Метод інтегрованого аналізу візуально-інерціальних даних мобільної робототехнічної системи
DOI:
https://doi.org/10.18372/1990-5548.89.21478Ключові слова:
мобільна робототехнічна система, візуально-інерційні дані, інтегрована обробка даних, об’єднання даних з різних датчиків, автономна навігація, оцінка стану, планування траєкторії, , модель обробки інформаціїАнотація
У статті представлено метод адаптивної інтегрованої обробки візуальних та інерціальних даних мобільних робототехнічних систем в умовах шумів сенсорних вимірювань і часової неузгодженості інформації. Метод поєднує прогнозування стану, моделювання сенсорних спостережень, оцінювання невизначеності та адаптивне зважування різнорідних вимірювань відповідно до їх поточної надійності. На відміну від об’єднання даних із фіксованими ваговими коефіцієнтами, запропонований підхід забезпечує динамічний перерозподіл внеску візуальних та інерціальних даних у процесі оцінювання стану. Результати імітаційного моделювання показали зменшення похибки позиціонування та підвищення стійкості оцінювання за умов деградації сенсорних даних і часових затримок. Метод може бути використаний у системах автономної навігації та позиціонування, що функціонують в умовах невизначеності.
Посилання
[1] S. O. Kashkevich, (Ed.) Decision support systems: mathematical support. Kharkiv: 2025. TECHNOLOGY CENTER PC. https://doi.org/10.15587/978-617-8360-13-9.
[2] K. A. Tamer, O. Sova, O. Shaposhnikova, V. Yashchenok, I. Stanovska, S. Shostak, O. Rudenko, S. Petruk, O. Matsyi, & S. Kashkevich, “Development of a solution search method using a combined bio-inspired algorithm,” Eastern-European Journal of Enterprise Technologies, 1(4/127), 6–13, 2024. https://doi.org/10.15587/1729-4061.2024.298205.
[3] B. A. Mohammed, I. Stanovska, S. Kashkevich, A. Lebedynskyi, Y. Vakulenko, N. Protas, O. Klyuchak, O. Lastivka, A. Semeniuk, and O. Kivshar, “Development of a methodological approach for assessing the condition of complex organizational and technical systems,” Eastern-European Journal of Enterprise Technologies, 2(3(134)), 47–53, 2025. https://doi.org/10.15587/1729-4061.2025.326468.
[4] S. Kashkevich, I. Dmytriiev, I. Shevchenko, O. Lytvynenko, L. Shabanova-Kushnarenko, and N. Apenko, “Scientific-method apparatus for improving the efficiency of information processing using artificial intelligence,” Information and control systems: modelling and optimizations: collective monograph. Kharkiv: Тесhnology Сеntеr PC, 2024, рр. 137–167. https://doi.org/10.15587/978-617-8360-04-7.ch5.
[5] M. S. Braik, “Chameleon swarm algorithm: a bio-inspired optimizer for solving engineering design problems,” Expert Systems with Applications, vol. 174, 114685, 2021. https://doi.org/10.1016/j.eswa.2021.114685
[6] S. Yakymiak, Y. Vdovytskyi, Y. Artabaiev, L. Degtyareva, Y. Vakulenko, S. Nevhad, V. Andronov, R. Lazuta, P. Shapoval, & Y. Artamonov, “Development of the solution search method using the population algorithm of global search optimization,” Eastern-European Journal of Enterprise Technologies, vol. 3, no. 4 (123), pp. 39–46, 2023. https://doi.org/10.15587/1729-4061.2023.281007.
[7] A. Zuev, D. Karaman, and A. Olshevskiy, “Wireless sensor synchronization method for monitoring short-term events”, Advanced Information Systems, vol. 7, no. 4, pp. 33–40, 2023. https://doi.org/10.20998/2522-9052.2023.4.04
[8] N. Kuchuk, S. Kashkevich, V. Radchenko, Y. Andrusenko, H. Kuchuk, “Applying edge computing in the execution IoT operative transactions,” Suchasni informatsiyni systemy, vol. 8, no. 4, pp. 59–79, 2024. https://doi.org/10.20998/2522-9052.2024.4.07.
