Первый отчёт по проектной деятельности

Участники:

  • Васясин Дмитрий
  • Максим Гнатив
  • Постников Алексей
  • Даниил Корецкий
  • Савелий Потоцкий
  • Евгений Фирстов

12 октября мы встретились с куратором проекта. Мы получили список необходимого ПО для ознакомления с темой проекта. Также куратор предоставил нам видеоматериалы для лучшего понимания задачи проекта, и мы обговорили проблемы, с которыми мы можем столкнуться при разработке. После мы начали изучение библиотеки, необходимой для нашего проекта (openframeworks).

Наш путеводитель проводит анализ человека по информации, полученной с его страницы в соц. сети «ВКонтакте» путём парсингаличных данных и определения ключевых слов. Полученные данные обрабатываются в нейронной сети и мы получаем информацию об увлечениях человека в процентном отношении по ключевым словам. На основе полученных увлечениях, используя API сервиса «Яндекс.Карты», определяются наиболее подходящие события вокруг геопозиции пользователя.

Участники: 

  • ФО-260002 Сергеев В.
  • ФО-260002 Зотов А.
  • ФО-260002 Книга С

Прикрепленные первокурсники:

  • РИ-170012 Трушов К.
  • РИ-170012 Донов Д.

Была определена новая тема проекта, утверждена, продумана структура программы, детали ее реализации.

Наш путеводитель проводит анализ человека по информации, полученной с его страницы в соц. сети «ВКонтакте» путём парсинга личных данных и определения ключевых слов.

Полученные данные обрабатываются в нейронной сети и мы получаем информацию об увлечениях человека в процентном отношении по ключевым словам.

На основе полученных увлечениях, используя API сервиса «Яндекс.Карты», определяются наиболее подходящие события вокруг геопозиции пользователя.

Программа представляет собой приложение ВКонтакте.

Используемые API:

  • Яндекс.карты
  • Actionlist
  • VK

(Структура программы)

(Часть UML схемы интерфейсов программы)

Прогресс по проекту «Алгоритм одновременного позиционирования и картографирования для наземного робота (SLAM)» (16.10.2017 - 22.10.2017)

Прогресс по проекту «Алгоритм одновременного позиционирования и картографирования для наземного робота (SLAM)» (16.10.2017 - 22.10.2017)

Участники:

  • Клещев Алексей
  • Галембо Егор
  • Кирьянов Данил

Поставленные задачи в период с 16.10.2017 по 22.10.2017:

  • Проанализировать недостатки реализации SLAM и выбрать метод.

ORB­SLAM является универсальным и довольно точным решением задачи Monocular SLAM. Система способна в реальном времени вычислять траекторию камеры и строить разреженную трёхмерную реконструкцию сцен самых разных размеров: от рабочего стола до нескольких городских кварталов.

Недостаток – недоступность камеры.

DP­SLAM – реализация, использующая показания лазерного дальномера и фильтр частиц для хранения гипотез о положении робота и конфигурации окружающей его сцены.

Недостаток – необходимость в точных датчиках.

Grid Maps – подход, описывающий средства хранения и обновления информации о сцене, окружающей робота.

Недостатки – несоответствие действительности (незначительное).

В ходе активных дискуссий был выбран GridMaps. Основными его преимуществами стали:

  • Сцена представляется как набор клеток, каждая из которых соответствует небольшому участку пространства. Это и обеспечивает относительную невосприимчивость алгоритма к небольшим погрешностям замеров.
  • Каждая клетка либо полностью занята, либо полностью свободна.
  • Реализация не очень затратна по памяти
  • Не важно, откуда поступает информация об окружающем мире и каким образом она была получена, что обеспечивает модульность системы.
  • Возможна работа с неточными датчиками.
  • Позволяет реализовать алгоритм, не использующий операции деления нецелых чисел.
Второй отчёт по проекту

Участники:

  • Касимов Нур
  • Павел Овечкин
  • Екатерина Букина

Поставленные задачи в период с 16.10.17 по 22.10.17:

  • Определить модель проекта
  • Разобраться и наладить работу с базой данных
  • Разработка нейронной сети

Поставленные задачи были достигнуты, разработка нейронной сети продолжается.

