ОПТИКО-ЭЛЕКТРОННОЕ УСТРОЙСТВО ВЫЧИСЛЕНИЯ ПАРАМЕТРОВ ОБЪЕМНЫХ ОБЪЕКТОВ РАБОЧЕЙ СЦЕНЫ ПРИ МНОЖЕСТВЕННЫХ ИСТОЧНИКАХ ВИДЕОДАННЫХ

В работе рассмотрены подходы к построению территориально распределенного оптикоэлектронного устройства, обеспечивающие анализ значительных по протяженности и объему рабочих сцены в интересах автоматизации процессов контроля и управления робототехническими средствами в промышленных сборочных цехах, складских помещениях. Принципиальным отличием предложенного решения является возможность получения изображений анализируемых объектов при помощи размещенных в различных частях рабочего пространства оптико-электронных датчиков для реализации функции бинокулярного зрения на значительно большей по площади рабочей сцене по сравнению с аналогами. Отличительной новизной разработанного теоретического подхода является подход к бинокулярному техническому зрению, состоящий в итерационном выполнении процедур калибровки выбранных пар оптико-электронных датчиков и последующем вычислении пространственных координат анализируемых объектов при помощи калиброванных пар оптико-электронных датчиков. Полученные результаты анализа изображений с каждого из оптико-электронных датчиков используются для сопровождения движущихся объектов и анализа их траекторий движения в пространстве рабочей сцены. Для реализации разработанных теоретических подходов предложено модульное оптикоэлектронное устройство, состоящее из двух типов модулей. Первый тип модуля – автономный оптикоэлектронный модуль, включающий в себя оптико-электронный датчик и средства обработки и извлечения первичных признаков непосредственно при получении изображений для их последующего анализа. Второй тип – вычислительный модуль, обеспечивающий обработку первичных данных с совокупности модулей первого типа. Передача данных между модулями устройства обеспечивается по радиоканалу по WiFi сети. Отличительной особенностью разработанного устройства является первичная обработка изображений непосредственно при их получении и передача по радиоканалу малого объема данных о выделенных объектах в вычислительный модуль, который выполняет финальные этапы обработки
данных и формирует набор параметров, описывающих характеристики и пространственные координаты
найденных на рабочей сцене объектов для их дальнейшего использования. Проведены экспериментальные исследования на разработанной имитационной модели, подтвердившие корректность разработанного теоретического подхода и возможность применения на практике.

1. Ellis R.E. Locating and acquiring on object in a robot workspace using multiple stereo images // SPIE Intelligent robots and computer vision. 1985. Vol. 579. P. 464 – 473.

2. Метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализации / В.С. Титов, В.С. Панищев, С.И. Коростелев, В.А. Денисюк // Телекоммуникации. 2007. № 9. С. 10-14.

3. Патент на изобретение RUS 2361273 Способ и устройство для распознавания изображений объектов / Коростелев С.И., Титов В.С., Панищев В.С., зарегистр. 12.03.2007.

4. Yeon C., Aggarwal J. Positioning three dimensional objects using stereo images // IEEE J. robotics and automation. 1987. Vol. RA-3. № 6. P. 361-373.

5. Wang Y.F., Aggarwal J.K. Integration of active and passive sensing techniques for representing three-dimensional objects // IEEE transactions on robotics and automation. 1984. Vol. 5, №. 4. P. 460 – 470.

6. Moment invariants for recognition under changing viewpoint and illumination / F. Mindru, T. Tuytelaars, L. Van Gool, T. Moons // CVIU. 2004. P. 3–27.

7. Gilboa G., Osher S. Nonlocal linear image regularization and supervised segmentation // SIAM Multiscale Model. Simul. 2007. Vol.6. №. 2. P. 595–630.

8. Прохоров И. В., Мысев А.Э. Исследование алгоритмов рекомендательных систем, основанных на вероятностных моделях // Известия Юго-Западного государственного университета. Серия: Управление. Вычислительная техника, информатика. Медицинское приборостроение. 2015. №2 (15). C. 16-21.

9. Perona P., Malik J. Scale-space and edge detection using anisotropic diffusion // PAMI. 1990. №12. P.629–639.

10. Liao P., Chen T., Chung P. A Fast Algorithm for Multilevel Thresholding. // J. Inf. Sci. Eng. 2001. №17. P. 713-727.

11. Titov V.S., Truphanov M.I. The method of automatic determination monochromatic aberration of vision’s optical subsystem // Second international conference «Information and Telecommunication Technologies in Intelligent Systems». Proceedings. Spain. Barcelona, 2004. P. 40 – 43.