Formation of reliable navigation information in the tasks of orientation and navigation of autonomous robotic devices using the infrastructure of intelligent transport environment

Cover Page

Cite item

Full Text

Abstract

In the context of the development of intelligent transport environment, the accurate positioning of autonomous robotic devices plays an important role. In this article, the authors present a method of orientation and navigation of robotic systems with the possible use of intelligent transport environment infrastructure. The algorithm of robot orientation and navigation in the intelligent transport environment describes the process of data collection, processing, filtering, interpolation and extrapolation to determine the robot's location and route planning. The method of formation of the priority mode of on-board navigation complex operation under conditions of information redundancy of navigation parameters is proposed. The method represents the optimization problem of selecting the operating mode of the on-board navigation system, which at the moment of time has the most accurate estimation taking into account the external conditions. The article also touches upon the concept of measurement results reliability. The criteria of measurement information reliability to ensure the effectiveness of decision-making in the management of measurement processes are highlighted. The approach to determining the reliability of navigation and measurement information on the basis of the method of statistical decision theory of marginal values of measurement results is described. This approach allows to analyze quickly enough the received measurement information by statistical indicators and to estimate the degree of reliability of the results.

About the authors

Peter Mikhaylovich Trefilov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: petertrfi@ipu.ru
Moscow

Maria Andreeva Romanova

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: rmarda@ipu.ru
Moscow

References

  1. АНИЩЕНКО В.А., ПИСАРУК Т.В. Эффективность контроля достоверности измерений в автоматизиро-ванных системах управления энергосистемами по пре-дельным значениям // Энергетика. Изв. высш. учеб. заве-дений и энерг. объединений СНГ. – 2017. – Т. 60, №5. – С. 407–416. – doi: 10.21122/1029-7448-2017-60-5-407-416
  2. ВАСИЛЮК Н.Н. Слабое комплексирование инерциаль-ных и спутниковых измерений с помощью расширенного фильтра Калмана с кватернионным представлением ориентации // Проблемы управления. – 2019. – №4. – С. 72–84.
  3. ВОДИЧЕВА Л.В., ПАРЫШЕВА Ю.В. Оценка точност-ных параметров датчиков бесплатформенного инерци-ального измерительного блока с помощью относитель-но грубого поворотного стола // Гироскопия и навига-ция. – 2019. – Т. 27, № 2(105).
  4. ВОРОХОБИН И.И. Проверка статистических гипотез распределения погрешностей измерения навигационных параметров // Eastern European Scientific Journal. –2019. – №4-3. – C. 44
  5. ДАНИЛЕВИЧ С.Б., ТРЕТЬЯК В.В. Оценка достоверно-сти контроля приборов, поверяемых в нескольких точ-ках диапазона // Системы анализа и обработки данных. – 2020. – №1(78).
  6. ИБРАЕВ A. Система навигации транспортного сред-ства на основе интегрированной ИНС/СНС/Одометрии // Технические науки – от теории к практике. –2017. – №5. – С. 31–43.
  7. ПОЛЯКОВА Т.А., ХИМЧЕНКО А.И. Формирование си-стемы беспилотного транспорта: проблемы реализа-ции государственной политики обеспечения информа-ционной безопасности и правового регулирования // Транспортное право и безопасность. – 2020. – №2(34). – С. 118–126.
  8. СУРКОВ В.О. Повышение достоверности навигацион-ных измерений в навигационных системах подвижных наземных объектов // Молодой ученый. – 2016. – №14(118). – С. 168–170.
  9. ХРАПОВ Ф.И., Власов П.В. Повышение достоверности результатов измерений в распределенных многоканаль-ных информационноизмерительных системах // Вестник метролога. – 2017. – №4. – С. 9–15.
  10. ШОЛОХОВ А.В. Метод оценки достоверности инфор-мации при периодической коррекции наземных навига-ционных систем // Информационно-управляющие си-стемы. – 2006. – №6. – C. 7–13.
  11. AHANGAR M.N., AHMED Q.Z., KHAN F.A., HAFEEZ M. A Survey of Autonomous Vehicles: Enabling Communication Technologies and Challenges // Sensors. – 2021. – Vol. 21(3):706. – DOI: https://doi.org/10.3390/s21030706.
