На правах рукописи Сиротинин Денис Олегович
advertisement
На правах рукописи
Сиротинин Денис Олегович
МОДЕЛИ И АЛГОРИТМЫ ПОЛУЧЕНИЯ И ПЕРВИЧНОЙ ОБРАБОТКИ
ИНФОРМАЦИИ О ПРОСТРАНСТВЕННЫХ ОБЪЕКТАХ
В АСУ С ОПТИЧЕСКОЙ ОБРАТНОЙ СВЯЗЬЮ
05.13.06 Автоматизация и управление технологическими
процессами и производствами (промышленность)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Орел – 2011
2
Работа выполнена в Федеральном государственном бюджетном образовательном
учреждении высшего профессионального образования
«Государственный университет – учебно-научно-производственный комплекс», г. Орел
Научный руководитель
–
доктор технических наук, профессор
Константинов Игорь Сергеевич
Официальные оппоненты
–
доктор технических наук, доцент
Иващук Ольга Александровна
кандидат технических наук, доцент
Тараканов Олег Викторович
–
Ведущая организация:
ФГБОУ ВПО «Брянский государственный
технический университет», г. Брянск
Защита состоится «22» ноября 2011 в 1400 часов на заседании диссертационного
совета Д 212.182.01 при ФГБОУ ВПО «Госуниверситет – УНПК» по адресу: 302020, РФ,
г.Орел, Наугорское шоссе, д.29, ауд. 212.
С диссертацией можно ознакомится в библиотеке ФГБОУ ВПО «Госуниверситет –
УНПК».
Автореферат разослан «21» октября 2011 г.
Ученый секретарь
диссертационного совета Д 212.182.01
кандидат технических наук, доцент
______________В. Н. Волков
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы. Роботизированные комплексы имеют
достаточно широкое распространение в различных сферах деятельности
человека. Большое внимание уделяется применению таких комплексов для
решения задач, связанных с отсутствием возможности непосредственной
близости к месту действия в связи с опасностью окружающей среды или
работой в труднодоступных местах. Для управления манипулятором на
расстоянии оператору необходима визуальная информация о взаимном
положении объектов в пространстве. Одним из способов реализации
возможности представления оператору такой информации является
оптическая обратная связь (ООС). Важной характеристикой такой связи
является оперативность получения информации о результатах реакций
взаимодействия объектов наблюдения.
Одним из основных элементов реализации оптической обратной связи
являются системы сбора и представления информации о пространственных
объектах. Проблемам разработки таких систем посвящены работы А. Ronald,
S. Olendorf, P. Dieleman, И. Е. Гуленко, В. А. Андреев, В.П. Богомолова, А.
Bejczy, Т. Kotoku, В.А. Лопоты, B.C. Заборовского, И.М. Макарова, В.М.
Лохина, С. В. Манько, М.П. Романова, И.Р. Белоусова, С.Л. Зенкевича, Р.В.
Заединова, W. Hong, J.-J. Slotine, G. Bishop, D. Koditshek, Н. Fassler и других.
Самыми распространенными системами сбора и представления
информации о пространственных объектах являются телевизионные.
Основной принцип работы таких систем заключается в передаче
полученного двумерного изображения оператору. К достоинствам
телевизионных систем можно отнести простоту реализации, невысокие
требования к квалификации пользователя и малую стоимость. Недостатками
являются: малая информативность изображений, невозможность точной
оценки числовых параметров объектов, необходимость передачи больших
объемов информации.
Кроме этого, существуют системы, основанные на других принципах.
Например, система лазерного сканирования CYCLONE, позволяющая
создавать трехмерные модели промышленных зданий, памятников
архитектуры и других объектов, использует в своей работе лазерные
дальномеры. Однако использование специального дорогостоящего
оборудования для реализации и необходимость постобработки результатов
сканирования препятствуют широкому применению этих систем.
Системы машинного зрения компании Седатек используют принцип
отражения световой волны для определения размеров объекта. Такие
системы как GeoMoS, Gypsy Motion Capture используют в своей работе
маркировочные датчики, позволяющие получить пространственную
информацию об объекте. Широко распространены системы, использующие
маркирование поверхности и двумерные фотографии для получения
4
координат маркеров в пространстве; к таким системам относятся
Photomodeler, 3D Photo Builder и другие.
