируя на камеру QR-коды, через которые он проезжал. Эти действия позволяют рассчитать положение робота и степень отклонения при движении по прямой. После завершения этого алгоритма робот может самостоятельно приступать к выполнению задач.

«По результатам испытаний по точности подход оказался сравним с ручными способами калибровки. Он может заменить человека при выполнении этой задачи. Это значит, что, с одной стороны, мы снижаем риски, связанные с человеческим фактором, а с другой, можем быстро и точно настраивать сразу несколько беспилотных роботов. При необходимости можно адаптировать предложенный метод не только для настройки камер небольших трехколесных роботов, но и для систем компьютерного зрения в полноразмерных беспилотных автомобилях», – поясняет Антон Филатов.