Алгоритмы определения безразмерных признаков изображений проекций трехмерных объектов и их распознавание

  • Автор:
  • Специальность ВАК РФ: 05.13.01
  • Научная степень: Кандидатская
  • Год защиты: 2015
  • Место защиты: Муром
  • Количество страниц: 187 с. : ил.
  • бесплатно скачать автореферат
  • Стоимость: 250 руб.
Титульный лист Алгоритмы определения безразмерных признаков изображений проекций трехмерных объектов и их распознавание
Оглавление Алгоритмы определения безразмерных признаков изображений проекций трехмерных объектов и их распознавание
Содержание Алгоритмы определения безразмерных признаков изображений проекций трехмерных объектов и их распознавание
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1 ОБЗОР И АНАЛИЗ АЛГОРИТМОВ, МЕТОДОВ И СИСТЕМ РАСПОЗНАВАНИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВ
Введение
1.1 Историческое развитие робототехники
1.1.1 Слепые роботы. «Механические руки»
1.1.2 САР с техническим зрением
1.2 САР трехмерных объектов
1.2.1 Датчики технического зрения Balluff серии BVS OI
1.2.2 Системы автоматического распознавания Omron
1.2.3 3D камеры IFM Electronic серии 03D
1.2.4 3D Системы технического зрения SICK
1.2.5 Достоинства и недостатки существующих систем распознавания трехмерных объектов
1.3 Алгоритмы предварительной обработки изображений проекций трехмерных объектов
1.3.1 Фильтрация изображения
1.3.2 Сегментация изображений
1.3.3 Нормализация проекции трехмерного объекта
1.4 Признаки, используемые для распознавания трехмерных объектов
1.5 Алгоритмы, используемые для распознавания трехмерных объектов
1.5.1 Алгоритм k-средних
1.5.2 Алгоритм вычисления оценок
1.5.3 Алгоритм поиска ближайших соседей
1.6 Выбор и обоснование алгоритма построения трехмерной модели объекта
Выводы по главе
Постановка задачи исследования
ГЛАВА 2 РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ОБРАБОТКИ И СТРУКТУРЫ СИСТЕМЫ РАСПОЗНАВАНИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВ ПО ИЗОБРАЖЕНИЯМ ИХ ПРОЕКЦИЙ
Введение
2Л Алгоритм нормализации ориентации бинарных изображений проекций трехмерного объекта
2.2 Алгоритм поиска ключевых точек для вычисления диагональных коэффициентов формы
2.3 Алгоритм вычисления диагональных признаков формы бинарных изображений проекций трехмерного объекта
2.3.1 Алгоритм классификации плоских геометрических фигур вписанных в квадрат по диагональным признакам формы
2.3.2 Алгоритм классификации плоских геометрических фигур вписанных в прямоугольник по диагональным признакам формы
2.4 Алгоритм определения диапазонов значений признаков формы
2.5 Обоснование необходимости применения имитационных моделей в САР произвольно расположенных трехмерных объектов
2.6 Алгоритм формирования описания поверхности трехмерного объекта
2.7 Алгоритм сопоставления пар проекций по двум снимкам множества объектов на сцене
2.8 Разработка подхода к распознаванию трехмерных объектов
2.8.1 Разработка структуры системы автоматического распознавания трехмерных объектов: режим обучения
2.8.2 Разработка структуры системы автоматического распознавания трехмерных объектов: режим распознавания
2.9 Структура эталона трехмерного объекта
Выводы по главе
ГЛАВА 3 ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ И СИСТЕМЫ РАСПОЗНАВАНИЯ НА ТЕСТОВЫХ ТРЕХМЕРНЫХ ОБЪЕКТАХ
3.1 Постановка задачи исследований на макетных трехмерных объектах
3.1.1 База тестовых изображений плоских геометрических фигур и проекций трехмерных объектов

3.1.2 Исходные данные для исследований
3.1.3 Макет системы автоматического распознавания трехмерных объектов
3.1.4 Структура программного обеспечения системы
3.1.5 Поиск ключевых точек на изображения проекций тестовых трехмерных объектов для вычисления диагональных коэффициентов формы
3.2 Определение отклонений диагональных признаков формы на тестовых изображениях плоских геометрических фигур от эталонных
3.3 Выявление наилучших показателей распознавания проекций тестовых трехмерных объектов с использованием различных алгоритмов
3.3.1 Исследование алгоритма k-средних для распознавания проекций тестовых трехмерных объектов
3.3.2 Исследование метода ближайших соседей для распознавании проекций тестовых трехмерных объектов
3.3.3 Исследование алгоритма вычисления оценок при распознавании проекций трехмерных объектов
3.4 Исследования выбранного алгоритма распознавания на парах изображений отдельных объектов с использованием моделей окто-деревьев и нескольких эталонов
3.5 Исследование алгоритма сопоставления проекций трехмерных объектов на выборках пар снимков нескольких раздельно расположенных трехмерных объектов
Выводы по главе
ГЛАВА 4 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ И СИСТЕМЫ РАСПОЗНАВАНИЯ НА РЕАЛЬНЫХ ТРЕХМЕРНЫХ ОБЪЕКТАХ
4.1 Постановка задачи эксперимента на реальных трехмерных объектах
4.1.1 Экспериментальная база изображений проекций реальных трехмерных объектов
4.1.2 Описание экспериментов над изображениями проекций реальных трехмерных объектов

пространства имеют один цвет, квадро-дерево содержит только один узел. Для неоднородной области плоскости последовательное деление квадрантов продолжается до тех пор, пока однородными не станут все участки разделенной области.
Кодирование в форме окто-дерева позволяет существенно сэкономить требуемую память, если в рассматриваемом пространстве имеются большие одноцветные области, поскольку один узел может представлять большую часть объекта. Поэтому его целесообразно использовать для кодирования трехмерных объектов.
Окто-дерево - тип древовидной структуры данных, в которой у каждого внутреннего узла ровно восемь «потомков». Восьмеричные деревья чаще всего используются для дробления трёхмерного пространства, рекурсивно разделяя его на восемь ячеек (Приложение А, рис. А8).
Отдельные подобласти после конечного этапа разбиения трехмерного пространства называются элементами объема или вокселями (voxels) по аналогии с пикселями прямоугольной области на экране дисплея. Воксель в представлении в форме окто-дерева хранит значения свойств для однородной подобласти. Свойства объектов в трехмерной области пространства могут включать цвет, тип материала, плотность и другие физические характеристики. Пустые области пространства представлены типом векселей “void” (“пусто”). Как и для представления в форме квадро-дерева, неоднородный октант в области делится до тех пор, пока фрагменты не станут однородными [109-114].
Трехмерные модели позволяют получить любую косоугольную проекцию объекта, что может быть использовано в многокамерных системах автоматического распознавания, для идентификации изображений объектов, полученных с камер, расположенных под произвольным углом к центру сцены. Кроме того, данная модель в таких системах будет являться неотъемлемой частью эталона трехмерного объекта.

Рекомендуемые диссертации данного раздела