تقدم هذه الدراسة إطار رؤية أحادية العين قائم على ROS–Gazebo لتقدير وضعية المركبات تحت الماء الذاتية القيادة باستخدام علامات ArUco. تتم مقارنة الوضعيات المقدرة مع المسافة المقطوعة المحاكاة، مما يثبت تتبعا مستقرا وتوافقا قويا مع الحقيقة الأرضية في ظروف مضبوطة.
مقالة بحثية
تقدير وضعية المركبات غير المأهولة تحت الماء باستخدام محاكاة قائمة على مؤشرات الواقع المعزز
1Department of Computer Science and Engineering, Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, Bowrampet, 2Department of CSE, Chennai Institute of Technology, 3Department of Information Technology, Aditya Institute of Technology and Management, 4School of Electrical and Computer Engineering, Yeosu Campus, Chonnam National University
يفتح في علامة تبويب جديدة
في هذه المقالة
ملخص
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
الملخص
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
تقدم هذه الدراسة إطارا قائما على المحاكاة لتقدير وضعية المركبات تحت الماء غير المأهولة (UUVs) باستخدام نظام رؤية أحادي العين ضمن بيئة ROS–Gazebo. يستخدم نموذج RexRov2 UUV، المدمج مع ArUco_ROS، لاكتشاف العلامات الافتراضية وتقدير الموقع والاتجاه في بيئة تحت الماء محاكاة. يتم تطبيق طريقة المنظور والنقطة (PnP) لتقدير الوضعية، كما ينظم متحكم التكامل النسبي (PID) حركة المركبة بناء على الميزات المشتقة من العلامات. يتم تقييم النظام من خلال مقارنة الوضعيات المقدرة مع المسافة الدقيقة للحقيقة الأرضية التي تم الحصول عليها من المحاكي. تحت الظروف الاسمية، تظهر النتائج تقديرا مستقرا للوضعية مع توافق وثيق بين المواقع والاتجاهات المقدرة والحقيقية. يحافظ النظام على تتبع المسار السلس مع تقلبات قليلة، مما يشير إلى أداء موثوق في بيئات محكمة. ومع ذلك، تحت زيادة الاضطرابات الهيدروديناميكية، يظهر النظام انحرافات في الموقع والتوجه، مما يؤدي إلى عدم استقرار في أداء التتبع. تسلط هذه النتائج الضوء على محدودية التحكم الكلاسيكي في البيئات تحت الماء غير الخطية وتشير إلى الحاجة إلى استراتيجيات تحكم أكثر قوة. بشكل عام، يوفر الإطار المقترح منصة آمنة ومرنة وفعالة من حيث التكلفة لاختبار خوارزميات الملاحة تحت الماء وتقييم تكامل الإدراك والتحكم في البيئات المحاكاة.
المقدمة
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
تستخدم المركبات تحت الماء غير المأهولة (UUVs) بشكل شائع في الحالات التي يكون فيها وجود الإنسان محدودا، مثل مراقبة المحيطات، والاستكشاف، وصناعة البترول. وهي مجهزة بحساسات متقدمة لجمع البيانات من بيئات تحت الماء معقدة، مما يتطلب منصات اختبار قوية وفعالة من حيث التكلفة. توفر تقنيات المحاكاة، بما في ذلك الطرق القائمة على الرؤية باستخدام علامات ArUco، وسيلة فعالة لتقليل المخاطر المرتبطة بنشر المركبات الطائرة المجهولة في العالم الحقيقي.
تاريخ المركبات الطائرة بدون طيار، من أول مركبة بحث تحت الماء ذات الأغراض الخاصة إلى المركبات تحت الماء ذاتية المحرك الحديثة، يبرز أهميتها في البحث والدفاع والصناعة1. تطور المركبات الذاتية تحت الماء يؤكد أكثر على الحاجة إلى تحديد المواقع والتوجيه والاختبار بدقة داخل بيئات محاكاة2،3.
