Диссертация (1091367), страница 3
Текст из файла (страница 3)
К ним можно отнести телекамеры как ввидимом, так и в инфракрасном диапазоне, детекторы частиц, различногорода радиоприемники.На сегодняшний день существует большое число различных методов,позволяющих находить препятствия как внутри помещений, так и вне их.Наиболее популярными технологиями обнаружения препятствий являются:1.Методы анализа стереоскопических изображений [15, 26, 28]. Спомощью их производится реконструкция трехмерной сцены на основеанализа двух изображений одной и той же зоны, полученной под разнымиракурсами. Перед восстановлением трехмерной сцены происходит процедурастереоотождествления – поиск соответствующих точек на обрабатываемыхизображениях.
Несмотря на то, что многие ученые работали над задачейпоиска соответствующих точек на стереопаре, задача до сих пор не имеетточного решения из-за сложности общей задачи понимания изображений[40].2.Методы активной радиолокации. Они широко используется длярешения многочисленных задач как в военной области, так и в ряде мирныхобластей[38].Математическаямодель13описанияраспространенияэлектромагнитных волн в помещенияхдолжна учитывать множестворазличных факторов, таких как: потери распространения и отражений от стени потолков, потери распространения в здании, дифракцию на препятствиях,перемещение объекта, несовпадение поляризации, распределение задержек,размещение антенн. Также можно отметить, чтоналичие мебели впомещении тоже должно быть учтено в модели.
Несмотря на всеперечисленные сложности, задача решается. Чаще всего в помещениииспользуются сигналы Wi-Fi. Точность такой системы в лучшем случаесоставляет порядка 1-3 метров [62].3.Использование ультразвуковых радаров [24]. Ультразвуковыедатчики могут работать на частотах от 40 до 130 кГц. Оценка расстоянияпроизводится из расчета времени прохождения между датчиком ипрепятствием. Можно отметить, что эти датчики имеют очень высокуюточность, вплоть до нескольких сантиметров. Использование датчиковпозволяет составлять карту возможных препятствий. При работе впомещении с достаточно удаленными объектами могут происходитьразличные отражения/переотражения сигнала, что приведет к ошибке присоставлении карты. Также возможны различные помехи от высокочастотныхзвуковых устройств, ими могут являться УЗИ в больнице, ультразвуковыедефектоскопы и т.
д.4.RFIDметки[13].Терминрадиочастотнаяидентификацияиспользуется с 60-х годов прошлого века. Использование этой технологиипредполагает наличие: радиометки (RFID – тега) – метки отслеживаемогообъекта, устройства чтения меток, программы, позволяющей декодироватьполученный сигнал в подходящий вид информации, пригодный длядальнейшего использования в программе. Работу системы можно описатьследующим образом: антенна считывателя генерирует сигнал, которыйпринимается RFID меткой. За счет энергии сигнала происходит появлениетока в метке, задействуется чип, который отдает считывателю свойидентификатор.
С помощью меток можно закодировать относительно14большой объем информации (до 10 Кбайт). Технология обладает высокойскоростью считывания и хорошей точностью распознавания. Из таких метокможно выложить коридор, в котором априори не должно быть препятствий.Из недостатков технологии стоит отметить высокую стоимость изготовлениябольшого числа меток.5.Лазерные дальномеры [14, 16].
Работу лазерного дальномераможно описать следующим образом – лазер посылает лучи, невидимые дляглаза, они отражаются от цели и возвращаются обратно. Далее оцениваетсявремя прохождения луча и оценивается расстояние до препятствия.Установленные в дальномерах лазеры работают в инфракрасном диапазонедлин волн. Таким образом, эта система подвержена ошибкам, возникающимиз-за большого количества пыли в воздухе, а также из-за различныхпогодных условий, таких как дождь и туман.
Кроме того, угловое разрешениелазерных дальномеров довольно мало, и чтобы просканировать всепространство для построения карты препятствий потребуется значительноевремя, что недопустимо для систем реального времени.6.Методы, основанные на измерении оптического потока [40, 91].Их суть заключается в том, что на изображении по какому-либо критериюнаходят особые точки.
Чаще всего ими являются точки, где есть достаточнобольшой градиент как по оси x, так и по оси y. При работе системы накаждом кадре происходит выделение этих особых точек и ищетсявзаимосвязь с предыдущим кадром. Анализ изменения положения этих точекописывает смещение камеры относительно внешних объектов. Препятствияможно обнаружить отклонением векторов от предрассчитанных значений.Использование подхода ограничено наличием четко выраженной текстурыподстилающей поверхности, что затрудняет отслеживание перемещения, аего точность составляет десятки сантиметров [40].7.Методы, анализирующие текстуры [42, 88]. Задача сводится кразбиению изображения на несколько кластеров с постоянной текстурой, тоесть выделению областей, в пределах которых значения текстурных15признаков относительно постоянны.
