ИНТЕГРАЦИЯ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ В ВЫЧИСЛИТЕЛЬНЫЕ КОМПЛЕКСЫ АВТОНОМНОЙ СКЛАДСКОЙ РОБОТОТЕХНИКИ

INTEGRATION OF MACHINE VISION SYSTEMS INTO COMPUTING COMPLEXES OF AUTONOMOUS WAREHOUSE ROBOTICS

Knigin Igor Alexandrovich

Student, Department of Information Systems and Technologies, Udmurt State University,

Russia, Izhevsk

АННОТАЦИЯ

В статье исследуется процесс интеграции систем технического зрения в вычислительные комплексы автономных складских роботов. Проанализированы требования к аппаратному обеспечению для обработки видеопотоков в режиме реального времени. Описаны применяемые алгоритмы, например: сверточные нейронные сети для распознавания объектов и методы визуальной навигации. Рассмотрены архитектурные решения по распределению вычислительной нагрузки между бортовыми компьютерами и периферийными серверами для повышения автономности робототехники.

ABSTRACT

The article explores the process of integrating machine vision systems into the computing complexes of autonomous warehouse robots. Hardware requirements for processing video streams in real time are analyzed. The applied algorithms are described, for example: convolutional neural networks for object recognition and visual navigation methods. Architectural solutions for distributing the computing load between on-board computers and edge servers to increase the autonomy of robotics are considered.

Ключевые слова: техническое зрение; складская робототехника; вычислительные комплексы; навигация; распознавание образов.

Keywords: machine vision; warehouse robotics; computing complexes; navigation; pattern recognition.

Автоматизация современных логистических центров требует применения интеллектуальных автономных платформ, способных функционировать в динамичной и непредсказуемой среде. Традиционные методы навигации, полагающиеся на магнитные ленты или статические метки, не обеспечивают необходимого уровня гибкости. Для решения данной проблемы в архитектуру складских роботов интегрируются системы технического зрения. Оптические сенсоры позволяют платформе самостоятельно анализировать окружающее пространство, распознавать препятствия и динамически перестраивать маршруты движения. Однако обработка визуальной информации создает значительную нагрузку на бортовые вычислительные комплексы, требуя высокой пропускной способности каналов памяти и мощных процессоров [1, с. 54].

Инженерной задачей при проектировании таких систем является обеспечение минимальной задержки между получением кадра и выдачей управляющего сигнала на приводы робота. Задержка вычислений может привести к столкновению с персоналом или стеллажами. Для ускорения обработки видеопотоков в архитектуру бортовых компьютеров внедряются специализированные аппаратные ускорители, например: графические процессоры или тензорные сопроцессоры. Данные вычислительные узлы берут на себя выполнение матричных операций, необходимых для работы алгоритмов машинного обучения. Центральный процессор при этом освобождается для решения высокоуровневых задач планирования траекторий и взаимодействия с системой управления складом [2, с. 112].

На программном уровне интеграция технического зрения базируется на применении алгоритмов одновременной локализации и построения карты. Робот использует поступающие с камер изображения для поиска визуальных ориентиров, сопоставляет их с глобальной картой помещения и вычисляет свои точные координаты. Для классификации типов препятствий, например: людей, погрузчиков или коробок, применяются сверточные нейронные сети. Точность работы данных алгоритмов напрямую зависит от качества обучающих выборок и производительности установленного вычислительного комплекса.

Таблица 1.

Сравнительная характеристика сенсорных подсистем

Проектирование надежных вычислительных комплексов для складской робототехники требует внедрения механизмов алгоритмического дублирования. Оптические камеры чувствительны к изменению освещенности и перекрытию поля зрения. В связи с этим данные визуального потока программно комплексируются с показаниями инерциальных модулей и лазерных дальномеров. Подобная интеграция разнородных сенсоров на уровне вычислительного ядра формирует отказоустойчивую систему технического зрения, гарантирующую бесперебойное выполнение логистических операций в любых производственных условиях [3, с. 88].

Список литературы:

1. Макаров И. М. Робототехника и гибкие автоматизированные производства. - М.: Высшая школа, 2021. - 350 с.
2. Сидоров А. В. Системы технического зрения в управлении мобильными роботами: учебное пособие. - СПб.: Политехника, 2022. - 215 с.
3. Кравченко П. Д. Вычислительные архитектуры для автономной навигации // Логистические системы. - 2023. - № 3. - С. 45-52.