Наиболее перспективными для массового использования являются
системы, основанные на съемке маркированной поверхности, благодаря
возможности использования недорогого и доступного оборудования, а так же
простоты реализации.
Перечисленные системы обладают рядом недостатков, среди которых
можно выделить: необходимость физического контакта с объектом в
процессе маркировки.
Таким образом, задача совершенствования метода маркирования
поверхности для получения и первичной обработки информации о
пространственных объектах в АСУ с оптической обратной связью при
ограничениях на объемы передаваемой информации и отсутствии
физического контакта с объектом, является актуальной.
Объектом исследования в данной работе является оптическая
обратная связь в автоматизированных системах управления манипуляторами,
где принятие решений оператором осуществляется на основе визуальной
информации.
В качестве предмета исследования рассматриваются методы, модели
и алгоритмы регистрации и первичной обработки информации о
пространственных объектах, полученной с оптических датчиков.
Целью исследования является повышение эффективности получения
и первичной обработки информации о пространственных объектах в
автоматизированных системах управления с оптической обратной связью
при отсутствии физического контакта.
Для достижения поставленной цели решались следующие задачи:
1. анализ и исследование существующих систем и методов сбора,
обработки и представления информации о пространственных объектах,
которые могут быть использованы при реализации оптической обратной
связи в автоматизированных системах управления;
2. разработка и исследование структурной модели получения и
первичной обработки информации о пространственных объектах в
автоматизированных системах управления с оптической обратной связью;
3. разработка модели данных представления информации о
пространственных объектах;
4. разработка и исследование алгоритмов получения и первичной
обработки информации о пространственных объектах в автоматизированных
системах управления с оптической обратной связью;
5. формулировка методики получения и первичной обработки
информации о пространственных объектах в автоматизированных системах
управления с оптической обратной связью;
6. создание тестовой системы исследования предлагаемой методики.
Методы и средства исследований. Для решения указанных задач
использовались методы математического анализа, вычислительной
5
математики, теории построения АСУ, математического и имитационного
моделирования, теории компьютерного зрения, методы объектноориентированного программирования и экспериментальные исследования.
Достоверность научных положений подтверждается корректностью
использования математического аппарата, их практической реализацией и
соответствием аналитических данных и выводов, полученных по итогам
теоретического
моделирования,
результатам
обработки
данных
экспериментальных исследований, полученных при помощи тестовой
системы.
Научная новизна диссертационной работы заключается в том, что:
- разработана структурная модель получения и первичной обработки
информации о пространственных объектах в автоматизированных системах
управления с оптической обратной связью, отличающаяся возможностью
бесконтактной маркировки объекта, основанной на цветовых данных
изображений и позволяющая получать рациональные объемы данных при
установленных ограничениях;
- разработана модель данных представления информации о
пространственных объектах, отличительной особенностью которой является
формирование структуры, содержащей координаты идентичных точек
поверхности объекта со смещенных изображений для последующей их
идентификации на снимках соседних временных интервалов;
- разработаны алгоритмы сегментации, структурирования, генерации
и идентификации опорных точек, основанные на принципе аппроксимации,
единообразии цветовых данных, декомпозиции на структурирующие
прямоугольники, принципе стереоскопии и реализующие элементы
предложенной структурной модели;
- сформулирована методика получения и первичной обработки
информации о пространственных объектах в автоматизированных системах
управления с оптической обратной связью, построенная с применением
разработанных алгоритмов и моделей, отличающаяся отсутствием
необходимости физического контакта с объектом.
Практическая значимость работы заключается в:
- программной реализации алгоритмов получения и первичной
обработки информации о пространственных объектах;
- программной реализации тестовой системы для исследования
предлагаемой методики, позволяющей проводить тестирование входящих в
неё алгоритмов, выбор и определение параметров первичной обработки для
получения рациональных объемов данных с учетом установленных
ограничений.
Реализация и внедрение результатов работы. Основные результаты
диссертационной работы используются в научных исследованиях ОФ ИПИ
РАН, связанных с организацией систем технического зрения в
промышленных системах. Используются в учебном процессе кафедры
6
«Информационные системы» Учебно-научно-исследовательского института
информационных технологий Госуниверситета – УНПК.
