Abstract
<jats:p>У статті представлено результати дослідження, спрямованого на розроблення та обґрунтування методу інтелектуального планування руху колаборативного мобільного робота в динамічному середовищі на основі алгоритму VFH+ із семантичним зважуванням даних LiDAR та відеокамери. Метою роботи є підвищення безпечності, передбачуваності та адаптивності руху мобільної роботизованої платформи за наявності статичних і динамічних перешкод шляхом інтеграції геометричної інформації про оточення з контекстною оцінкою ризику. Об’єктом дослідження є процес планування та реалізації траєкторії переміщення колаборативного мобільного робота в структурованому робочому просторі з елементами динаміки, характерними для HRC- сценаріїв. Предмет дослідження становлять математичні моделі та алгоритмічні процедури формування керуючих впливів на основі полярної гістограми перешкод, доповненої семантичною оцінкою небезпеки об’єктів, що виявляються засобами комп’ютерного зору. У роботі застосовано кінематичну модель диференціального приводу, метод побудови полярної сітки перешкод за даними LiDAR, формування та згладжування гістограми VFH+, бінаризацію секторів і виділення допустимих напрямків руху, а також багатокритеріальний вибір оптимального сектора з урахуванням цілеспрямованості, плавності та рівня ризику. Для врахування контексту взаємодії з людиною та іншими об’єктами введено семантичний множник, який модифікує первинну гістограму відповідно до результатів відеодетекції. Чисельне моделювання реалізовано в середовищі Python із дискретною інтеграцією рівнянь руху, урахуванням сенсорного шуму та поєднанням локального VFH+ з глобальними орієнтирами маршруту, отриманими за алгоритмом A*. Наукова новизна полягає у формуванні інтегрованої моделі, що поєднує геометричну щільність перешкод у полярному просторі із семантичним зважуванням ризику, забезпечуючи адаптивну зміну структури заборонених і вільних секторів залежно від типу та поведінки об’єктів. Запропоновано механізм адаптації порогів бінаризації та вагових коефіцієнтів критерію вибору напрямку при виявленні ознак застрягання, що підвищує стійкість алгоритму у вузьких проходах. Результати modeling підтверджують досягнення цільової точки без втрати стабільності та з дотриманням безпечних обмежень швидкості й мінімальної дистанції до перешкод, що свідчить про ефективність поєднання VFH+ із семантичною обробкою LiDAR та відеоданих для HRC-середовищ</jats:p>