В МИФИ предложили систему навигации, позволяющую ориентироваться без спутникового сигнала

Специалисты НИЯУ МИФИ разработали программно-аппаратный комплекс, который позволяет автомобилю ориентироваться на местности, даже когда спутниковые сигналы полностью исчезают.

В тоннелях, на подземных парковках или среди плотной городской застройки навигатор нередко теряет связь со спутниками. В этот момент местоположение автомобиля начинает определяться с ошибками, а стрелка навигации может заметно отклониться от реального маршрута. Для беспилотных машин такая проблема особенно критична.

Решением обычно является объединение данных с нескольких датчиков, которые есть в любом современном автомобиле. Это инерциальный измерительный модуль (ИМУ), определяющий ускорение и повороты машины, и колесный одометр, который считает пройденное расстояние. Однако, при таком «счислении пути» ошибка накапливается очень быстро. Дрейф координат может составить десятки метров уже через несколько минут езды без спутниковых корректировок.

Для решения этой проблемы автор разработки, сотрудник кафедры компьютерных систем и технологий НИЯУ МИФИ Дарья Маркова предлагает использовать «расширенный фильтр Калмана» — сложный математический алгоритм, который непрерывно сопоставляет данные инерциальных датчиков и одометрии. Если на двухкилометровом участке без сигнала ГНСС обычная система накапливает ошибку до 14,8 метра, то предложенный алгоритм с адаптивной настройкой позволяет удерживать максимальное отклонение в пределах 4,9 метра.

Вторая идея автора основана на использовании «нулевых обновлений скорости». Суть метода проста: когда автомобиль останавливается (например, на светофоре или в пробке), система точно знает, что его скорость равна нулю. В этот момент она «обнуляет» накопленные ошибки, не давая им расти дальше.

Если остановки происходят не так часто, на помощь приходит третий компонент системы — фронтальная камера и технологии визуальной одометрии. Алгоритмы компьютерного зрения анализируют изображение, находят устойчивые ориентиры — контуры зданий, дорожные знаки, элементы инфраструктуры — и сопоставляют их с ранее увиденными кадрами. По сути, это «визуальный SLAM», позволяющий автомобилю узнавать места, где он уже проезжал, и корректировать свой курс.

Использование всех трех методов вместе дает синергетический эффект. В натурных испытаниях на городском маршруте с тоннелем и многоуровневой парковкой такая система показала среднюю позиционную ошибку всего 0,3 % от пройденного пути. Для пятикилометрового маршрута максимальное отклонение не превышало 10 метров, в то время как обычная инерциальная навигация «уводила» автомобиль на 65 метров. Более того, в отдельных сценариях комбинированная система работала точнее штатного GPS-приемника, который в условиях плотной застройки страдает от отраженных сигналов и дает скачки координат на десятки метров.

Разработка ориентирована на массовый сегмент. Она не требует дорогостоящих лазерных гироскопов или LiDAR. Система реализуется на доступных МЭМС-датчиках, обычной камере и 32-битном микроконтроллере. Программная часть выполнена в среде ROS 2, что делает ее совместимой с современными робототехническими платформами.

В планах автора — дальнейшее развитие комплекса за счет включения новых сенсоров (лидары, ультразвуковые дальномеры) и методов машинного обучения для распознавания ориентиров. Это, по мнению исследователя, позволит преодолеть оставшиеся ограничения, например, работу в полной темноте, и обеспечит надежную автономную навигацию на дистанциях более 20 километров без какой-либо внешней поддержки.

Источник: Официальный ресурс Министерства образования и науки Российской Федерации