Диссертация (1090939), страница 17
Текст из файла (страница 17)
Предложенный алгоритм адаптивного задания порога для обновлениявыборки фильтра частиц позволяет значительно увеличить точностьлокализации камеры. Средняя величина ошибки при вычислениисмещения камеры между последовательными кадрами до 24% меньше,чем в случае жесткого задания порога. Адаптивное задание порогапозволяет при различных условиях увеличить как эффективностьработыфильтрасточкизрениятребуемыхвычислительныхмощностей, так и точность оценки искомой величины.7. Цель и задачи диссертационной работы успешно выполнены.
Итоговаяверсия алгоритма реализована на языке C# с применением рядабиблиотек цифровой обработки изображений, численных методов ивизуализации данных. Проведены исследования точности работыалгоритма. Среднеквадратическе отклонение координат камеры отдействительныхзначенийдлятестовыхданныхсоставляет0.28 ± 0.08 м.
Получены свидетельства о государственной регистрациипрограммы для ЭВМ.132СПИСОК ЛИТЕРАТУРЫ1.Безруков В.Н., Балобанов В.Г. Системы цифрового вещательногои прикладного телевидения // Учебное пособие для вузов / Под ред.профессора В.Н. Безрукова. 2014. 608 c.2.Варгин П. Объемное телевидение – символ XXI века //Broadcasting (Телевидение и радиовещание). № 4–8. 2011.3.Вержбицкий В. М. Основы численных методов // М.: Высшаяшкола. 2009. – 840 с.4.Грудин А.В. Искусственный интеллект: локализация на основефильтра частиц // Перспективы развития информационных технологий.,2012. №7.5.Грязин Г.Н.
Системы прикладного телевидения: учеб. пособиедля вузов // СПб.: «Политехника», 2001. – 277 с.6.Джакония В.Е., Гоголь А.В., Друзин Я.В. и др. Телевидение:Учебник для вузов. // М.: Радио и связь, 1997. – 640 с.7.Колсанов А.В., Назарян А.К., Яремин Б.И., Воронин А.С.,Чаплыгин С.С., Юнусов Р.Р., Миронов А.А. 3d-картирование в виртуальнойЭндохирургии с использованием SLAM алгоритма // Известия Самарскогонаучного центра РАН . 2012. №4-1. c. 86–91.8.КонаковА.С.,Шаврин В.В.,ТисленкоВ.И.,Савин А.А.Сравнительный анализ среднеквадратической погрешности определениякоординат объекта в бесплатформенной инерциальной навигационнойсистеме при использовании различных алгоритмов нелинейной фильтрации //Доклады ТУСУР . 2012.
№1–1 (25).9.Конушин А. Устойчивые алгоритмы оценки параметров моделина основе случайных выборок // Компьютерная графика и мультимедиа.http://cgm.computergraphics.ru/content/view/4710.Коротаев В.В., Краснящих А.В. Телевизионные измерительныесистемы. Учебное пособие // СПб: СПбГУ ИТМО, 2008. – 108 с.13311.Кравцов А.А.
Использование технологии дополненной реальностидля визуализации виртуального объекта в реальном интерьере // Научныйжурнал КубГАУ - Scientific Journal of KubSAU . 2012. №84. С.312–322.12.Кухаренко Б.Г. Алгоритмы анализа изображений для определениялокальных особенностей и распознавания объектов и панорам // Приложениек журналу Информационные технологии №7, 2011.13.Кучерский Р.В., Манько С.В.
Алгоритмы локальной навигации икартографии для бортовой системы управления автономного мобильногоробота // Известия ЮФУ. Технические науки . 2012. №3.14.Лебедев И.М., Тюкин А.Л., Приоров А.Л., Прозоров А.В.Адаптивная система прикладного телевидения определения препятствий наподстилающей поверхности для мобильной роботизированной платформы //Электромагнитные волны и электронные системы, М.: Радиотехника, 2015, c.64-69.15.Поляков А.Ю.
Цифровое объемное телевидение 3DTV // Техникакино и телевидения. №1, 2009.16.Прозоров А. В., Приоров А. Л. Оценка траектории плоскогодвижения камеры с помощью анализа межкадровой гомографии // Тезисыконференции «Техническое зрение в системах управления - 2014» М. 17-19марта, с. 74–75.17.Прозоров А.В., Волохов В.А., Приоров А.Л. Адаптивный алгоритмфильтрации векторов оптических потоков в задаче вычисления движениякамеры методом визуальной одометрии //Докл. 15-й междунар. конф.«Цифровая обработка сигналов и ее применение» (DSPA-2013), Москва,2013.
Т. 2. С. 53–55.18.ПрохоровП.В.Обоснованиеструктурыпрограммногообеспечения «умной» камеры видеонаблюдения // МСиМ . 2015. №3 (35).c. 81–90.19.Тюкин А.Л., Лебедев И.М., Приоров А.Л. Разработка и оценкакачества работы алгоритма цифровой обработки телевизионных изображений134для задач позиционирования в замкнутом пространстве // Нелинейный мир,М.: Радиотехника, 2014. Т. 12, № 12. С.
26–30.20.Фисунов А.В., Воронин В.В., Марчук В.И., Свирин И.С., ПетровС.П. Восстановление карты глубины на основе комбинированной обработкимногоканальногоизображения//Современныепроблемынаукииобразования. – 2014. – № 6.21.Шапиро Л., Стокман Д. Компьютерное зрение // М.: БИНОМ,2006. – С. 752.22.Ali H.K., Whitehead A. Modern To Historic Image Matching:ORB/SURF an Effective Matching Technique // 29th International Conference onComputers and Their Applications, 2014, pp. 321–327.23.Aulinas J. The SLAM Problem: A Survey // Proceedings of the 2008ConferenceonArtificialIntelligence Research&Development.2015.pp.