В системе обнаружения препятствийтекстурнуюсегментациюможноиспользовать,еслипрепятствия(классифицируемые объекты) обладают уникальным видом текстуры. Этоможет иметь большое значение, особенно, когда искомый объект находитсяна неоднородном фоне. К недостаткам текстурных методов можно отнестивысокую вычислительную сложность. Кроме того, большое разнообразиестатистических признаков текстур может привести к необходимостипредварительного исследования наиболее информативных признаков техтекстур, с которыми будет работать система.8.Методы, основанные на получении изображений с компонентойглубины – Kinnect [69].
Устройство Kinnect состоит из цветной видеокамеры,микрофонной решетки и двух сенсоров глубины. Сенсоры устойчивы кизменению условий освещения и углу зрения камеры. Точность обнаруженияпрепятствий внутри помещений может достигать 98%. Приблизительныеразмеры устройства 23 см в длину и 4 см в высоту.
Из недостатков системыследует отметить высокую стоимость датчиков.9.Обработка изображений с помощью нейронной сети [7, 20]. Сточки зрения разработчика нейронная сеть предоставляет собой черныйящик, на вход которого поступают какие-то выделенные признакиизображения, а на выходе получают некоторое решение. Опасностьиспользования данного подхода состоит в том, что в ответственный моментсистема может отработать некорректно, а причина ошибки останетсянеизвестной. Основная проблема использования сверточных нейронныхсетей, особенно популярных в настоящее время, состоит в сложностиформирования большой обучающей выборки.Все перечисленные методы позволяют оценить расстояние междупрепятствием и мобильной платформой.
Но, ни один из них не идеален.Ультразвуковые датчики достаточно дешевы, но обладают малым угловымразрешением,иунихестьпроблемы,связанныесзеркальнымиотражениями. Для построения карты местности может потребоваться16несколько датчиков. Радиорадары плохо подходят для навигации внутрипомещенийввидуподверженностипроблемпереотраженийрадиопомехамотвнешнихсигналаисильнойисточников.Методы,основанные на оптическом потоке и анализе текстуры, накладывают сильноеограничение на параметры сцены – обязательное наличие ярко выраженнойтекстуры. Анализ литературы показал, что на сегодняшний день методыстереоскопического зрения являются одними из самых распространенных.Рассмотрим ряд сложностей, с которыми сталкиваются разработчики прииспользовании последнего подхода:1.Область поиска.
Для примера рассмотрим изображения M × Nпикселей, у которых область перекрытия будет β. Тогда для решения задачипоиска эталона f на левом изображении, вся область перекрытия для правогоизображения должна быть проанализирована на наличие такого эталона. Дляэтого потребуется порядка MNnβ операций, где n – число пикселей в эталоне.Длянахождениясоответствиявсехпикселейлевогоизображенияпонадобится (MNnβ)2 операций. Для реальных стереопар β ≈ 0,6, а М > 1000,поэтому полное время стереоотождествления занимает недопустимо многовремени [35].2.Уникальность эталона. Для поиска некоторого пикселя p направом изображении вся область перекрытия левого изображения должнабыть проанализирована на наличие этого пикселя.
На области поискаразмером M1 × N1 в среднем будет M1N1/256 отождествлений пикселя p, изкоторых правильным является только одно. При наличии шума наизображении возрастает неоднозначность поиска соответствий.3.Геометрические искажения образов. Для лучшего пониманияпроблемы рассмотрим эталон на левом изображении и форму этого жеэталона на правом изображении (рис. 1.1). Такое отличие может бытьобусловленонесколькимипричинами:различнойтрехмерной формой наблюдаемых объектов и рельефа.17ориентацийкамер,ABРис.
1.1. Пример геометрического искажения образов4.Яркостные различия образов. Анализ литературы [57, 100]показывает, что в настоящее время не существует общепринятой моделиизменчивости оптических характеристик трехмерных сцен, которые быохватывали все возможные условия наблюдения. Причиной этого является,прежде всего, характер изменчивости природных объектов и образований,многообразиеусловийэкспериментальныхсравнительно малыхосвещенностиданныхоиотсутствиехарактеристикахполногообъемаизменчивости.Дляучастков сцен, когда дальность и угол наблюденияможно принять за постоянные величины, изменение яркости изображения fHможно описать в виде:fH(x, y) = af0(x,y) + b,где а и b – коэффициенты, отвечающие за изменение яркости, а f0(x,y) –яркость исходного изображения.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
