Детальная информация

В данной работе был проведен анализ различных методов навигации, применяемых для роботизированных транспортных платформ. Целью анализа было выявление преимуществ и ограничений каждого метода с учетом их применимости в автоматизированных транспортных системах. В ходе исследования были рассмотрены традиционные методы навигации, такие как основанные на одометрии, инерциальной навигации и глобальной системе позиционирования (GPS), а также более современные методы, включая одновременное определение положения и построение карты и навигацию на основе компьютерного зрения. Были проанализированы преимущества и ограничения каждого метода с учетом таких факторов, как точность, надежность и возможность работы в реальном времени. Разработка интерфейса, основанного на техническом зрении, для автоматизированной транспортной тележки тоже была проведена в ходе выполнения данного исследования. В процессе исследования были созданы различные сценарии чтобы оценить способность тележки распознавать и преодолевать препятствия, и принимать решения на основе визуальной информации. Ключевыми метриками для оценки производительности системы были точность определения положения, эффективность обнаружения препятствий и скорость принятия решений в режиме реального времени.

In this dissertation, an analysis of various navigation methods used for robotic transport platforms was carried out. The purpose of the analysis was to identify the advantages and limitations of each method, considering their applicability in automated transport systems. The study looked at traditional navigation methods, such as those based on odometry, inertial navigation and the global positioning system (GPS), as well as more modern methods, including simultaneous position detection and map construction and navigation based on computer vision. The advantages and limitations of each method were analyzed, considering factors such as accuracy, reliability, and real-time capability. The development of a vision-based interface for an automated transport cart was also carried out during this study. Through the course of this work, various scenarios were created to assess the ability of the cart to recognize and overcome obstacles and make decisions based on visual information. The key metrics for evaluating the performance of the system were the accuracy of positioning, the efficiency of obstacle detection, and the speed of real-time decision-making.