Ситуация, знакомая каждому
водителю: навигатор в телефоне или встроенная система автомобиля вдруг
«слепнет» — вы заезжаете в тоннель, спускаетесь в многоуровневую парковку или
оказываетесь в плотной застройке, где сигнал GPS пропадает. Экран замирает, стрелка
на карте застывает, и вы вынуждены двигаться наугад, полагаясь на память и
интуицию. В эпоху, когда на дорогах всё чаще появляются беспилотные автомобили,
такая «слепота» недопустима. Решением этой проблемы
занимается сотрудник кафедры компьютерных систем и технологий Национального
исследовательского ядерного университета «МИФИ» Дарья Маркова. В своих работах
она представила программно-аппаратный комплекс, который позволяет автомобилю
продолжать ориентироваться на местности, даже когда спутниковые сигналы
полностью исчезают.
Инерция плюс одометрия
— и никаких спутников
Основой системы является
объединение данных с нескольких датчиков, которые есть в любом современном
автомобиле. Это инерциальный измерительный модуль (ИМУ), определяющий ускорение
и повороты машины, и колесный одометр, который считает пройденное расстояние.
Казалось бы, что тут сложного — просто сложить показания? Однако, как отмечает
автор, при таком «счислении пути» ошибка накапливается очень быстро. Дрейф
координат может составить десятки метров уже через несколько минут езды без
спутниковых корректировок.
Для решения этой проблемы
Дарья Маркова предлагает использовать «расширенный фильтр Калмана» — сложный
математический алгоритм, который непрерывно сопоставляет данные инерциальных
датчиков и одометрии. В одном из исследований, посвященном интеграции этих
данных, ей удалось добиться значительного снижения погрешности. Если на
двухкилометровом участке без сигнала ГНСС обычная система накапливала ошибку до
14,8 метра, то предложенный алгоритм с адаптивной настройкой позволял
удерживать максимальное отклонение в пределах 4,9 метра.
«Нулевая скорость» и
зрение робота
Но одним лишь счислением
пути проблему не решить. Вторая работа Марковой развивает идею использования
«нулевых обновлений скорости» (ZUPT). Суть метода проста: когда автомобиль
полностью останавливается (например, на светофоре или в пробке), система точно
знает, что его скорость равна нулю. В этот момент она «обнуляет» накопленные
ошибки, не давая им расти дальше. Это как если бы вы, заблудившись,
остановились и сверились с картой, чтобы сбросить накопившуюся погрешность.
Однако остановки в
городском потоке случаются не всегда и не так часто, как хотелось бы. Тогда на
помощь приходит третий компонент системы — фронтальная камера и технологии
визуальной одометрии. Алгоритмы компьютерного зрения анализируют изображение,
находят устойчивые ориентиры — контуры зданий, дорожные знаки, элементы
инфраструктуры — и сопоставляют их с ранее увиденными кадрами. По сути, это
«визуальный SLAM», позволяющий автомобилю узнавать места, где он уже проезжал,
и корректировать свой курс.
Эффект синергии
Самое интересное
начинается, когда все три метода — инерциальная навигация, «нулевая скорость» и
визуальная привязка — работают вместе. По словам Дарьи Марковой,
комбинированный режим дает синергетический эффект. В натурных испытаниях на
городском маршруте с тоннелем и многоуровневой парковкой такая система показала
среднюю позиционную ошибку всего 0,3% от пройденного пути. Для
пятикилометрового маршрута максимальное отклонение не превышало 10 метров, в то
время как чистая инерциальная навигация «уводила» автомобиль на 65 метров.
Более того, в отдельных
сценариях комбинированная система работала точнее штатного GPS-приемника,
который в условиях плотной застройки страдает от отраженных сигналов и дает
скачки координат на десятки метров.
Доступность и
перспективы
Разработка Дарьи Марковой
ориентирована на массовый сегмент. Она не требует дорогостоящих лазерных
гироскопов или LiDAR. Система реализуется на доступных МЭМС-датчиках, обычной
камере и 32-битном микроконтроллере. Программная часть выполнена в среде ROS 2,
что делает её совместимой с современными робототехническими платформами.
В планах — дальнейшее
развитие комплекса за счёт включения новых сенсоров (лидары, ультразвуковые
дальномеры) и методов машинного обучения для распознавания ориентиров. Это
позволит преодолеть оставшиеся ограничения, например, работу в полной темноте,
и обеспечить надежную автономную навигацию на дистанциях более 20 километров
без какой-либо внешней поддержки.
Константин
Фрумкин, начальник отдела по работе со СМИ НИЯУ МИФИ
