Features of constructing a smoothed trajectory in the presence of a large number of trajectory points

Cover Page

Cite item

Full Text

Abstract

The article presents a method for smoothing the trajectory obtained using high-frequency data on the movement of motor vehicles over rough terrain in order to improve the accuracy and smoothness of trajectories in the presence of noise. The main attention is paid to the features of the application of quintic B-splines, which provide a high degree of smoothness in describing the trajectory and preliminary data filtering. The article consistently describes the technical and mathematical difficulties that arise when implementing the algorithm on real data, and suggests methods for overcoming them. One of such methods is filtering outliers to eliminate sharp deviations from the original trajectory using a digital Butterworth filter. Various approaches for working with a large number of trajectory points are considered and tested, including splitting the data into separate overlapping windows with their sequential stitching, which significantly improves the performance of the algorithm. To optimize the calculations, it is also proposed to use sparse matrices that effectively work with large amounts of data and occupy significantly less computer memory compared to traditional ones. The effectiveness of the proposed approach is confirmed by examples where smoothed trajectories obtained from noisy data are visualized.

About the authors

Maxim Igorevich Makarov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: maxim.i.makarov@gmail.com
Moscow

Yuriy Viktorovich Morozov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: tot1983@ipu.ru
Moscow

References

  1. ГИЛИМЬЯНОВ Р.Ф., ПЕСТЕРЕВ А.В., РАПОПОРТ Л.Б.Сглаживание кривизны траекторий, построенных по за-шумленным измерениям в задачах планирования пути дляколесных роботов // Известия РАН. Теория и системыуправления. – 2008. –№5. – С. 148–156.
  2. ГИЛИМЬЯНОВ Р.Ф., РАПОПОРТ Л.Б. Метод деформациипути в задачах планирования движения роботов при нали-чии препятствий // Проблемы управления. – 2012. – №1. –С. 70–76.
  3. МАКАРОВ М.И. Алгоритм локального планирования путидля объезда препятствий в путевых координатах // Про-блемы управления. – 2024. – №3. – С. 66–72.
  4. МОРОЗОВ Ю.В., КОРГИН Н.А. Особенности использова-ния ГНСС rtk и imu на электрическом снегоходе одноко-лейной компоновки при движении по не жесткой поверх-ности // Сборник материалов XVIII Всероссийской научно-практической конференции «Перспективные системы и за-дачи управления». – Таганрог: 2023. – С. 112–118.
  5. РОМАНЮК Ю.А. Основы цифровой обработки сигналов.Учебное пособие. Часть 1. – М., 2007г.
  6. FU-CHUNG W., SCHOFIELD S., WRIGHT P. A Real TimeQuintic Spline Interpolator for an Open Architecture MachineTool // ASME Int. Mechanical Engineering Congress andExposition. – 1996. – P. 291–298.
  7. GILIMYANOV R.F., RAPOPORT L.B. Path DeformationMethod for Robot Motion Planning Problems in the Presenceof Obstacles // Autom. Remote Control. – 2013. – Vol. 74,No. 12. – P. 70–76.
  8. LEICK A., RAPOPORT L., TATARNIKOV D. GPS SatelliteSurveying. – New York: John Wiley & Sons, 2015.
  9. JIN J., TANG L. Coverage path planning on three-dimensionalterrain for arable farming // J. F. Robot. – 2011. – Vol. 28,No. 3. – P. 424–440.
  10. MOROZOV Y. B-slines Trajectory Planning for QuadrotorFlight // V Int. Conf. on Optimization Methods andApplications OPTIMIZATION AND APPLICATIONS(OPTIMA-2014), Petrova, Montenegro, 2014. – P. 138–139.
  11. MOHAMED R., AHMED O., AMIRA Y.H. et al. Path planningalgorithms in the autonomous driving system: A comprehensivereview // Robotics and Autonomous Systems. – 2024. –Vol. 174. – P. 104630.
  12. PADOKHIN A.M., MYLNIKOVA A.A.,YASYUKEVICH YU.V. et al. Galileo E5 AltBOC Signals:Application for Single-Frequency Total Electron ContentEstimations // Remote Sensing. – 2021. – Vol. 13, Iss. 19. –P. 3973 (1–14).
  13. RAPOPORT L., MOGILNITSKY V., ASHJAEE J. Octopus:Four-antennae RTK System and New Attitude DeterminationTechnique // Proc. 14th Int. Technical Meeting of the SatelliteDivision of The Institute of Navigation (ION GPS 2001), SaltLake City, UT, September 2001. – P. 2972–2979.
  14. TORMAGOV T.A. Path Deformation Method with Constraintson Normal Curvature for Wheeled Robots in PrecisionAgriculture Based on Second-Order Cone Programming //Autom. Remote Control. – 2024. – Vol. 85. – P. 123–131.
  15. TORMAGOV T., RAPOPORT L. Coverage Path Planningfor 3D Terrain with Constraints on Trajectory CurvatureBased on Second-Order Cone Programming // In: Advancesin Optimization and Applications / Eds.: N.N. Olenev et al. –Cham: Springer International Publishing, 2021. – P. 258–272.
  16. TORMAGOV T.A., GENERALOV A.A., SHAVIN M.Y. et al.Motion Control of Autonomous Wheeled Robots in PrecisionAgriculture // Gyroscopy Navig. – 2022. – Vol. 13, No. 1. –P. 23–35.
  17. TORMAGOV T., RAPOPORT L. Coverage Path Planningfor 3D Terrain with Constraints on Trajectory CurvatureBased on Second-Order Cone Programming // In: Advancesin Optimization and Applications / Eds.: N.N. Olenev et al. –Cham: Springer International Publishing, 2021. – P. 258–272.
  18. HAMEED I.A., LA COUR-HARBO A., OSEN O.L. Side-to-side 3D coverage path planning approach for agriculturalrobots to minimize skip/overlap areas between swaths // Rob.Auton. Syst. Elsevier. – 2016. – Vol. 76. – P. 36–45.
  19. XIWEN G., ZHOU F., QUNJING W. et al. Smooth Planning forManipulator with Multi-dimensional Actuator based on QuinticB-spline // Electrotehnica, Electronica, Automatica. – 2022. –Vol. 70. – P. 20–29.
  20. YAN D., WU T., LIU Y. et al. An efficient sparse-dense matrixmultiplication on a multicore system // IEEE 17th Int. Conf. onCommunication Technology (ICCT), Chengdu, China, 2017. –P. 1880–1883.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».