Разработка системы одновременной локализации и построения карты на основе данных с лидара и видеокамер

Барамия, Денис Александрович; Дьяков, Михаил Станиславович; Лаврентьев, Михаил Михайлович

Главная
→
Периодические издания
→
Вестник НГУ. Серия: Информационные технологии
→
Том 13 (2015)
→
IT Выпуск 1 (2015)
→
Просмотр элемента

dc.contributor.author	Барамия, Денис Александрович	ru_RU
dc.contributor.author	Дьяков, Михаил Станиславович	ru_RU
dc.contributor.author	Лаврентьев, Михаил Михайлович	ru_RU
dc.creator	Novosibirsk State University	en_EN
dc.creator	SoftLab-NSK Co. Ltd	en_EN
dc.creator	Institute of Automation and Electrometry SB RAS	en_EN
dc.creator	Новосибирский государственный университет	ru_RU
dc.creator	ООО «СофтЛаб-НСК»	ru_RU
dc.creator	Институт автоматики и электрометрии СО РАН	ru_RU
dc.date.accessioned	2015-10-14T19:03:39Z
dc.date.available	2015-10-14T19:03:39Z
dc.date.issued	2015
dc.identifier.citation	Барамия Д. А., Дьяков М. С., Лаврентьев М. М. Разработка системы одновременной локализации и построения карты на основе данных с лидара и видеокамер // Вестн. Новосиб. гос. ун-та. Серия: Информационные технологии. 2015. Т. 13, вып. 1. С. 5–15.	ru_RU
dc.identifier.uri	https://lib.nsu.ru/xmlui/handle/nsu/10094
dc.description.abstract	Рассматривается разработанная система одновременной локализации и построения карты. Для повышения точности позиционирования предлагаются методы локализации по визуальным маркерам, предсказания позиции при отсутствии одометра, замыкания циклов. Представлены результаты тестирования разработанной системы.	ru_RU
dc.description.abstract	In this article the developed simultaneous localization and mapping systemis considered. Methods for localization by visual markers, prediction of the position in the absence of an odometer, loop closing have been suggested to improve accuracy of positioning. Testing results of the developed system are presented as well.	en_EN
dc.language.iso	ru	ru_RU
dc.subject	система одновременной локализации и построения карты	ru_RU
dc.subject	SLAM
dc.subject	замыкание циклов	ru_RU
dc.subject	визуальные маркеры	ru_RU
dc.subject	фильтр частиц	ru_RU
dc.subject	simultaneous localization and mapping	en_EN
dc.subject	loop closing	en_EN
dc.subject	visual markers	en_EN
dc.subject	particle filter	en_EN
dc.title	Разработка системы одновременной локализации и построения карты на основе данных с лидара и видеокамер	ru_RU
dc.title.alternative	Development of simultaneous localization and mapping system based on lidar and cameras data	en_EN
dc.type	Article	ru_RU
dc.description.reference	1. Endres F., Hess J., Engelhard N., Sturm J., Cremers D., Burgard W. An evaluation of the RGB-D SLAM system // Robotics and Automation (ICRA), 2012 IEEE International Conference on. 2012. P. 1691-1696. 2. Lu F., Milios E. Robot pose estimation in unknown environments by matching 2d range scans // Journal of Intelligent and Robotic Systems. 1997. Vol. 18, № 3. P. 249-275. 3. Park J., Lee S, Park J. Correction robot pose for SLAM based on Extended Kalman Filter in a rough surface environment // International Journal of Advanced Robotic Systems. 2009. Vol. 6, № 2. P. 67-72. 4. Eliazar A., Parr R. DP-SLAM: Fast, robust simultaneous localization and mapping without predetermined landmarks // Proceedings of the 18th International Joint Conference on Artificial Intelligence (IJCAI). 2003. P. 1135-1142. 5. Steux B., EI Hanzaoui O. TinySLAM: A SLAM algorithm in less than 200 lines C-language program // Control Automation Robotics & Vision (ICARCV), 2010 11th International Conference on. 2010. P. 1975-1979. 6. Шапиро Л., Стокман Дж. Компьютерное зрение. М.: Бином. Лаборатория знаний, 2006. 752 с. 7. Zhang Z. A flexible new technique for camera calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. Vol. 22, № 11. P. 1330-1334. 8. Garrido-Jurado S., Munos-Salinas R., Madrid-Cuevas F. J., Marin-Jimenez M. J. Automatic generation and detection of highly reliable fiducial markers under occlusion // Pattern Recognition. 2014. Vol. 47, № 6. P. 2280-2292.	ru_RU
dc.description.reference	1. Endres F., Hess J., Engelhard N., Sturm J., Cremers D., Burgard W. An evaluation of the RGB-D SLAM system // Robotics and Automation (ICRA), 2012 IEEE International Conference on. 2012. P. 1691-1696. 2. Lu F., Milios E. Robot pose estimation in unknown environments by matching 2d range scans // Journal of Intelligent and Robotic Systems. 1997. Vol. 18, № 3. P. 249-275. 3. Park J., Lee S, Park J. Correction robot pose for SLAM based on Extended Kalman Filter in a rough surface environment // International Journal of Advanced Robotic Systems. 2009. Vol. 6, № 2. P. 67-72. 4. Eliazar A., Parr R. DP-SLAM: Fast, robust simultaneous localization and mapping without predetermined landmarks // Proceedings of the 18th International Joint Conference on Artificial Intelligence (IJCAI). 2003. P. 1135-1142. 5. Steux B., EI Hanzaoui O. TinySLAM: A SLAM algorithm in less than 200 lines C-language program // Control Automation Robotics & Vision (ICARCV), 2010 11th International Conference on. 2010. P. 1975-1979. 6. Shapiro L., Stockman G. Computer vision. Upper Saddle River, N. J.: Prentice Hall, 2001, 608 p. 7. Zhang Z. A flexible new technique for camera calibration // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. Vol. 22, № 11. P. 1330-1334. 8. Garrido-Jurado S., Munos-Salinas R., Madrid-Cuevas F. J., Marin-Jimenez M. J. Automatic generation and detection of highly reliable fiducial markers under occlusion // Pattern Recognition. 2014. Vol. 47, № 6. P. 2280-2292.	en_EN
dc.subject.udc	004.93 + 004.896
dc.relation.ispartofvolume	13
dc.relation.ispartofnumber	1
dc.relation.ispartofpages	5-15