Картографирование с помощью монокулярной камеры

Неправильно рассчитанная начальная карта: генерация начальной карты с помощью homografэa в значительной степени влияет на точность алгоритма, загрязняя все последующие оценки позиции. Во-первых, инициализация является частью основы того, что доминирующая плоскость существует в сцене, где находится часть обнаруженных точек, которая не должна возникать. Даже в том случае, если это произойдет, выбор начальной точки может привести к неправильному вычислению начальной плоскости (рис. 5.2), что приведет к тому, что алгоритм будет первоначально поддерживаться в 3D-точках, позиция которых ошибочна.

Рис 5.2: начальная конфигурация с использованием различных пороговых значений FAST

5.4 Глобальная оценка алгоритма

В ходе проведенных экспериментов было установлено, что поведение алгоритма зависит от используемых параметров настройки. Выводы, которые могут быть извлечены, анализируются:

Отказ от шпионажа: RdE немного повышает точность алгоритма в статических средах, не нанося ущерба его эффективности, поэтому рекомендуется использовать его в таких сценах. Кроме того, он играет ключевую роль в динамических средах, повышая надежность и точность алгоритма за счет незначительного снижения временной эффективности.

Bundle Adjustment: несмотря на временную потерю эффективности, которая возникает в потоке сопоставления при использовании BA, его использование является необходимым условием, если высокая точность необходима в больших сценариях. В любом случае это не влияет на эффективность отслеживания, которая является потоком, который должен работать в режиме реального времени.

Дескрипторы ORB: дескрипторы ORB немного увеличивают точность алгоритма, но уменьшают временную эффективность потока отслеживания, что может повлиять на отслеживание в реальном времени в зависимости от вычислительной мощности робота.

Короче говоря, как BA, так и RdE оказались незаменимыми, если вы хотите иметь алгоритм с высокой точностью и надежностью. Со своей стороны, использование дескрипторов ORB имеет преимущества (более точность) и недостатки (меньшая эффективность отслеживания), поэтому его использование зависит от практического применения алгоритма SDVL.

Общая ценность алгоритма положительна. Точность, полученная с некоторыми из проанализированных конфигураций, была достаточно высока и погрешность составляла не более пары сантиметров. Временная эффективность была хорошей, с несколькими потоками отслеживания, которые оставляют место для работы в режиме реального времени на роботах с низкой вычислительной мощностью. Наконец, алгоритм оказался надежным в условиях похищений и динамических условий, поэтому он может использоваться во всех ситуациях

5.5 Сравнение с другими алгоритмами SLAM

После экспериментальной проверки и объективной характеристики работы нашего алгоритма, предложенного в условиях точности, надежности и временной эффективности, он теперь сравнивается с другими алгоритмами Slam State.

Методы, с которыми он сравнивал: PTAM, SVO, LSD-SLAM и ORBSLAM, которые считаются наиболее иллюстративными и интересными. Они использовали эталонные реализации авторов этих алгоритмов, с некоторыми адаптациями, чтобы предоставить им те же входные данные и гомогенизировать их выходные результаты. Параметры настройки этих алгоритмов были изменены в каждом случае, чтобы получить наилучшие результаты, и отображаемые результаты - это те, которые получили большую точность после 3 прогонов.

5.5.1 Сравнение точности

Точность, полученная (RMSE в метрах) в каждом из проведенных экспериментов, показана ниже:

Эксперименты с “X” - это те, которые не смогли отслеживать робота в течение как минимум 30% времени, в то время как результаты со звездочкой-это те, которые частично отслеживали (от 30 до 70%). Эксперименты, которые не завершили последовательность, отмечены красным цветом, а синими, которые получили лучший результат в каждом из них.

Алгоритм с более высокой точностью в большинстве экспериментов был ORB-SLAM, особенно в сценариях с широкими траекториями. Со своей стороны, SVO также очень точен в некоторых сценариях, но в конечном итоге теряется в 3 из 6 экспериментов. LSD-SLAM и PTAM были наименее точными в этом сравнении, первый из которых имеет самую большую ошибку локализации в большинстве экспериментов, а второй-потому, что ему удалось закончить последовательность только в одном из них.

Что касается алгоритма, разработанного в этом тезисе, полученная точность была расположена в промежуточной зоне по сравнению с другими алгоритмами, причем почти во всех экспериментах версия алгоритма с дескрипторами ORB более точна. На рисунке 7.9 показаны траектории, оцененные алгоритмом ORB-SDVL, и ошибка в отношении абсолютной истины четырех последних сценариев.