Основная модель проекта

Проект будет состоять из двух основных частей: сервера анализатора и веб-сайта.

Веб-сайт будет отвечать только за визуализацию результатов анализа и разграничением доступа к этим данным.
Основная работа над проектом будет происходить на анализирующей части - главном сервере проекта.

Примерная модель анализирующей части проекта

При дальнейшей разработке будем только придерживаться этой модели  и при необходимости будем вносить изменения в ходе работы.

Прогресс по проекту "Разработка модели движения гусеничного робота и реализация алгоритма управления" (16.10.2017 - 22.10.2017)

Участники:

  • Тростницкий Сергей
  • Ивачевский Иван
  • Волкова Виктория

Задачи:

  • Изучить документацию текущего алгоритма движения
  • Изучить работу регуляторов
  • Дописать П- и ПД-регуляторы
  • Написать ПИД-регулятор

В ходе изучения документации и алгоритма движения было выяснено, что робот двигается по релейному регулятору. Также в коде присутствуют недоработанные П- и ПД- регуляторы.

Была изучена работа П-, ПД- и ПИД-регуляторов.

Было выяснено, что ПИД-регулятор самый плавный. На графике:

  • Вариант 1 - ПИД-регулятор
  • Вариант 2 - ПД-регулятор
  • Вариант 3 - П-регулятор
  • «Ожидаемое» – это то, что мы хотим получить.

Были дописаны П- и ПД-регуляторы, а также был написан ПИД-регулятор. 

ПИД-регулятор вычисляет управляющую воздействия по следующей формуле:

Где 

  • u (t) — управляющая воздействия
  • P — пропорциональная составляющая
  • I — интегральная составляющая
  • D — дифференциальная составляющая
  • e (t) – текущее отклонение от цели (текущая ошибка)
  • Kp — пропорциональный коэффициент
  • Ki — интегральный коэффициент
  • Kd — дифференциальный коэффициент

Реализуется это в коде следующим способом:

P = Kp * err;
I = I_old + Ki * err;
D = Kd * (errerr_old};
u = P + I + D;

Прогресс по проекту «Интерактивное расписание»

Команда:

  1. Шаповалов Андрей, ФО-260003.
  2. Елизаров Кирилл, ФО-260003.

Что мы делаем:

Мы создаем приложение для хранения школьного расписания в удобном виде на электронных устройствах.

  • Требуется реализовать 2 части приложения
    • Приложение для интерактивной доски, на котором быдет выводиться расписание для учеников
    • Инструмент для составления расписания
  • Данные нужно хранить на сервере (можно и локальном), для обеспечения синхронизации доски и базы данных
  • Реализовать базу данных с расписанием

Зачем мы это делаем:

Многие школы уже имеют в своем распоряжении интерактивные доски, их можно успешно применять для показа расписания вместо того, чтобы печатать каждый раз на бумаге новое расписание

Приложение будет реализованно на WPF, данные будут храниться на SQL server Express, администрирование БД планирутеся на WEB.

Прототип обговорен с кураторм. Ведется работа по разработке интерфейса программы и составление полноценной БД (создана тестовая, для проверки корректности извлечения данных).