Положения, выносимые на защиту:
1. Структурная модель получения и первичной обработки
информации о пространственных объектах.
2. Модель данных представления информации о пространственных
объектах.
3. Алгоритмы сегментации, структурирования изображений,
генерации и идентификации опорных точек.
4. Методика получения и первичной обработки информации о
пространственных объектах.
5. Структура тестовой системы исследования предлагаемой методики.
Апробация работы: Материалы публиковались и докладывались на
3-ей международной научно-практической конференции «Наука и
устойчивое развитие общества. Наследие В. И. Вернадского (25-26) сентября
2008, Тамбов), на 1-ой Международной научно-технической конференции
«Компьютерные науки и технологии» (8-9 октября 2009, Белгород), на IV-й
Международной научно-технической конференции «Информационные
технологии в науке, образовании и производстве» (22-23 апреля 2010, Орел),
в отчетах НИР «Разработка и исследование информационной технологии
морфинга 3D объекта на основе данных натурного эксперимента»
Орловского филиала Учреждения Российской академии наук Института
проблем информатики РАН, а также на научно-практических семинарах
кафедры «Информационные системы». Кроме того некоторые положения
диссертационной работы использованы при проведении исследований в
составе коллектива исполнителей в рамках темы НИР: «Разработка
интеллектуальных средств поддержки принятия диагностических решений в
кардиологической практике для мобильной региональной системы
"Телемедицина"» (Грант ФЦП «Научные и научно-педагогические кадры
инновационной России» на 2009-2013 годы. Государственный контракт от 01
сентября 2010 г. № 16.740.11.0045).
По результатам исследований опубликовано 10 работ, включая 6
статей в изданиях, рекомендованных ВАК.
Структура и объем работы. Диссертация состоит из введения,
четырех глав, заключения и списка литературы. Работа изложена на 135
страницах машинописного текста, включающего 48 рисунков, 7 таблиц,
список литературы из 122 наименований.
Автор выражает глубокую благодарность к.т.н., директору ОФ ИПИ
РАН Архипову Олегу Петровичу за консультации в области применения
методов обработки графических изображений и пространственной
геометрии.
7
СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы, формулируется цель
работы и задачи исследования, а также дана краткая характеристика
диссертации. Приводятся научная и практическая значимость, а так же
положения, выносимые на защиту.
В первой главе проводится анализ существующих направлений
исследования систем и методов сбора, обработки и представления
информации о пространственных объектах, которые могут быть
использованы
при
реализации
оптической
обратной
связи
в
автоматизированных системах управления.
Рассмотрены три основных типа таких систем: телевизионные
системы, системы лазерного сканирования и системы машинного зрения.
Телевизионные системы являются самым распространенным видом
организации оптической обратной связи при мониторинге объектов.
Оператору предоставляется информация в реальном времени в виде
последовательности двумерных изображений, по которым проводится анализ
объектов наблюдения и принимаются решения об управляющем воздействии.
Недостатками таких систем являются большие объемы передаваемой
информации и недостаточная информативность, в виду предоставления
оператору только визуальной информации.
В системах лазерного сканирования используются специальные
сканеры, осуществляющие определение пространственных координат точек
поверхности объекта путем измерения расстояния до всех видимых частей с
помощью лазерного дальномера. Преимуществами лазерных систем является
точность создания трехмерной модели и возможность получения числовых
данных о параметрах объекта. Основными недостатками являются высокая
стоимость устройств и необходимость последующей дополнительной
обработки.
В системах сбора, обработки и преставления информации,
основанных на машинном зрении, исходными данными являются
последовательности фотоснимков, сделанных с различных ракурсов.
Получение информации об объекте осуществляется путем программной
обработки пары смещенных изображений идентичного временного этапа
съемки. Преимуществами являются невысокая стоимость устройств, их
доступность и возможность получения текстур объекта. Недостатком
системы является необходимость физического нанесения матрицы точек на
поверхность сканируемого объекта и высокие требования к квалификации
пользователя.
На основании проведенного исследования был сделан вывод о
необходимости повышения эффективности получения и первичной
обработки информации о пространственных объектах в АСУ с оптической
обратной связью, при ограничениях на объемы передаваемой информации и
отсутствии физического контакта с объектом.
