| DC Field | Value | Language |
|---|
| dc.contributor.author | Го, Ц. | - |
| dc.contributor.author | Зорько, М. И. | - |
| dc.contributor.author | Литвинов, С. В. | - |
| dc.contributor.author | Цветков, В. Ю. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-08-24T11:58:47Z | - |
| dc.date.available | 2026-08-24T11:58:47Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Модель определения дистанции до объекта в квазистационарной многороботной системе без одометрии на основе согласованной триангуляции = / Ц. Го, М. И. Зорько, С. В. Литвинов, В. Ю. Цветков // Технологии передачи и обработки информации : материалы Международного научно-технического семинара, Минск, апрель 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Ю. Цветков [и др.]. – Минск, 2026. – С. 66–79. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/65602 | - |
| dc.description.abstract | Рассматриваются модели определения дистанции до объекта окружения одним
роботом и в децентрализованной самоорганизующейся видео-центрической многороботной
системе многороботной системе без одометрии (POM-MRS), функционирующей в
квазистационарном режиме. Для повышения точности определения дистанции до объекта
окружения в POM-MRS разработана модель на основе локальной согласованной
триангуляции с аналитической оценкой ошибок измерений и протокольно-геометрической
верификацией гипотез о детектировании агентов, описывающая базовые функции,
позволяющие построить общий алгоритм определения дистанции: определение
распределенного стереобазиса; вычисление дистанции до объекта окружения; локальная
согласованная триангуляция, включающая выбор опорного агента (статическая оптимизация
локального распределенного стереобазиса) и управляемое перемещение опорного агента
(динамическая оптимизация распределенного стереобазиса); локальная визуально
протокольная идентификация агентов на основе протокольно-геометрической верификации
гипотез об их детектировании. Показано, что предложенная модель, позволяет уменьшить
ошибки определения дистанции до объекта окружения по сравнению с однороботными
моделями на основе одометрии различного вида и известными моделями POM-MRS с
комплексным нейросетевым детектированием агентов. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | многороботные системы | en_US |
| dc.subject | опорные агенты | en_US |
| dc.subject | однороботные модели | en_US |
| dc.title | Модель определения дистанции до объекта в квазистационарной многороботной системе без одометрии на основе согласованной триангуляции | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article considers models for determining the distance to an environmental object by
a single robot and in a decentralized self-organizing video-centric multi-robot system without
odometry (POM-MRS) – operating in a quasi-stationary mode. To improve the accuracy of
determining the distance to an environmental object in POM-MRS, a model has been developed
based on local consistent triangulation with an analytical assessment of measurement errors and
protocol-geometric verification of hypotheses about agent detection. The model describes the basic
functions that make it possible to construct a general algorithm for determining the distance:
determination of a distributed stereo basis; calculation of the distance to an environmental object;
local consistent triangulation, including the selection of a reference agent (static optimization of the
local distributed stereo basis) and controlled movement of the reference agent (dynamic optimization
of the distributed stereo basis); local visual-protocol identification of agents based on protocol
geometric verification of hypotheses about their detection. It is shown that the proposed model
allows to reduce errors in determining the distance to the surrounding object in comparison with
single-robot models based on various types of odometry and well-known POM-MRS models with
complex neural network detection of agents. | - |
| Appears in Collections: | Технологии передачи и обработки информации : материалы Международного научно-технического семинара (2026)
|
