Ставропольские учёные запатентовали алгоритм для точного зрения беспилотников на бездорожье

В Северо-Кавказском федеральном университете разработали и запатентовали способ адаптивной компенсации движения бортовых сенсоров транспортного средства. Решение позволяет беспилотному автомобилю сохранять точную картину дорожной поверхности даже в условиях бездорожья.

На неровной трассе колебания кузова смешиваются с реальным рельефом дороги, из-за чего бортовому компьютеру сложно отличить настоящую яму от тряски, возникающей при проезде препятствий. Алгоритм математически вычисляет тряску, крен и тангаж кузова из данных сенсоров, оставляя чистую картину дорожного покрытия. Это важно для построения точного 3D-профиля дороги и безопасного управления.

Главное отличие разработки от зарубежных аналогов — динамическое доверие. Разработчики связали физическую модель подвески с метриками уверенности нейросетей. Если компьютерное зрение фиксирует нечёткость изображения или семантическая сегментация дороги начинает давать сбои, фильтр Калмана автоматически снижает вес оптических данных и переключается на инерциальные датчики. Машина начинает чувствовать дорогу физически, пока изображение не восстановится. Кроме того, алгоритм хранит и учитывает параметры движения в предыдущие моменты времени. Это позволяет математически строго возвращать данные камеры в нужную временную точку внутри одного цикла вычислений без внешней буферизации. Система работает быстрее и точнее.

Как отмечают исследователи, в известных зарубежных патентах сглаживающий фильтр настроен статично, что становится проблемой в плохих погодных условиях. Патент СКФУ стал связующим звеном между двумя крупными грантами Российского научного фонда. В рамках завершённого проекта «Высокоскоростная и экономичная вероятностная фильтрация видеоданных беспилотного транспорта» были заложены математические основы быстрой обработки видеопотока. Сейчас в университете исполняется новый грант РНФ «Разработка энергоэффективных краевых нейро-гибридных архитектур для систем беспилотного транспорта», и запатентованный алгоритм ложится в его концепцию: он объединяет тяжёлые нейросетевые вычисления с лёгкими физическими моделями прямо на борту, не перегружая процессор и экономя энергию.

«Этот патент — важный результат между двумя крупными проектами РНФ, которые мы ведём в университете. Он логически продолжает нашу работу, но уже с фокусом на железо и сенсоры, позволяя объединять тяжёлые нейросетевые вычисления — семантическую сегментацию — с лёгкими физическими моделями прямо на борту, не перегружая процессор и экономя энергию», — подчеркнула ведущий научный сотрудник департамента науки СКФУ, доцент кафедры математического моделирования факультета математики и компьютерных наук имени профессора Н. И. Червякова, кандидат технических наук Диана Калита.

На практике решение адресовано разработчикам систем автономного вождения, адаптивного круиз-контроля и активной безопасности (ADAS), пояснили в пресс-службе СКФУ.