8
Во второй главе описывается технология получения исходных
данных, проводится разработка и исследование структурной модели
получения и первичной обработки информации о пространственных
объектах и модели данных её представления.
Структурная модель получения и первичной обработки информации о
пространственных объектах представлена на рисунке 1.
I_L1 … I_Ln
I_R1 … I_Rn
V(RGB)
V(RGB)
Сегментация
изображения
Создание цветовой индексной
палитры
Tl1, Br1
Tl2, Br2
…
Tln, Brn
R1
R
2
A
...
R l
CIP
G1
G2
...
Gl
Сегментация
изображения
... B1
... B 2
... ...
... B l
SGL
SGR
Структурирование
сегментированных зон
tlx1
tlx
2
...
tlxn
tly1
brx1
bry1
tly 2
brx2
bry 2
...
...
...
tly n
brx n
bry n
Tl1, Br1
Tl2, Br2
…
Tln, Brn
CIP
s
s
...
s
Структурирование
сегментированных зон
OP
OPL
tlx1
tlx
2
...
tlxn
tly1
brx1
bry1
tly 2
brx2
bry 2
...
...
...
tly n
brx n
bry n
s
s
...
s
OPR
Генерация опорных точек
X11, Y11, X21, Y21, Id1
X12, Y12, X22, Y22, Id2
…
X1n, Y1n, X2n, Y2n, Idn
Рисунок 1 – Структурная модель получения и первичной обработки
информации о пространственных объектах
9
В модели используются следующие обозначения:
- I_Li, I_Ri – соответственно левое и правое изображение на i-м шаге
съемки;
- V(RGB) – совокупность пикселей изображения с цветовыми
координатами;
- Tl, Br - координаты сегментированных зон, верхняя левая и нижняя
правая соответственно, Tl = (x,y), Br = (x,y);
- R, G, B – значения цветовых координат красного, зеленого и синего
каналов цветовой модели RGB; R, G, B {0,1,2,..,255} ;
- CIP - цветовая индексная палитра;
- SGL, SGR – совокупность координат сегментированных зон;
- tlx, tly, brx, bry – значения координат левой верхней и правой нижней
точек структурирующего прямоугольника;
- s – состояние структурирующего прямоугольника;
- OP – совокупность координат структурирующих прямоугольников;
- OPL, OPR – совокупность координат структурирующих
прямоугольников для левого и правого изображений;
- X1, Y1, X2, Y2 – координаты опорных точек;
- Id – идентификатор опорных точек.
Для вычисления пространственного положения точек поверхности
объекта
применяется
стереосъемка.
Стереосъемка
выполняется
параллельным способом в виду простоты и стабильности получаемых
результатов. Для получения изображений всех сторон объекта используется
круговая съемка или установка дополнительных камер.
Исходными данными для модели являются двумерные изображения
натурного объекта, получаемые в процессе съемки. Так как основной задачей
методики является наблюдение за объектом, то съемка осуществляется через
определенный промежуток времени.
Полученное изображение можно представить в виде объединения
пикселей:
n
I V ( RGB ) i ,
i 1
где I – совокупность пикселей изображения;
V(R,G,B) – пиксель изображения, характеризуемый значениями
цветовых координат красного, зеленого и синего каналов, цветовой модели
RGB;
R,G,B = {0..255}.
В процессе работы с изображениями, получаемыми с разных ракурсов
при помощи цифровой фотокамеры, возможно не идентичное распознавание
одного и того же цвета точек. Для решения задачи идентичного
распознавания используется цветовая индексная палитра (ЦИП).
В процессе присвоения индексу цветовых данных выбираются
основные цвета изображения.
10
1, ri 0,16,...,240,255, g i 0,16,...,240,255, bi 0,16,...,240,255
0
I' → f(I) =
где I' – совокупность цветовых данных ЦИП;
f(I) – функция выбора основных цветов из совокупности I;
ri R, gi G, bi B ;
i = {0..n}, n – количество пикселей исходного изображения.