5.5.2 Сравнение темпоральной эффективности

Время выполнения (в МС) потока отслеживания экспериментов было следующим:

В этом случае алгоритм с более высокой временной эффективностью был SVO, с отличными результатами в несколько миллисекунд. С другой стороны, ORB-SLAM был с самым большим временем вычислений, в некоторых случаях немного выше значений, необходимых для работы в режиме реального времени. Что касается LSD-SLAM, время было в промежуточном значении между двумя предыдущими алгоритмами, тогда как в PTAM трудно сделать выводы, поскольку он быстро потерял себя в самых сложных сценариях.

Предлагаемый алгоритм был несколько сокращен, располагаясь между временной эффективностью SVO и эффективностью LSD-SLAM. В этом случае эффективность настройки без ORB была намного лучше, чем с ORB, с временами, близкими к 40% ниже.



6. Экономическая часть

6.1 Введение

В экономической части дипломного проекта будет обоснована экономическая целесообразность разработки программного модуля (ПМ), дано его краткое функциональное описание, а также возможностей его применения.

Далее будет описан процесс разработки, состав команды, принимающей участие в проектировании и реализации ПМ, произведен расчет трудоемкости. По результатам расчета трудоемкости будет построена диаграмма Ганта, определена продолжительность разработки.

Методом калькуляции будет проведен расчет себестоимости работ и расчет договорной цены ПМ.

Результатом выполнения экономической части дипломного проекта должны стать оценка экономической эффективности и определение целесообразности разработки.

6.2 Организация и планирование работ по теме

В составе работы задействовано 3 человека:

руководитель - отвечает за грамотную постановку задачи, контролирует отдельные этапы работы, вносит необходимые коррективы и оценивает выполненную работу в целом;

инженер - реализация всех поставленных задач, в том числе подготовка проектной документации.

тестировщик - контрагенты, ответственные за проведение тестирования готового продукта.

В табл.1 представлен расчет времени, необходимый на каждый этап разработки.

№ п/п	Наименование этапа	Срок выполнения, дней
1	Разработка технического задания	2
2	Согласование ТЗ	1
3	Разработка ТЭО	2
4	Анализ исходных данных и требований, постановка задачи	10
5	Разработка структуры программы и логической структуры базы данных. Разработка алгоритма	10
6	Согласование разработок с требованиями Заказчика	2
7	Разработка ПО	13
8	Отладка ПО	5
9	Тестирование	2
10	Разработка и оформление эксплуатационных документов	9
Итого дней:	56

Табл.1

6.3.1 Организация и планирование работ по теме.

В табл.2 представлены организационные этапы работ с указанием трудоемкости и продолжительности работ для каждого исполнителя на каждом этапе.

№	Название этапа	Исполнитель	Кол-во дней	Занятость на этапе, чел/дни
1	Разработка технического задания	Руководитель	2	1
		Разработчик		1
2	Согласование ТЗ	Руководитель	1	1
		Разработчик		1
3	Разработка ТЭО	Руководитель	2	1
		Разработчик		1
4	Анализ исходных данных и требований, постановка задачи	Разработчик	10	10
5	Разработка структуры программы и логической структуры базы данных. Разработка алгоритма	Разработчик	10	10
6	Согласование разработок с требованиями Заказчика	Руководитель	2	1
		Разработчик		2
7	Разработка ПО	Разработчик	13	13
8	Отладка ПО	Разработчик	5	5
9	Тестирование	Руководитель	2	1
		Тестировщик		2
10	Разработка и оформление эксплуатационных документов	Руководитель	9	1
		Разработчик		9
Итого	56	60

Табл.2

6.3.2 График проведения работ:

Календарный график исполнения работы представлен на рисунке 6.1. Из рисунка 1 так же видно, что общий срок разработки составит 56 дней.

Рис.6.1

6.3.3 Определение договорной цены.