يوضح الشكل 1 البنية التقليدية لنظام محاكاة UUV. يوفر الجمع بين نظام تشغيل الروبوت (ROS) ومحاكي الجازيبو منصة متعددة الاستخدامات للنمذجة والتحكم والتواصل في الوقت الحقيقي. تسهل ROS التواصل الفعال بين أجهزة الاستشعار والمشغلات ووحدات التحكم، بينما توفر Gazebo بيئة محاكاة ثلاثية الأبعاد واقعية لاختبار خوارزميات الملاحة والتحكم 4,5. في هذا السياق، تعزز طرق ArUco المعتمدة على علامات تقدير الوضعية من خلال تمكين الكشف الدقيق وتتبع نقاط المرجع6.
الشكل 1: البنية التقليدية لنظام محاكاة UUV.يوضح الرسم التخطيطي التفاعل بين مكونات المحاكاة، والإدراك، والتحكم ضمن إطار ROS–Gazebo. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
وقد شهدت عدة دراسات تقنيات محاكاة وملاحة وإدراك UUV متقدمة7. تم إثبات ملاءمة إطار ROS–Gazebo لنمذجة الروبوتات4، وتم توسيع هذا النهج ليشمل التطبيقات تحت الماء من خلال محاكي UUV لمهام الروبوتات المتعددة والمهام التدخلية5. كما تم تحسين التموضع القائم على الرؤية من خلال دمج علامات ArUco مع خوارزميات التتبع6. وبالمثل، تم تمكين المحاكاة والإشراف عالي الدقة على المهام تحت الماء من خلال منصات المحاكاة المتقدمة8،كما تم إثبات تموضع متين في بيئات محصورة باستخدام علامات ائتمانية 9.
تكمل هذه التطورات التكنولوجية دراسات مسحية. تمت مراجعة التقدم في تحديات الملاحة تحت الماء والتوطين بشكل شامل10،11، كما تم تقييم منصات المحاكاة التجارية ومفتوحة المصدر بشكل منهجي12. فحصت مراجعات إضافية أحدث تقنيات المركبات تحت الماء ذاتية القيادة13,14، بالإضافة إلى استراتيجيات التحكم في التكوينات والاتصالات لأنظمة المركبات المتعددة14. علاوة على ذلك، فإن التقدم في التحكم المتقطع15 في تتبع الأنظمة وتقدير الحالة باستخدام أساليب التعلم العميق، مثل وحدات التكرارالمدعومة 16، ساهم في تحسين موثوقية المهام المستقلة تحت الماء. تظهر هذه الدراسات مجتمعة تقدما كبيرا في واقعية المحاكاة، والملاحة، والتحكم الذكي في الطائرات الطائرة بدون الطائرة.
على الرغم من هذه التطورات، لا تزال هناك عدة تحديات بحثية. تفتقر أجهزة المحاكيات الحالية إلى نماذج حساسات دقيقة، خاصة لأنظمة السونار الأمامية والمسح الجانبي. تدعم معظم المنصات عمليات مركبات AUV واحدة فقط، مع قدرة محدودة على التنسيق والتشكيلات متعددة المركبات الهوائية. يمكن أن تؤدي الأخطاء في المستشعرات والنماذج الديناميكية إلى أداء غير مثالي، كما أن الاضطرابات البيئية مثل التيارات والضوضاء لا يتم نمذجتها بشكل متسق عبر المحاكيات. لمعالجة هذه القيود، تقدم الدراسة الحالية إطار عمل محاكاة ROS–Gazebo يتضمن تقدير وضعية قائم على علامات ArUco لتمكين تقدير الحالة بدقة أكثر وتقييما دقيقا لخوارزميات الملاحة UUV.