Для определения индекса пикселей изображения определяется
наименьшее расстояние до цвета из ЦИП в трехмерном цветовом
пространстве (R,G,B). Определение различия цветов проводится путем
вычисления евклидового расстояния между цветовыми координатами:
(r , g , b) I , I (ri , g i , bi ) I ' (r ' , g ' , b' ) min( (ri r ' ) 2 ( g i g ' ) 2 (bi b' ) 2 ) .
Созданная цветовая индексная палитра предоставляет возможность
однозначного определения соответствующих цветов и позволяет
осуществлять сегментацию идентичных областей на смежных изображениях
на основании равенства индексов цвета.
Сегментация заключается в разбиении конечного множества точек I
на S непустых связанных совокупностей, в которых любая пара точек
удовлетворяет критерию однородности цвета этого подмножества:
k
I Si ,
i 1
Si I ( x, y ) rgbx1, y rgbx , y rgbx1, y , rgbx, y 1 rgbx, y rgbx , y 1 ,
где S – совокупность точек сегментированной области изображения;
x,y – пространственные координаты пикселя изображения;
x, y = {1..n}.
Сегментированные
области
разбиваются
на
множество
структурирующих прямоугольников (СП):
m
Si R j ,
j 1
R j Si ( x, y ) min( x) Si ( Bx 1) * C x x min( x) Si Bx * C x ,
min( y ) S i ( B y 1) * C y y min( y ) S i B y * C y ,
где R – совокупность точек структурирующего элемента;
Cx – размер СП по горизонтали, C x (max( x) Si min( x) Si ) / Ax ;
Cy – размер СП по вертикали, C y (max( y ) Si min( y ) Si ) / Ay ;
Bx 1.. Ax , B y 1.. Ay ;
Ax, Ay – количество СП по горизонтали и вертикали
соответственно.
При описании области прямоугольниками возникает ситуация, когда в
зону фигуры попадают пиксели, принадлежащие другой области, такой
прямоугольник исключается из рассмотрения.
По соответствию структурирующих элементов областей смежных
изображений определяются возможные изменения поверхности на разных
11
этапах съемки. Определение координат смещения точек поверхности объекта
осуществляется путем генерации и идентификации опорных точек на
изображениях относительно структурирующих элементов и маркеров на
стенде. В качестве опорной точки выбирается пиксель расположенный на
пересечении диагоналей структурирующего элемента:
P' ( x, y) R j x
max( x) R j min( x) R j
2
,y
max( y) R j min( y) R j
2
,
где P' – опорная точка структурирующего элемента.
В результате обработки изображения будет получена совокупность
опорных точек:
k
m
i 1
j 1
P ( P' j R j ) Si ,
где P – совокупность опорных точек изображения объекта.
Координаты опорных точек на паре смещенных изображений
позволяют вычислить трехмерные координаты точки в пространстве, за счет
использования принципов стереоскопии и соответствующих алгоритмов
преобразования. Нахождение идентичных точек на следующих снимках,
позволяет получить координаты нового положения в пространстве и
передать их для последующей обработки с целью анализа изменения
поверхности объекта.
Для хранения и передачи получаемой в результате работы алгоритма
последовательности опорных точек используется следующая модель данных
представления информации:
Mt = {x1, y1, x2, y2, id}t,
где x1,y1 –координаты точки на левом смещенном изображении,
x2, y2 – координаты точки на правом смещенном изображении,
id – идентификатор точки,
t – индекс временного этапа съемки.
Третья глава посвящена разработке алгоритмов создания цветовой
индексной палитры, сегментации изображений, структурированию,
генерации и идентификации опорных точек.
В основе алгоритма создания цветовой индексной палитры (ЦИП)
используется рекурсивное разбиение растрового изображения на четыре
зоны с последующим рассмотрением и сравнением их усредненных цветов.
Разбиение проводится рекурсивно до равенства цветовых данных
между четырьмя зонами, что является определением найденного цвета,
который заносится в ЦИП.
Результатом работы алгоритма будет совокупность цветовых
значений, каждому элементу которого соответствует порядковый индекс.
Дальнейшая обработка цветовых данных изображения проводится
путем нахождения ближайшего элемента ЦИП по цветовым данным к цвету
точки и присвоения ей индекса элемента. Это позволит однозначно
определять основные и близкие к ним цвета на изображениях.