Участники: Никита Лебедев Юрий Меньшиков Максим Наговицин Андрей Костюченко Первокурсники: Елизаров Сергей

Выполненные задачи:
Прочитана книга "Создай свою нейросеть" Тарик Рашид

Найдены фреймворки для работы с нейросетями на python (Tensorflow, Keras, Theano)

Разработаны и обучены две тестовые нейросети: 1. Распознает рукописные цифры 2. Классифицирует объекты на фото

Разработан макет пользовательского интерфейса

Выбран VPS хостинг для проекта (Digital ocean)

Прогресс по проекту «Алгоритм одновременного позиционирования и картографирования для наземного робота (SLAM)» (09.10.2017 - 15.10.2017)

Участники:

  • Клещев Алексей
  • Галембо Егор
  • Кирьянов Данил

Поставленные задачи в период с 09.10.2017 по 15.10.2017:

  1. Найти узел SLAM отвечающий за построение карты в роботе, на wiki
  2. Разобраться в устройстве получения показаний с lidar’а
  3. Разобраться в технологии определения препятствий (метод нахождения разрывов)
  • 1. После продолжительных поисков каталогов в файловой системе робота, было установлено, что исходные файлы хранящиеся на роботе не пригодны для дальнейшей разработки. Это послужило причиной поиска исходников в интернете. Источником стал http://wiki.ros.org. На нем был найден архив со всей документацией и исходниками.

  • 2. Устройство получения показаний с лидара происходит следующим образом: световой импульс, а затем и его отражения проходят через оптический элемент. Отраженный импульс принимается фотодиодом, где преобразуется в электрический сигнал. Далее сигнал усиливается усилителем, преобразуется в «цифру» с помощью АЦП (аналого-цифрового преобразователя), а затем обрабатывается микропроцессором.

  • 3. Поиск разрыва - алгоритм, который ищет первое препятствие по следующему принципу: просматриваются элементы массива, заполненные информацией об удаленности препятствия от робота, пока не встретился первый разрыв или пока не изучили все 360 элементов. (Под разрывом подразумевается существенная разница между соседними элементами массива). Если текущий элемент и следующий примерно совпадают по значению, то это одно препятствие и разрыва нет. Иначе найден разрыв и нужно запомнить, где закончилось первое препятствие, и продолжить поиск.
Прогресс по проекту «Алгоритм одновременного позиционирования и картографирования для наземного робота (SLAM)» (2.10.2017 - 08.10.2017)

Презентация


Участники:

  • Клещев Алексей
  • Галембо Егор
  • Кирьянов Данил

Поставленные задачи в период с 02.10.2017 по 08.10.2017:

  1. Научиться работать с роботом // первый запуск
  2. Получить доступ к каталогам в роботе с помощью клиента putty и утилиты psftp
  3. Рассмотреть существующие способы реализации SLAM
  4. Изучение теоретического материала полученного от второго курса

В результате были выполнены все поставленные задачи в период с 02.10.2017 по 08.10.2017:

1.

При первом запуске были наглядно рассмотрены возможности робота, было уделено особое внимание RPLidar (далее Лидар).

Лидар способен сканировать окружающее пространство с частотой 5.5 Гц в угловом охвате 360 градусов на расстоянии до 6 метров. Он создает 2D облако точек, так называемый плоский срез. Каждая точка облака имеет точные координаты относительно системы координат лазера.

2.Так как ROS работает только на Unix-платформах, то для подключения к нему используется клиент PuTTY. Клиент позволяет подключиться и управлять удаленным узлом (например, сервером). В PuTTY реализована только клиентская сторона соединения — сторона отображения, в то время как сама работа выполняется на стороне сервера.

У клиента PuTTY есть утилита PSFTP, предназначенная для работы с файлами. С помощью нее возможно извлечение исходников с робота, для редактирования, так как редактировать в PuTTY непродуктивно и неприятно для глаз. 

Разница значительна

3.

Метод МонтеКарло — рекурсивный алгоритм для численного решения проблем оценивания (фильтрации, сглаживания), особенно для нелинейных случаев. Метод заключается в том, что в фильтре поддерживается множество гипотез о текущем положении робота. В начальный момент генерируется случайный набор гипотез. В ходе работы алгоритма некоторые из них будут отсеиваться из-за несоответствия вторичным признакам системы, которые могут быть измерены более точно. После завершения цикла сканирования выбирается наиболее вероятная из оставшихся в фильтре гипотез – она будет искомой картой, на которой к тому же будет отмечена траектория движения исполнителя.