يقدم هذا العمل ثلاث مساهمات رئيسية. أولا، يقدم نهج تقدير وضعية أحادية العين قائم على ArUco ضمن بيئة محاكاة ROS–Gazebo تحت الماء باستخدام نموذج RexRov2. ثانيا، يحلل استقرار الوضعية تحت ظروف اضطراب وسيناريوهات تحكم مختلفة. ثالثا، يحدد القيود في التحكم الكلاسيكي في PID في البيئات غير الخطية تحت الماء تحت الاضطرابات الديناميكية. بالإضافة إلى ذلك، يدمج هذا العمل الإدراك والسيطرة والمحاكاة في إطار موحد، لسد الفجوات في الدراسات السابقة التي تعالج هذه المكونات بشكل مستقل.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
البروتوكول
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
1. إعداد بيئة البرمجيات
تم استخدام محطة عمل مبنية على لينكس تعمل بنظام أوبونتو 20.04 ونظام التشغيل الروبوت (ROS) Noetic كمنصة تطوير رئيسية لتنفيذ أنظمة التوطين الذاتي تحت الماء17. تم تهيئة النظام عن طريق إنشاء مساحة عمل catkin باستخدام mkdir -p ~/catkin_ws/src ثم تهيئتها باستخدام catkin_init_workspace. تم استنساخ حزم uuv_simulator و aruco_ros إلى مجلد المصدر وتجميعها باستخدام أمر catkin_make لدعم نمذجة التدخل تحت الماء.
تم التحقق من الاتصال بين برنامج ROS الوسيط ومحاكي Gazebo 9 من خلال تشغيل عالم تحت الماء افتراضي وتأكيد الاتصال النشط عبر أمر قائمة الروستوبك. تم تنفيذ عقد معالجة الصور وتقدير الوضعية باستخدام بايثون 3.8 ومكتبات ArUco المدمجة لحساب الوضعية النسبية باستخدام OpenCV. تم تكوين بيئة ROS لإدارة التبعيات وتمكين التواصل البياني في الوقت الحقيقي، مما مكن الروبوت من تحديد موقع نفسه بالنسبة لعلامات صناعية متعددة18. كما مكن هذا الإعداد من تقييم أداء اكتشاف العلامات تحت ظروف مختلفة. يوضح الشكل 1 التواصل بين عقد المحاكاة والإدراك والتصور في بيئة ROS–Gazebo.
2. نموذج UUV والمعلمات الهيدروديناميكية
تم الحصول على نموذج مركبة RexRov2 من حزمة uuv_descriptions وأطلق في Gazebo باستخدام ملف تنسيق وصف الروبوت الموحد (URDF) رقم5. تكون نموذج المركبة من وصلات ومفاصل، بكتلة جافة تبلغ 1,863 كجم وإزاحة حجمية 1.838 مترمكعب، مما يعادل الطفو شبه المحايد في المياه بكثافة 1,000 كجم/م3.
تم نمذجة التأثيرات الهيدروديناميكية باستخدام uuv_underwater_object_plugin، بما في ذلك قوى التخميد الخطية والتربيعية. تم تعيين معامل ارتفاع الكتلة المضاف إلى 779.79، وتم معايرة معاملات التخميد بناء على خصائص RexRov2 المبلغ عنها لمحاكاة حركة المركبة الواقعية19. يوضح الشكل 2 البنية العامة للمحاكاة.
الشكل 2: البنية العامة لبيئة المحاكاة. يوضح الشكل دمج نموذج الطائرات بدون مركبة، ومدخلات الحساسات، وأنابيب الإدراك، ووحدات التحكم المستخدمة لتقدير الوضعية والملاحة. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
3. الكاميرا، والعلامة، وإعداد البيئة
تم تثبيت كاميرا أحادية العين على إطار rexrov2/camera_link. تم ضبط معلمات الكاميرا على 1280 × 720 بكسل و30 هرتز. تم تعريف المعلمات الجوهرية في ملف تكوين الكاميرا ببعد بؤري 554.25 بكسل ونقطة رئيسية عند (640.5، 360.5).