12
На основании данных, полученных на предыдущем этапе, цветовое
пространство изображений представляет собой совокупность индексов,
пространственное
положение
которых
соответствует
положению
соответствующих пикселей. Целью сегментации является разбиение
совокупности пикселей на связанные множества с учетом подобия их
индексов.
Алгоритм сегментации изображения заключается в последовательном
переборе всех пикселей изображения, проверке идентичности индексов
соседних точек и объединении их в области.
Алгоритм структурирования заключается в обработке смежных
изображений, полученных на соседних временных интервалах. Исходными
данными для структурирования являются координаты сегментированных
областей изображений. В зависимости от размеров сегментов, на
изображениях, полученных на более раннем временном этапе, определяется
количество структурирующих элементов, на которые будет разделена
область, вычисляются их размеры, и проводится её структурирование.
Для обработки изображений, полученных на следующем временном
этапе, используются данные структурирования предыдущих изображений и
данные полученные при сегментировании. Основным требованием к
структурированию сегментированных зон смежных этапов является
равенство количества СП при структурировании изображений для
аналогичных
сегментов.
Последовательность
действий
алгоритма
структурирования для исходного и итогового изображений представлена на
рисунках 2 и 3.
начало
Для каждого
сегмента
Определить
размеры сегмента
Рассчитать
количество и
размеры СП
конец
Структурировать
сегмент
Рисунок 2 – Последовательность действий алгоритма
структурирования для исходного изображения.
13
начало
Для каждого
сегмента
Определить
размеры сегмента
получить
количество СП
предыдущего этапа
Изменились
размеры и
координаты
центра сегмента
нет
да
конец
Структурировать
сегмент
Рисунок 3 – Последовательность действий алгоритма
структурирования для итогового изображения.
Алгоритм генерации и идентификации заключается в определении
опорной точки внутри СП, который будет изменяться в соответствии с
изменениями поверхности, следовательно, и сегмента со структурирующими
элементами. Для выбора опорной точки используется пересечение
диагоналей СП. Анализируемыми данными являются координаты данной
точки.
Опорные точки, изменившие свое положение сохраняются, для
последующей обработки.
В четверной главе проводится описание методики сбора и первичной
обработки информации о пространственных объектах и описывается процесс
её исследования на основании разработанной тестовой системы.
Методика получения и первичной обработки информации о
пространственных объектах состоит из следующей последовательности
действий:
1. Размещение оптических регистрирующих приборов в соответствии
с технологией стереосъемки;
2. Съемка объекта через заранее заданные промежутки времени;
3. Взятие изображений определенного временного этапа съемки
объекта;
4. Создание цветовой индексной палитры для полученных
изображений;
5. Сегментация изображений по признаку идентичности цветовых
индексов точек;
6. Структурирование сегментированных зон на изображениях;
14
7. Генерация опорных точек в структурированных областях;
8. Идентификация и проверка равенства координат опорных точек в
структурированных областях изображений предыдущего и анализируемого
временных этапов съемки.
9. Формирование совокупности точек, координаты которых
изменились относительно положения на предыдущем этапе.
Тестовая система включает в себя разработанные алгоритмы и
предназначена для определения параметров первичной обработки с целью
получения оптимальных объемов данных при установленных ограничениях
для конкретного пространственного объекта, а также для проверки
программной реализации основных алгоритмов, описанных в главе 3
(рисунок 4).
Сокращения, используемые на рисунке 4:
Img – совокупность смещенных изображений объекта, полученных в
результате съемки;
I – совокупность пикселей изображений;
CIP – совокупность элементов ЦИП;
Seg – координаты границ сегментов изображений;
nS – количество сегментов на изображении;
SP – координаты границ структурирующих прямоугольников
сегментированных зон;
nSP
–
количество
структурирующих
прямоугольников
в
сегментированной зоне;
OT – совокупность опорных точек;
OTc – совокупность сгруппированных опорных точек.
Рисунок 4 – Структурная схема тестового программного обеспечения.
15
Для проведения исследований было выбрано несколько объектов
различного цветового содержания, позволяющих свободно изменять свою
форму.
На рисунке 5 представлены примеры изображений натурного объекта,
полученные в результате съемки цифровой фотокамерой.
Результатом работы модуля сегментации является выделение на
изображениях зон каждого из цветов. Визуальное представление границ
сегментов позволяет оценить точность работы алгоритма сегментации.