Цена договорная = себестоимость + прибыль + НДС

1 статья «Материалы, покупные изделия и полуфабрикаты + ТЗР» (15%) от ? итого по материалам

2 статья «Специальное оборудование» - как правило, затрат нет

3 статья «Основная заработная плата»

4 статья «Дополнительная заработная плата» 20% от основной заработной платы

5 статья «Страховые отчисления» - 30% от ФОТ

6 статья «Командировочные расходы» - как правило, затрат нет

7 статья «Контрагентские услуги» - как правило, затрат нет

8 статья «Накладные расходы» - 250% от ОЗП

9 статья «Прочие расходы» - затрат нет

статья «Налог на добавленную стоимость(НДС)»

6.3.3.1 «Материалы, покупные изделия и полуфабрикаты + ТЗР»

Расходы по 1 статье представлены в табл.3

№ пп	Наименование материалов	Единицы измерения	Количество	Цена за единицу (руб)	Стоимость (руб)
1	microSDHC-32ГБ	Шт	1	800	800
2	Бумага А 4	Пачка	1	220	220
3	Картридж для принтера	Шт	1	1700	1700
Итого материалов	2720
Транспортно-заготовительные расходы	408
Итого	3128

Табл.3

6.3.3.2 «Специальное оборудование»

Расходов нет.



6.3.3.3 «Основная заработная плата»

Расчет основной заработанной платы представлен в табл. 5

№	Исполнитель	Мес.оклад, руб	Занятость на этапе, чел/дни	Оплата за день, руб	Оплата за этап, руб
1	Руководитель	50000	1	2272	2272
	Разработчик	30000	1	1363	1363
2	Руководитель	50000	1	2272	2272
	Разработчик	30000	1	1363	1363
3	Руководитель	50000	1	2272	2272
	Разработчик	30000	1	1363	1363
4	Разработчик	30000	10	1363	13630
5	Разработчик	30000	10	1363	13630
6	Разработчик	30000	2	1363	2726
	Руководитель	50000	1	2272	2272
7	Разработчик	30000	13	1363	17719
8	Разработчик	30000	5	1363	6815
9	Руководитель	50000	1	2272	2272
	Разработчик	30000	9	1363	12267
Итог	82236

Табл.5

6.3.3.4 «Дополнительная заработная плата»

Дополнительная заработная плата составляет 20% от суммы основной заработной платы.

ДЗП = 82236 х 0,2 = 16447,2 руб.

Дополнительная заработная плата научного и производственного персонала составляет по проекту 16447,2 руб.

6.3.3.5 «Страховые отчисления»

Отчисления на социальные нужды составляют 30% (22% - взносы в Пенсионный фонд, 5,1% - фонд обязательного медицинского страхования, 2,9% - взносы в фонд социального страхования) от фонда оплаты труда (ФОТ), который состоит из основной и дополнительной заработной платы.

ФОТ = ОЗП + ДЗП = 82236 + 16447,2 = 98683,2 руб.

СВ = ФОТ х 30% = 98683,2 х 0,3 = 29604,96 руб.

6.3.3.6 «Командировочные расходы»

Расходы по данному разделу отсутствуют.

6.3.3.7 «Контрагентские услуги»

В процессе разработки данного проекта были использованы услуги тестировщика. Оплата производилась по договору и составила 7000.

6.3.3.8 «Накладные расходы»

1	Цифровая камера Альтами SCMOS02000KPA	шт	1	6790	6790
2	Микрокомпьютер Raspberry Pi 3 model B	шт	1	4990	4990
Итого оборудования	11780
Транспортно-заготовительные расходы	1767
Итого	13547

Накладные расходы:

НР = (ОЗП+О) х 250% = (82236+13547) * 2,5 = 239457,5 руб.

6.3.3.9 «Прочие расходы»

По статье «прочие расходы» затрат нет.

6.3.3.10 «Налог на добавленную стоимость (НДС)»

Разработка ведется на базе кафедры информационных систем института кибернетики МИРЭА-Российский технологический университет, поэтому НДС не взымается.

В табл.6 представлен расчет полной себестоимости проекта.

№ пп	Номенклатура статей расходов	Затраты (руб)
1	Материалы, покупные изделия и полуфабрикаты (за вычетом отходов)	3 128
2	Специальное оборудование для научных (экспериментальных) работ	-
3	Основная заработная плата научного и производственного персонала	82236
4	Дополнительная заработная плата научного и производственного персонала	16447,2
5	Страховые взносы в социальные фонды	29604,96
6	Расходы на научные и производственные командировки	-
7	Оплата работ, выполненных сторонними организациями и предприятиями	7000
8	Накладные расходы	239457,5
9	Прочие прямые расходы	-
10	НДС	-
Итого	385120,66

Табл.6

Норма прибыли составляет 30% от стоимости разработки.