تم وضع علامة ArUco عمودية ثابتة بطول جانبي 0.5 متر، تم اختيارها من قاموس 6×6_250 (المعرف: 582)، عند الإحداثيات (20.0، 0.0، -10.0). تم تكوين البيئة المحاكاة بعمق ماء 10 أمتار وسرعة تيار ثابتة 0.1 م/ث في اتجاه X باستخدام خدمة /uuv_simulation_app/set_current_velocity ROS. تم استخدام شدة ضوء 0.8 لضمان رؤية العلامات9. يوضح الشكل 3 البيئة تحت الماء المحاكاة.
الشكل 3: بيئة تحت الماء محاكاة في جازيبو 9. تشمل البيئة طائرة RexRov2 UUV، وعلامات ArUco الافتراضية، وظروف بيئية محكومة مثل عمق المياه والإضاءة والتيار. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
4. تقدير الوضعية والتحكم في الملاحة
تم تفعيل خط أنابيب اكتشاف العلامات باستخدام عقدة ArUco ROS، التي كانت مشتركة في موضوع /rexrov2/forward_camera/image_raw. تم تقدير وضعية المركبة باستخدام طريقة المنظور والنقطة (PnP) لحساب مصفوفة الدوران (R) ومتجه الترجمة (t) بالنسبة لهندسة العلامة ثلاثية الأبعاد المعروفة.
تم تحويل الوضعية المقدرة من إطار الكاميرا إلى إطار المرجع العالمي باستخدام ناشر تحويل ثابت. تم استخدام وحدة تحكم PID لتنظيم حركة المركبة عن طريق إرسال أوامر السرعة إلى موضوع /rexrov2/thruster_manager/input. تم تعيين المكاسب النسبية (Kp) لمحوري الزيادة والرفع على 1500 و2000 على التوالي، لضمان أداء تتبع مستقر20.
5. التقييم ومقارنة الحقيقة الأرضية
تم تقييم الاتفاق بين تقديرات الوضعية القائمة على الرؤية والمسار المحاكى باستخدام موضوع /rexrov2/pose_gt الذي توفره إضافة uuv_gazebo_ros_p3d. تمت مقارنة الوضعية المقدرة من خط الأنابيب القائم على ArUco مع بيانات المسافة الأرضية لتقييم استقرار النظام واتساقه.
تم إجراء التقييم من خلال مقارنة المسارات والتصوير اللحظي، حيث تم مراقبة الموقع (X، Y، Z) والاتجاه (الدوران، الميل، الانحراف) باستخدام Rviz و rqt_plot. مكن ذلك من ملاحظة الانحرافات تحت الظروف الاسمية والظروف الناتجة عن الاضطراب.
تركز الدراسة على التقييم النوعي والمقارن. يتم تحديد التقييم الكمي باستخدام متوسط التربيع الجذري (RMSE) كعمل مستقبلي، حيث سيتم استخدام عدة محاكاة لتقييم خطأ الموقع والتوجه.
6. توليد النتائج والتصور
تم استخدام Rviz كأداة تصوير ثلاثية الأبعاد لمراقبة مسار واتجاه الطائرة UUV. تم تصور إطارات الإحداثيات /rexrov2/camera_link و /aruco_marker_frame لتقييم العلاقة المكانية بين المركبة والعلامة2.
تم استخدام أداة rqt_plot لإنشاء مخططات لحظية لوضع المركبة (الدوران، الميل، الانحراف) باستخدام مواضيع /rexrov2/pose_gt و /aruco_pose. تم استخدام أمر سجل rosbag لالتقاط بيانات المحاكاة، بما في ذلك تدفقات الفيديو ومدخلات التحكم، للتحليل النوعي.