Модуль структурирования использует данные алгоритма сегментации
и разбивает каждый сегмент на определенное количество структурирующих
прямоугольников.
Количество элементов структурирующей сетки прямоугольников в
идентичных сегментах на смежных изображениях должно остаться
неизменным, что является подтверждением правильной работы конкретной
реализации алгоритма.
а)
б)
Рисунок 5 – Изображение тестового объекта
а) исходной формы и б) итоговой.
Для исследований модуля генерации и идентификации опорных точек
на объект были нанесены контрольные маркеры с целью однозначного их
нахождения при пространственных изменениях объекта.
Проверка корректности генерации и идентификации опорных точек
заключалась в визуальной оценке их смещения относительно контрольных
маркеров на основе сравнения векторов смещения (рисунок 6).
Представленные на рисунках контрольные маркеры выделены
красным цветом, а генерируемые опорные точки белым.
16
а)
б)
Рисунок 6 – Пример области распознавания а) исходного изображения
и б) итогового с контрольными маркерами и опорными точками.
На основании представленных данных можно сделать вывод о
корректной работе программной реализации структурной модели и
алгоритмов получения и первичной обработки информации о
пространственных объектах.
Основным преимуществом представленной методики является
снижение объемов передаваемых данных для передачи по каналам связи, что
позволяет повысить оперативность управляющего воздействия и получения
данных о результатах реакций в АСУ с оптической обратной связью.
В рамках работы было произведено сравнение методики получения и
первичной обработки информации о пространственных объектах в АСУ с
оптической обратной связью на основе телевизионной системы и системы
лазерного сканирования.
Оценка объемов передаваемых данных проводилась на примере
представленного тестового объекта. В результате получены следующие
данные, приведенные в таблице 1:
Таблица 1 – Показатели объемов данных
Телевизионная
Лазерное
система, Кб
сканирование,
Кб
Объем
информации
248
230
Представленная методика
Все
Точки,
опорные
изменившие
точки, Кб положение, Кб
8,5
3,4
Кроме этого, представленная методика позволяет получать данные,
обладающие аналогичной информативностью по сравнению с лазерной
системой при меньшей стоимости оборудования в 2-3 раза.
В заключении сформулированы основные результаты работы:
1. Проведен анализ существующих систем сбора, обработки и
представления информации о пространственных объектах, основанных на
оптической обратной связи. Исследованы методы, позволяющие
17
организовать сбор и обработку получаемой информации. В результате
анализа были выявлены недостатки таких систем, определены цель и задачи
исследования.
2. Предложена структурная модель получения и первичной обработки
информации о пространственных объектах в АСУ с оптической обратной
связью, главной особенностью которой является возможность бесконтактной
маркировки объекта, основанной на цветовых данных изображений.
3. Предложена модель данных представления информации,
позволяющая
формировать
структуру,
включающую
координаты
идентичных точек смещенных изображений для анализа изменений их
пространственного положения на каждом временном интервале.
4.
Разработаны
и
исследованы
алгоритмы
сегментации,
структурирования, генерации и идентификации опорных точек, позволяющие
осуществлять сегментацию, структурирование и генерацию опорных точек с
последующей их идентификацией на следующих снимках.
5. Сформулирована методика получения и первичной обработки
информации о пространственных объектах в АСУ с оптической обратной
связью, отличающаяся отсутствием необходимости физического контакта с
объектом и ограничений на объемы передаваемой информации.
6. Создана тестовая система исследования методики получения и
первичной обработки информации для различных типов объектов и
определения параметров первичной обработки для получения рациональных
объемов данных с учетом установленных ограничений, а так же для
тестирования входящих в методику алгоритмов и их программной
реализации.
7. Проведенные исследования показали, что полученные результаты
подтверждаются соответствием аналитических данных и выводов,
полученных по итогам теоретического моделирования, результатам
экспериментальных исследований, полученных при помощи тестовой
системы. В соответствии с данными экспериментальных исследований,
использование разработанной методики позволяет достичь сокращения
объема передаваемой информации по сравнению с существующими
системами в 15-20 раз, что позволяет сократить временные задержки при
передаче данных о пространственных объектах по каналам связи.