прибыль будет равна:

П = 351253,16* 30% = 105376 руб.

Разработка ведется для коммерческой организации, данный вид работы облагается налогом на добавочную стоимость (НДС) в размере 20%:

НДС = (С+П)х20% = (385120,66+105376)х0,2= 98?099,332 руб.

Таким образом, договорная цена будет представлять собой:

ДЦ = С+П + НДС =385120,66+105376+ 98?099,332 = 588596 руб.

6.4 Оценка экономической целесообразности проведения работ по теме

Данное ПО позволяет строить карты и может быть использовано во всех сферах жизни человека. Начиная, от робопылесоса, заканчивая построением карт в местах, где человек не может находится в виду различных причин

По сути дела, данное ПО обладает простым и интуитивно понятным интерфейсом, что делает его доступным для понимания людей, не связанных с техническими специальностями.

Картограф может быть полезен не только разработчикам роботов, но и использоваться в различных приложениях (например, средств для построения карт музеев и системы визуализации зданий).

Произведенный экономический расчет позволил оценить соответствие ресурсов, затраченных на данную разработку и полученных доходов предприятия, что позволило сделать положительное заключение об экономической целесообразности работы. Выбор программных и организационно-технологических проектных решений обеспечил минимизацию финансовых, материальных и трудовых затрат.

	Картограф, разработанный нами	Metaphase Pro Photoscan
Необходимая конфигурация	*ОС Windows XP или более поздняя (32 или 64 бит), Mac OS X Snow Leopard или более поздняя, Debian / Ubuntu (64 бит) * Процессор Intel Core 2 Duo или более мощный * 2 Гб оперативной памяти	* Windows XP или более поздняя (64 бит), Mac OS X Snow Leopard или более поздняя, Debian / Ubuntu (64 бит) * Процессор Intel Core i7 *12 Гб оперативной памяти
Скорость	Вычисления на графических процессорах (GPU), ускоряющих работу программы. Поддерживаемые устройства: NVidia GeForce серии 8xxx и более поздних. ATI HD серии 5xxx и более поздних.	Не поддерживает выполнение на графических процессорах. Скорость зависит от кадров в минуту и мощности устройства. Но довольно медленно.
Интерфейс	Интуитивно понятный интерфейс, с которым сможет справится любой человек, не имеющий больших технических знаний.	Сложный интерфейс. Программа заточена для работы профессионалов, обладающих достаточными знаниями.
Оборудование	Для работы необходима обычная камера с расширением больше 5МП	Необходимо купить и установить дорогостоящие лидары.

6.5 Заключение экономической части

В результате выполнения экономического раздела выпускной квалификационной работы были выполнены следующие задачи:

Разработка основных бизнес-плана, включающего описание продукта, анализ рынка сбыта, определение конкурентоспособности, создание плана маркетинга, создание плана производства и выделение основных этапов разработки макета устройства.

Организация и планирование проведения работ по теме. В данном разделе вычислена трудоёмкость и продолжительность работы для каждого исполнителя в каждом этапе и создана таблица для удобства представления данных.

Определение договорной цены, включает в себя расчет себестоимости по десяти статьям, расчет НДС и учитывает прибыль.

Оценка экономической целесообразности, включает в себя обоснование создания макета устройства.

По ходу решения всех задач данного раздела установлено, что разработка картографа по договорной цене 588596 руб. является экономически целесообразной.



Литература

1. Лохин В.М., Манько С.В., Романов МЛ., Александрова Р.И. и др. Универсальная бортовая система управления для автономных мобильных объектов ВВТ // Материалы III научно-практической конференции «Перспективные системы и задачи управления»

2. Романов МЛ., Гарцеев И.Б. Интеллектуальная система навигации для малоразмерных подвижных объектов ВВТ // Материалы III научно-практической конференции

3. Castellanos J.A., Neira J., Tardos J.D. Limits to the consistency of the EKF-based SLAM. In Intelligent Autonomous Vehicles

4. Durrant-Whyte, Hugh. Localization, Mapping, and the Simultaneous Localization and Mapping Problem. Australian Center for Field Robotics.

5. Montemerlo M., Thrun S., Koller D., Wegbreit B. Fastslam: A factored solution to the simultaneous localization and mapping problem.

