Sensor data integration algorithm for state estimation of autonomous robots in an intelligent transport system

Cover Page

Cite item

Full Text

Abstract

This paper deals with the development and experimental testing of a sensor data integration algorithm for estimating the state of autonomous objects in intelligent transport systems (ITS). The main attention is paid to ensuring accuracy and reliability of navigation in complex and dynamically changing conditions of urban environment, where traditional navigation methods, such as GPS, may be insufficiently effective. The proposed algorithm combines data from different sensors (LIDAR, cameras, inertial sensors, GPS) and ITS elements to provide accurate position and trajectory estimation of autonomous systems. Experimental results obtained in simulation and field tests confirmed high accuracy and adaptability of the algorithm, which makes it promising for application in autonomous vehicles. The paper also discusses the possibilities of further development of machine learning algorithms and data protection methods to improve the efficiency and safety of navigation systems in ITS.

About the authors

Peter Mikhaylovich Trefilov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: petertrfi@ipu.ru
Moscow

References

  1. ЖАРКО Е.Ф., ПРОМЫСЛОВ В.Г., ИСХАКОВ А.Ю. и др. Кибербезопасность беспилотных транспортных средств. Архитектура. Методы проектирования. – М.: Радиотехника, 2021. – 160 с.
  2. ROMANOVA M.A., GALIN R.R., TREFILOV P.M. Applica-tion of IoT technologies for automation of management in agriculture // IOP Conference Series: Earth and Environmen-tal Science. – Krasnoyarsk: IOP Publishing Ltd, 2019. – Vol. 315. – DOI: https://iopscience.iop.org/article/10.1088/1755-1315/315/3/032032/pdf.
  3. ABDI B., AL HAGE J., EL BADAOUI EL NAJJAR M. et al. Multi-Robot Autonomous Navigation System Using Informa-tional Fault Tolerant Multi-Sensor Fusion with Robust Closed Loop Sliding Mode Control // 21st International Con-ference on Information Fusion (FUSION) – 2018. – P. 2258–2265 – doi: 10.23919/ICIF.2018.8455787.
  4. BASHAR Md. S., ASHIKUZZAMAN A.K.M., RAFID M. et al. Recent Advancements in Visual-Inertial Simultaneous Localization and Mapping (VIO-SLAM) for Autonomous Ve-hicles: A Review // Int. Journal of Engineering Research & Technology (IJERT). – May, 2023. – Vol. 12, Iss. 05. – P. 280–284.
  5. DURRANT-WHYTE H., BAILEY T. Simultaneous Localiza-tion and Mapping: Part I // IEEE Robotics & Automation Magazine. – 2006. – Vol. 13, No. 2. – P. 99–110. – doi: 10.1109/MRA.2006.1638022.
  6. GOSMAN C., DOBRE C., POP F. Privacy-Preserving Data Aggregation in Intelligent Transportation Systems // IFIP/IEEE Symposium on Integrated Network and Service Management (IM-2017), Lisbon, Portugal, 2017. – P. 1059–1064. – doi: 10.23919/INM.2017.7987438.
  7. KALMAN R. A New Approach to Linear Filtering and Pre-diction Problems // Journal of Basic Engineering. – 1960. – P. 35–45.
  8. KENDALL A., GRIMES M. End-to-End Learning of Geome-try and Context for Deep Stereo Regression // IEEE Trans. on Pattern Analysis and Machine Intelligence. – 2017. – P. 678–692.
  9. LABBE M., MICHAUD F. RTAB-Map as an Open-Source Lidar and Visual SLAM Library for Large-Scale and Long-Term Online Operation // Journal of Field Robotics. – 2021. – Vol. 36, No. 3. – P. 545–564.
  10. MADAAN G., KUMAR A., BHUSHAN B. Blockchain As-sisted Secure Data Sharing in Intelligent Transportation Sys-tems // Smart and Sustainable Approaches for Optimizing Performance of Wireless Networks – 2022. – P. 1834–1843.
  11. MARTI E., GARCIA J., MOLINA J. Opportunistic Multi-Sensor Fusion for Robust Navigation in Smart Environments // User-Centric Technologies and Applications – 2011. – Vol. 94. – P. 1–10.
  12. SHLADOVER S., RIZZETTO C. Automated Vehicles and the Smart Transportation System // IEEE Trans. on Intelligent Transportation Systems. – 2013. – P. 23–33.
  13. THRUN S. Probabilistic Robotics. – MIT Press, 2005. – P. 45–78.
  14. XIAO J., LIU Y., ZOU Y. et al. An Efficient Elliptic Curve Cryptography-Based Secure Communication with Privacy Preserving for Autonomous Vehicle // Journal of Advanced Transportation. – 2024. – Vol. 2024, No. 5808088. – P. 1–10. – doi: 10.1155/2024/5808088.
  15. XU M., CHEN S., HUANG S. et al. Invariant EKF Based 3D Active SLAM with Exploration Task. // Springer Nature – 2022. – P. 1–14.
  16. BITHAS P. Special Issue "Challenges in V2X Communica-tions for Cooperative Autonomous Driving." //Signal Pro-cessing – 2019. – P. 1–5.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


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».