Основные публикации по теме диссертации
В изданиях, рекомендованных ВАК:
1. Сиротинин, Д.О. Вариант построения сеток опорных точек по
цветовым данным растрового изображения [Текст] / О.П. Архипов, Ю.А.
Маньяков, Д.О. Сиротинин // Известия ОрелГТУ. – Орел: ОрелГТУ, 2008. №4-3/272(550). – С. 34- 39. (личное участие 33%)
18
2. Сиротинин, Д.О. Вычисление пространственных координат
опорных точек морфинга по плоским изображениям [Текст] / О.П. Архипов,
Ю.А. Маньяков, Д.О. Сиротинин // Известия ОрелГТУ. – Орел: ОрелГТУ,
2008. - №3/271(546). – С. 18-24. (личное участие 33%)
3. Сиротинин, Д.О. Информационная модель и алгоритм создания
стереоанимационного ролика [Текст] / Ю.А. Маньяков, Д.О. Сиротинин //
Известия ОрелГТУ. – Орел: ОрелГТУ, 2007. - № 4-2/268(535). – С. 131-135.
(личное участие 30%)
4. Сиротинин, Д.О. Математическая модель объекта с нелинейными
поверхностями в представлении трехмерной графики [Текст] /
И.С. Константинов, О.П. Архипов, Ю.А. Маньяков, Д.О. Сиротинин //
Известия
Тульского
государственного
университета.
Серия
«Технологическая системотехника». Выпуск 13. – Тула: ТулГУ, 2006. – С.
28-33. (личное участие 25%)
5. Сиротинин, Д.О. Решение задач расчета кинематики объектов
[Текст] / Ю.А. Маньяков, Д.О. Сиротинин // Известия ОрелГТУ. - Орел:
ОрелГТУ, 2007. - № 4-2/268(535). – С. 126-130. (личное участие 70%)
6. Сиротинин, Д.О. Технология морфинга трехмерных моделей на
основе данных натурного эксперимента [Текст] / О.П. Архипов,
Ю.А. Маньяков, Д.О. Сиротинин // Известия ОрелГТУ. – Орел: ОрелГТУ,
2009. - №1/51(562). – С. 9-13. (личное участие 33%)
В других изданиях:
7. Сиротинин, Д.О. Автоматизация процесса моделирования
поверхности 3D объекта в ограниченном трехмерном пространстве [Текст] /
Ю.А. Маньяков, Д.О. Сиротинин // Компьютерные науки и технологии. Ч.2:
сборник трудов первой Международной научно-технической конференции:
8-9 октября, Белгород: ГиК, 2009. – С. 194-198. (личное участие 50%)
8. Сиротинин, Д.О. Информационная технология динамической
примерки моделей одежды на манекене в виртуальном пространстве [Текст] /
Д.О. Сиротинин // Наука и устойчивое развитие общества. Наследие
В.И. Вернадского: Сборник материалов 3-ей международной научнопрактической конференции: 25 - 26 сентября 2008 – Тамбов:
ТАМБОВПРИНТ, 2008. – С. 243-244.
9. Сиротинин, Д.О. Информационная модель характеризации
натурного объекта в пространстве сцены на основе двумерных изображений
[Текст] / Д.О. Сиротинин // Информационные технологии в науке,
образовании и производстве. ИТНОП-2010: материалы IV-й Международной
научно-технической конференции, г. Орел, 22-23 апреля 2010 г. – В 5-ти т.,
Т. 3. – Орел: ОрелГТУ, 2010. – С. 292-298.
10. Сиротинин, Д.О. Метод регистрации морфинга трехмерного
объекта на основе данных натурного эксперимента [Текст] / О.П. Архипов,
Ю.А. Маньяков, Д.О. Сиротинин // Системы и средства информатики. М.:
ТОРУС ПРЕСС, 2010. – Выпуск 20, №1. С. 90-104. (личное участие 33%)
ЛР ИД № 00670 от 05.01.2000 г.
Подписано к печати «14» октября 2011 г.
Усл. печ. л.1. Тираж 100 экз.
Заказ № 139
Полиграфический отдел ФГБОУ ВПО «Госуниверситет –УНПК»
302030, г. Орел, ул. Московская, 65