أجريت المحاكاة في ظروف بصرية مثالية، مع افتراض إضاءة جيدة وعكارة منخفضة. كان يعتقد أن علامة أروكو بقيت غير معوقة. تم نمذجة تأثيرات التخميد الهيدروديناميكية باستخدام معاملات مبسطة، ولم يتم تضمين ضوضاء المستشعرات.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
النتائج
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
تم استخدام بيئة تحت الماء محاكاة لتقييم النظام المقترح القائم على ROS–Gazebo باستخدام طائرة RexRov2 UUV. وفرت بيئة محاكاة الموجات (الشكل 3) بيئة ديناميكية لكنها محكومة لتقييم نظام تقدير الوضعية المعتمد على العلامات.
يوضح الشكل 4 العلاقة بين علامات ArUco المكتشفة والمسار الناتج لطائرة UUV. استند خط أنابيب الإدراك، المعتمد على اكتشاف علامات ArUco، نجح في اكتشاف وتتبع العلامات الائتمانية في الوقت الحقيقي...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المناقشة
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
تدعم الملاحظات العددية فعالية الإطار المقترح تحت ظروف محكمة. تشير التغيرات الصغيرة في الموقع (حوالي 10⁻2 متر) والاتجاه (حوالي 10⁻2 رادياتور) إلى تتبع الوضعية المستقرة. تظهر هذه النتائج أن علامات ArUco توفر مرجعا موثوقا لتحديد الموقع قصير المدى6. بالإضافة إلى ذلك، تتيح منصات المحاكاة توليد مجموعات بيانات متخصصة ل SLAM قوي، مما يدعم التوطين في البيئات التي قد لا تتوفر فيها علامات صناعية21.
كما...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
الإفصاحات
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
يعلن المؤلفون عدم وجود تضارب في المصالح فيما يتعلق بنشر هذا المقال.
مساهمة المؤلف:
قامت الدكتورة نيرمالاجيوثي نارسيتي بتصور الدراسة وطورت المنهجية. أنشأت الدكتورة سيريشا بوتلوري ونفذت نموذج المحاكاة. ساهم الدكتور ب. أورشانا في تفسير النتائج وقام بمراجعة وتحرير المخطوطة. ساهم الدكتور ديبناث بهاتاشاريا في تصميم التجارب، والمناقشات التقنية، وتحسين المنهجية، ومراجعة المخطوطات. قدم الدكتور تاي-هون كيم الإرشاد الأكاديمي العليا، والإشراف الفني، والدعم الاستشاري طوال فترة الدراسة. تم تنفيذ التطوير التقني العام وتحسين العمل البحثي تحت إشرافه. قرأ جميع المؤلفين النسخة النهائية من المخطوطة ووافقوا عليها.
شكر وتقدير
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
وقد تم دعم هذه الدراسة ماليا من جامعة تشونام الوطنية (رقم المنحة: 2026-1109-01).
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المواد
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| ArUco Marker Detection Library | OpenCV | N/A (open-source) | الكشف عن العلامات المرتكزة على الرؤية لتقدير الوضع |
| Gazebo Simulator | Open Robotics | N/A (open-source) | بيئة محاكاة ثلاثية الأبعاد لاختبار UUV |
| REXROV2 UUV Model | UUV Simulator Project | N/A (open-source) | نموذج UUV محدد مسبقًا يُستخدم في تجارب تقدير الوضع |
| Robot Operating System (ROS) | Open Robotics | N/A (open-source) | وساطة للتواصل والتحكم |
| RViz | Open Robotics | N/A (open-source) | أداة تصور لنموذج UUV وبيان المستشعر |
| Ubuntu Linux (20.04 LTS) | Canonical Ltd. | N/A | نظام تشغيل يدعم ROS وGazebo |
| UUV Simulator Package | Norwegian University of Science and Technology (NTNU) | N/A (open-source) | إطار محاكاة ROS-Gazebo تحت الماء |
إعادة الطباعة والأذونات
طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه
طلب إذن