363–371/24.BaileyT.SLAMPackageofTimBailey//https://svn.openslam.org/data/svn/bailey-slam.25.Barnich O., Droogenbroeck M. Auniversal background subtractionalgorithm for video sequences // IEEE Transactions on Image Processing, 2011.26.Bay H., Ess A., Tuytelaars T., Gool L.V. SURF: speed up robustfeatures // Computer Vision and Image Understanding (CVIU), Vol.110, No.3,2008.27.Blanco J.L. Contributions to Localization, Mapping and Navigation inMobile Robotics // PhD Thesis.28.BouguetJ.CameraCalibrationToolboxforMatlab//http://www.vision.caltech.edu/bouguetj/calib_doc.29.Brown D.Close-range camera calibration // PhotogrammetricEngineering, 37(8), 1971.30.Calonder M., Lepetit V., Strecha C., Fua P.
BRIEF: Binary RobustIndependent Elementary Features // 11th European Conference on ComputerVision (ECCV), 2010.13531.Canny J. A Computational Approach to Edge Detection // IEEETransactions on Pattern Analysis and Machine Intelligence, vol. PAMI-8, no. 6,pp. 679–698, Nov. 1986.32.Criminisi A., Perez P., Toyama K. Region filling and object removalby exemplar-based inpainting // IEEE Trans. Image Process. 13 (9), 2004. – P.1200–1212.33.TrackingDiVerdi S., Höllerer T. Heads Up and Camera Down: A Vision-BasedModalityforMobileMixedReality//TransactionsonVisualization and Computer Graphics, Vol. 14, No.
3, May/June, 2008.34.Douc R, Cappe O., Moulines, E. Comparison of Resampling Schemesfor Particle Filtering // Image and Signal Processing and Analysis, 2005.35.Doucet A., Freitas N., Murphy K., Russell S. Rao-Blackwellisedparticle filtering for dynamic Bayesian networks // UAI–2000.36.Durrant-Whyte H., Bailey T. Simultaneous localization and mapping //IEEE Robotics & Automation Magazine, vol. 13, no. 2, pp. 99–110, June 2006.37.Dutta T. Evaluation of the Kinect sensor for 3-D kinematicmeasurement in the workplace // Applied Ergonomics, Vol. 43, No.
4, pp. 645–649, 201238.Einicke G.A., White L.B. Robust Extended Kalman Filtering // IEEETrans. Signal Processing 47 (9), 1999, pp. 2596–259939.Endres F., Hess J., Engelhard N., Sturm J., Cremers D., Burgard W.An Evaluation of the RGB-D SLAM System // Proc. of the IEEE Int. Conf. onRobotics and Automation (ICRA), 2012.40.Fischler M., Bolles R. RANdom SAmpling Consensus: a paradigm fromodel fitting with application to image analysis and automated cartography //Communications of the ACM CACM, Volume 24 Issue 6, June 1981.41.Gauglitz S., Höllerer T., Turk M. Evaluation of Interest PointDetectors and Feature Descriptors for Visual Tracking // International Journal ofComputer Vision (IJCV), vol.
94(3), pp. 335-360, 2011.13642.Grisettiyz G., Stachniss C., Burgard W. Improving Grid-based SLAMwith Rao-Blackwellized Particle Filters by Adaptive Proposals and SelectiveResampling // Robotics and Automation, 2005. ICRA 2005. Proceedings of the2005 IEEE International Conference on, 2005, pp. 2432–2437.43.Gustafsson F., Hendeby G. Some Relations Between Extended andUnscented Kalman Filters // Signal Processing, IEEE Transactions on, vol.60,no.2, pp.545–555, 2012.44.Herrera C., Kannala J., Heikkila J. Joint depth and color cameracalibration with distortion correction // TPAMI, 2012.45.Hull J.
J. Paper-Based Augmented Reality // Artificial Reality andTelexistence, 17th International Conference on, Esbjerg, Jylland, 2007, pp. 205–209.46.Isard M., Blake A. Condensation - conditional density propagation forvisual tracking // Int. J. Comput. Vision., 1998.47.Ismail A.R., Desia R., Zuhri M.F.R., Daniel R.M. Implementation ofcognitive mapping algorithm for mobile robot navigation system // Informationand Communication Technologies (WICT), 2014 Fourth World Congress on,Bandar Hilir, 2014, pp. 280–284.48.Karlsson N., Di Bernardo E., Ostrowski J., Goncalves L., PirjanianP., Munich M.
The vSLAM Algorithm for Robust Localization and Mapping // Int.Conf. on Robotics and Automation (ICRA), 2005.49.Ke Y., Sukthankar R. PCA-SIFT: A more distinctive representationfor local image descriptors // Computer Vision and Pattern Recognition(CVPR’04), Vol.2, 2004.50.Koller D., Montemerlo M., Thrun S., Wegbreit B. FastSLAM: AFactored Solution to the Simultaneous Localization and Mapping Problem //AAAI, 200251.Konolige K., Mihelich P.
Technical description of Kinect calibration// http://wiki.ros.org/kinect calibration/technical, 2014.13752.Kuemmerle R., Steder B., Dornhege C., Ruhnke M., Grisetti G.,Stachniss C., Kleiner A. On Measuring the Accuracy of SLAM Algorithms //Journal of Autonomous Robots 27(4), pp. 387–407, 2009.53.Kurt-Yavuz Z., Yavuz S.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