6. Benjamin E.F. Opportunities to increase the accuracy of positioning technologies simultaneously positioning and mapping (SLAM).

7. Bailey T., Nieto J., Guivant J., Stevens M., Nebot E. Consistency of the EKF-SLAM algorithm. 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems.

8. Bailey T., Durrant-Whyte H. Simultaneous localization and mapping (SLAM): Part II. IEEE Robotics & Automation Magazine.

9. Rasmussen C., Hager G.D. Probabilistic data association methods for tracking complex visual objects. IEEE Transactions on Pattern Analysis and Machine Intelligence

10. Guivant J.E., Nebot E.M. Optimization of the simultaneous localization and map-building algorithm for real-time implementation. IEEE Transactions on Robotics and Automation

11. Neira J., Tardos J.D. Data association in stochastic mapping using the joint compatibility test. IEEE Transactions on Robotics and Automation

12. Davey S.J. Simultaneous localization and map building using the probabilistic multi-hypothesis tracker. IEEE Transactions on Robotics

13. Sun F., Wang T., Lu W. A data association method based on simulate anneal arithmetic for mobile robot SLAM. 2008 IEEE International Conference on Automation and Logistics

14. Zhang S., Xie L., Adams M. An efficient data association approach to simultaneous localization and map building. The International Journal of Robotics Research

15. Bailey T., Nebot E.M., Rosenblatt J.K., Durrant-Whyte H.F. Data association for mobile robot navigation: A graph theoretic approach. 2000 Proceedings of IEEE International Conference on Robotics and Automation

16. Karpenko A.P., Sinyagovskaya O.A. Global optimization with the use of a biogeography-based method. Nauka i obrazovanie MGTU im. N.E. Baumana

17. Karpenko A.P., Chernobrivchenko K.A. Multimemeev modified hybrid ant algorithm for HCIAC continuous optimization. Nauka i obrazovanie MGTU im. N.E. Baumana = Science and Education of the Bauman MSTU

18. Pareek N.K., Patidar V., Sud K.K. Image encryption using chaotic logistic map. Image and Vision Computing.

19. Платоное АЖ., Зуева ЕМ., Киртьченко А.А., Соколов СМ. Формальные подходы к проектированию алгоритмов информационного обеспечения мобильных систем (выбор пути, навигация, надёжность).

20. Богуславский А.А., Киртьченко А.А., Платонов АЖ., Соколов СМ., Трифонов О.В., Ярошевский B.C. Построение описания внешней среды в системах информационного обеспечения мобильных робототехнических комплексов

21. Обеспечения систем технического зрения реального времени // Труды II Всероссийской научной конференции "Методы и средства обработки информации".

22. Sokolov S.M., Boguslavsky A.A., Kuftin F.A. Vision System for Relative Motion Estimation from Optical Flow // Proc. 13th Intern. Conf on Systemics, Cybernetics and Informatics (WMSCI 2009)

23. Александрова А А., Ахтёров А.В., Воронин AM., Киртьченко А А., Соколов СМ., Швай-ковский ЕМ. Основы теоретической робототехники. Теория толерантных пространств (обзор)

24. Платоное АЖ., Соколов СМ., Сазонов В.В., Богуславский А.А., Трифонов ОМ., Куфтин ФА., Васильев А.И., Моксин КА. Программно-аппаратный комплекс средств навигации мобильных систем // Вопросы оборонной техники. Сер. 9. Специальные системы управления, следящие приводы и их элементы.

25. Heo Y. S., Lee K. M., and Lee S. U. Joint depth map and color consistency estimation for stereo images with different illuminations and cameras. IEEE

26. Block-based vanishing line and vanishing point detection for 3d scene reconstruction. In 2006 / Y. M. Tsai, Y. L. Chang, L. G. Chen

27. Ashutosh Saxena, Sung H Chung, and Andrew Y Ng. 3-d depth reconstruction from a single still image.

28. Battiato Sebastiano, Curti Salvatore, La Cascia Marco, Tortora Marcello, Scordato Emiliano. Depth map generation by image classification.

29. Everett H.R. Sensors for Mobile Robots: Theory and Application.

30. Ulrich I., and Nourbakhsh. Appearance-Based Obstacle Detection with Monocular Color Vision. Proceedings of the AAAI National Conference on Artificial Intelligence

Размещено на Allbest.ru