[9] W. Hilal, S. A. Gadsden, and J. Yawney, “Fraud: A Review of Anomaly Detection Techniques and Recent Advances,” Expert Syst. Appl., 193, 116429, 2022. https://doi.org/10.1016/j.eswa.2021.116429
[10] X. Zhang, F. Guo, T. Chen, L. Pan, G. Beliakov, and J. Wu, “A Brief Survey of Machine Learning and Deep Learning Techniques for E-Commerce Research,” J. Theor. Appl. Electron. Commer. Res., 18, 2188–2216, 2023. https://doi.org/10.3390/jtaer18040110
[11] N. Baisholan, K. Baisholanova, K. Kubayev, Z. Alimzhanova, and N. Baimuldina, “Corporate Network Anomaly Detection Methodology Utilizing Machine Learning Algorithms,” Smart Sci., 12, 666–678, 2024. https://doi.org/10.1080/23080477.2024.2375457
[12] M. Ikermane, M. Mohy-eddine, and Y. Rachidi, “Credit Card Fraud Detection: Comparing Random Forest and XGBoost Models with Explainable AI Interpretations,” In Innovative Technologies on Electrical Power Systems for Smart Cities Infrastructure. ICESST 2024, 126–135. Aboudrar, I., Ilahi Bakhsh, F., Nayyar, A., Ouachtouk, I., Eds.; Sustainable Civil Infrastructures; Springer: Cham, Switzerland, 2025. https://doi.org/10.1007/978-3-031-86705-7_12
[13] I. Achituve, S. Kraus, and J. Goldberger, “Interpretable Online Banking Fraud Detection Based on Hierarchical Attention Mechanism,” In Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Barcelona, Spain, 4–8 May 2020, pp. 1–9.
[14] S. O. Hnatyuk, R. Sh. Berdybayev, V. M. Sydorenko, O. K. Zhigarevych, & T. V. Smirnova, “Event correlation and cybersecurity incident management system at critical infrastructure facilities,” Cybersecurity: Education, Science, Technology, 3(19), 176–196, 2023. https://doi.org/10.28925/2663-4023.2023.19.176196
[15] V. Sydorenko, S. Gnatyuk, A. Tolbatov, A. Fesenko, Y. Yevchenko, & Y. Sotnichenko, “Experimental FMECA-based assessment of the critical information infrastructure importance in aviation,” CEUR Workshop Proceedings, 2732, 2020, 136–156. https://doi.org/10.55056/ceur-ws.org/Vol-2732/ 20200136.pdf
[16] M. J. A. Alkhafaji, S. Kashkevich, A. Shyshatskyi, Sova, O., Nalapko, O., Buyalo, O., Yula, O., Shaposhnikova, O., Matsyi, O., Dvorskyi, M. (2024). Development of a method for managing a group of unmanned aerial vehicles using a population algorithm. Eastern-European Journal of Enterprise Technologies, 6 (9 (132)), 108–116. https://doi.org/10.15587/1729-4061.2024.318600
[17] A. E. Qoussini, Y. I. Daradkeh, S. M. Al Tabib, S. Gnatyuk, T. Okhrimenko and V. Kinzeryavyy, “Improved Model of Quantum Deterministic Protocol Implementation in Channel with Noise,” 2019 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems:Technology and Applications (IDAACS), Metz, France, 2019, pp. 572–578, https://doi.org/10.1109/IDAACS.2019.8924287
[18] O. Turovsky, Y. Khlaponin, M. Mohamed, T. Okhrimenko, I. Goncharenko, & M. Iavich, (2020). Combined System of Phase Synchronization with Increased Astatism order in Frequency Monitoring Mode. International Workshop on Control, Optimisation and Analytical Processing of Social Networks.
Downloads
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Світлана Олександрівна Кашкевич , Сергій Валерійович Подельський
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Науковий журнал "Електроніка та системи управління" дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.
Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).
Авторські права
Автори, які публікують свої роботи в журналі ""Електроніка та системи управління":
-
зберігають за собою авторські права на свої публікації;
-
надають журналу право на перше опублікування статті;
-
погоджуються на поширення матеріалів за ліцензією CC BY 4.0;
-
мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.