  12. ALATISE М.В., HANCKE G.P. A Review on Challenges of Autonomous Mobile Robot and Sensor Fusion Methods // IEEE Access. – 2020. – Vol. 8, – P. 39830–39846. – doi: 10.1109/ACCESS.2020.2975643.
  13. AYYALASOMAYAJULA R., ARUN A., WU C., SHAR-MA S. et al. Deep learning based wireless localization for indoor navigation. // Proc. of the 26th Annual Int. Conf. on Mobile Computing and Networking (MobiCom '20). Associ-ation for Computing Machinery, New York, NY, USA, – 2020. – Article 17 – P. 1–14. – DOI: https://doi.org/10.1145/3372224.3380894.
  14. BRODSKY S., PANFEROV A., NEBYLOV A., CHIKRIN D. Integrated Navigation and Distributed Control Intelligent Transport System // 27th Saint Petersburg Int. Conf. on Integrated Navigation Systems (ICINS–2020). – 2020. – P. 1–4.
  15. GENTNER C., ULMSCHNEIDER M., KUEHNER I., DAMMANN A. WiFi-RTT Indoor Positioning. 2020 IEEE ION Position // Location and Navigation Symposium (PLANS). –2020. – P. 1029–1033
  16. GUERRERO J., ZEADALLY S., CASTILLO J. Sensor Technologies for Intelligent Transportation Systems // Sen-sors. – 2018. – Vol. 18(4). – P. 1–22.
  17. GUPTA A., SINGH B. Recent trends in intelligent transpor-tation systems: a review // Journal of Transport Literature. –2015. – Vol. 9(2). – P. 30–34.
  18. http://www.kremlin.ru/acts/bank/27684/.
  19. JHARKO E., MAMCHENKO M., KHRIPUNOV S.P. Ro-bot/UAV Indoor Visual SLAM in Smart Cities Based on Re-mote Data Processing // Int. Russian Smart Industry Conf. (SmartIndustryCon–2023). – 2023. – P. 504–508. – doi: 10.1109/SmartIndustryCon57312.2023.10110777.
  20. MENOUAR H., GUVENC I., AKKAYA K., ULUA-GAC A.S. et al. UAV-Enabled Intelligent Transportation Systems for the Smart City: Applications and Challenges // IEEE Communications Magazine. –2017. – Vol. 55. – P. 22–28. – doi: 10.1109/mcom.2017.1600238cm.
  21. MIAO J., ZHANG P. UAV Visual Navigation System based on Digital Twin // 18th Int. Conf. on Mobility, Sensing and Networking (MSN–2022). –2022. – P. 865–870.
  22. PANDEY D., NIWARIA K.A Novel Single Front Camera Based Simpler Approach for Autonomous Taxi Navigation for Smart City Deployments // 6th Int. Conf. on Signal Pro-cessing and Integrated Networks (SPIN–2019). – 2019. – P. 448–451. – doi: 10.1109/SPIN.2019.8711668.
  23. SANTHIYA R., GEETHAPRIYA C., Machine Learning Techniques for Intelligent Transportation Systems-An over-view // 12th Int. Conf. on Computing Communication and Networking Technologies. – 2021. – P. 1–7.
  24. SHAN T., ENGLOT B., MEYERS D., WANG W. et al. LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smooth-ing and Mapping // IEEE/RSJ Int. Conf. on Intelligent Ro-bots and Systems (IROS–2020). – IEEE Press, 2020. – P. 5135–5142. – DOI: https://doi.org/10.1109/IROS45743.2020.9341176.
  25. SUN J., ZHANG X., ZHANG P., ZHANG Y.. Research on Trustworthiness Evaluation Technology of Aircraft Intelli-gent Navigation System // IEEE 7th Int. Workshop on Me-trology for AeroSpace (MetroAeroSpace), Pisa, Italy. – 2020. – P. 233–237. – doi: 10.1109/MetroAeroSpace48742.2020.9160164.
  26. WANG A., CHEN T., CHEN H., JI X. et al. NDNVIC: Named Data Networking for Vehicle Infrastructure Cooper-ation // IEEE Access. –2019. – Vol. 7. – P. 62231–62239.
  27. WU C.H., TU S.H., TU S.W, WANG L.H. et al. Realization of Remote Monitoring and Navigation System for Multiple UAV Swarm Missions: Using 4G/WiFi-Mesh Communica-tions and RTK GPS Positioning Technology // Int. Automatic Control Conference (CACS–2022). – 2022. – P. 1–6.
  28. ZHANG Y, OUYANG J, KUANG Y. Satellite Ground Link Planning for Data Transmission of Global Satellite Naviga-tion System // 6th Int. Conf. on Big Data and Information Analytics (BigDIA), Shenzhen, China, 2020. – P. 1–4. – doi: 10.1109/BigDIA51454.2020.00009.
  29. ZHAO G., XUAN K., TANIAR D., RAHAYU W. et al. In-telligent transport navigation system using LookAhead Con-tinuous KNN // IEEE Int. Conf. on Industrial Technology. – 2009. – P. 1–6. – doi: 10.1109/ICIT.2009.4939586.
  30. ZHIMING C., WENJIE L., YANNIAN R., XUHONG G. Application of improved genetic algorithm to search of op-timum route for intelligent vehicle navigation system // Proc. of the IEEE Int. Conf. on Intelligent Transportation Systems. – 2003. – Vol.2. – P. 1187–1189.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».