Метод отжига (метод симуляции отжига, simulated annealing) – 10 это техника оптимизации, использующая упорядоченный случайный поиск. Одним из главных преимуществ этой методики является то, что в условиях нехватки вычислительных ресурсов метод отжига и его модификации, выдает решение, очень близкое к одному из локальных экстремумов.

  • DPSLAM – реализация, использующая показания лазерного дальномера и фильтр частиц для хранения гипотез о положении робота и конфигурации окружающей его сцены.
  • Grid Maps – подход, описывающий средства 8 хранения и обновления информации о сцене, окружающей робота. Эта методика имеет ряд полезных свойств, благодаря которым она отлично подходит для решения поставленной задачи:

1. Сцена представляется как набор клеток, каждая из которых соответствует небольшому участку пространства. Это и обеспечивает относительную невосприимчивость алгоритма к небольшим погрешностям замеров.

2. Каждая клетка либо полностью занята, либо полностью свободна.

3. Реализация не очень затратна по памяти.

4. Не важно, откуда поступает информация об окружающем мире и каким образом она была получена, что обеспечивает модульность системы.

  • ORB SLAM является универсальным и довольно точным решением задачи
    3D. Monocular SLAM - система способна в реальном времени вычислять траекторию камеры и строить разреженную трёхмерную реконструкцию сцен самых разных размеров: от рабочего стола до нескольких городских кварталов. Система отлично справляется с восстановлением довольно беспорядочных траекторий, в ней также реализованы некоторые дополнительные эвристические методы для замыкания объёмных циклов.

4 Был прочитан отчет «Разработка и реализация алгоритма обнаружения и остановки наземного робота перед внезапно возникшим препятствием» предоставленный второкурсниками.

Глоссарий

  • Каталог — объект в файловой системе, упрощающий организацию файлов.
  • Лидар как прибор представляет собой активный дальномер оптического диапазона
  • PuTTY — свободно распространяемый клиент для различных протоколов удалённого доступа.
  • Сцена – поле, на котором определяется положение робота.

Прогресс по проекту "Разработка модели движения гусеничного робота и реализация алгоритма управления" (9.10.2017 - 15.10.2017)

Участники:

  • Тростницкий Сергей
  • Ивачевский Иван
  • Волкова Виктория
  • Ананьин Павел

Задачи:

  • Развернуть OS Ubuntu 16.04 на виртуальной машине (VMware Workstation)
  • Развернуть Framework ROS (Robot Operating System) на ранее установленной Ubuntu
  • Запустить TurtleSim в ROS

В результате были выполнены все поставленные задачи.

Скриншоты:

Объявления
Начинается проектный практикум для студентов УрФУ

проектный практикум 2 курса

проектный практикум 3 курса

проектный практикум 4 курса

Молодежный космический форум - 2018 (V Семихатовские чтения)О Форуме-2018 Новое

Школа наставников - 2018 “Как создать проект в новом технологическом укладе” )Актуальное

Партнеры:

ИнФО УрФУ - Генеральный партнер в проведении проектной практики в июне-июле 2017 года

Роботология - Российское оборудование для программирования и конструирования роботов

Уральский клуб нового образования - общественная организация, которая разрабатывает и реализует социально-образовательные проекты

Архив событий:

Проектная практика для студентов Института фундаментального образования УрФУСобытие

Молодежный космический форум - 2017 (Четвертые Семихатовские чтения)Конкурс

Выбор темы работы для участия в IV Семихатовских чтенияхО Форуме-2017

Подписка на новости
Контакты

Адрес: г. Екатеринбург, ул. Мамина-Сибиряка 145, к. 1119 (на карте)

Тел.: +7 (343) 355-93-88

info@cosmoport.club