В ЛЭТИ разработали алгоритм, улучшающий навигацию беспилотного транспорта в сложных условиях

Современные беспилотные транспортные системы – от автомобилей до роботизированных курьеров и складской техники – становятся всё более привычной частью городской среды. Чтобы такие машины могли безопасно ориентироваться, им необходимо точно определять границы проезжей части даже при плохом освещении, дожде или когда часть дороги скрыта другими объектами. Ошибки в сегментации дорожного пространства приводят к сбоям в системах помощи водителю (ADAS) и создают риски для безопасности движения. Учёные ЛЭТИ нашли способ повысить надёжность и точность восприятия дороги с помощью интеллектуальной обработки данных трёхмерного сканирования местности.

«Наша программа сегментации проезжей части беспилотного транспортного средства представляет собой систему, обрабатывающую мультимодальные данные – показания лидаров, стереокамер и инерциальных сенсоров. Она реализует двухэтапный алгоритм построения семантической карты дорожного пространства в реальном времени».

Ассистент кафедры систем автоматического управления (САУ) СПбГЭТУ «ЛЭТИ» Екатерина Андреевна Масленникова

На первом этапе применяется метод, который выделяет поверхность дороги и отделяет её от окружающих объектов. На втором – программа анализирует данные и объединяет их в кластеры (зоны, где сенсоры «видят» однородные участки дороги или объектов). Алгоритм сам подстраивается под плотность данных, поэтому работает устойчиво даже в условиях плохой видимости или на больших дистанциях.

Система обучалась на 24 тысячах изображений дорожных сцен и достигла высокой точности распознавания. Для анализа используется информация от двух лидаров, стереокамеры и инерциальных датчиков, которые вместе формируют трёхмерное изображение пространства вокруг транспортного средства.

Главное отличие разработки от аналогов – интеграция данных различных сенсоров уже на уровне первичной обработки, что снижает накопленную ошибку и повышает отказоустойчивость системы. Программа реализована на платформе ROS2, поддерживающей механизмы реального времени и синхронизацию потоков данных.

Система применима не только в беспилотных автомобилях, но и в роботизированных погрузчиках, сельскохозяйственной технике и интеллектуальной транспортной инфраструктуре. Испытания показали снижение количества ложных срабатываний систем ADAS на 23% и повышение точности определения границ проезжей части на 35%.

В настоящее время команда готовится к промышленным испытаниям алгоритма на базе логистического комплекса и разрабатывает адаптированную версию для сельскохозяйственных машин, работающих на неструктурированных дорогах. Разработка проводилась в рамках реализации программы развития университета «Приоритет 2030», национального проекта «Молодёжь и дети» и инициативы Десятилетия науки и технологий.

Комментариев пока нет.