Диссертация (1152212), страница 11
Текст из файла (страница 11)
Например, при решении задачи распознавания типа движущегося автомобиля по видеосигналу наиболее популярна кластеризация изображения методом 1с-средних 1'рис 1.13). Рис. 1.13 идентификация движущегося автомобиля при помощи методов кластеризации изображения. Первоначальной задачей идентификации движущихся объектов является получение множества точек, которые будут помечены как изменившие свое положение относительно предыдущего кадра. Данное множества точек может быть получено при помощи различных алгоритмов, таких как метод вычитания фона, временной разности и др. Над полученными точками, относящимися к переднему плану необходимо произвести процесс разделения цифрового изображения на несколько сегментов или сегментировать, используя методы кластерного анализа 1881.
Сегментирование изображения позволяет в дальнейшем определить какие пиксели из данного множества относятся к одной движущейся машине, а какие к другой. Использование методов кластерного анализа для сегментации изображения является очень эффективным с точки зрения вычислительных ресурсов.
Процесс кластеризации происходит таким образом, что все исходные пикс ели разбиваются на несколько групп. Разбиение происходит так, что пиксели одной группы имеют сходные характеристики, при этом пиксели разных групп имеют различные характеристики. Сформированные группы пикселов называют кластерами, для анализа которых используются значения: координат пикселя ьх,у), трехмерный вектор 1х,уДх,у)) для полутоновых 66 изображений, где 4~х,у1 - градации серого, либо пятимерный вектор при использовании пространства цветов КбВ. В процессе работы алгоритма высчитывается суммарное квадратичное отклонение точек кластеров от центров этих кластеров, которое затем минимизируется.
Множество пикселов разделяется на кластеры, число которых задается пользователем. Все точки отдельных кластеров подбираются таким образом, чтобы они лежали максимально близко к центроиду — точки„являющейся центром кластера. При первоначальной обработке выбираются пикссли, которые будут соответствующими центроидами кластеров, при этом подбор центроидов может происходить по заданному алгоритму, либо случайно. Далее происходит итеративный обход каждого пиксела из исходного изображения для определения расстояний текущего пиксела к кластерам. После определения ближайшего центройда к выбранному пикселу происходит привязка пиксела к кластеру этого центроида.
Полностью автоматизировать процесс идентификации движущихся объектов сложно, так как алгоритму необходимо указывать количество используемых кластеров, каждый из которых будет соответствовать отдельному движущемуся объекту. Например, если при распознавании видеофайла, на котором происходит движение двух автомобилей, указать число к = 10, то на выходе получится результат, который представлен на рисунке 1.14. Рис.
1.14 Результат работы алгоритма кластеризации при й = 10. 6? Прямоугольниками отмечены кластеры, сформированные в процессе работы алгоритма. Для формирования отдельных кластеров в общие результирующие необходимо объединить пересекающиеся кластеры. Недостатками такого метода является высокая чувствительность в шумовым эффектам, которые значительно искажают результаты распознавания, поэтому предварительно необходимо произвести обработку изображения при помощи шумоподавляющих фильтов для уменьшения шума.
Системы компьютерного зрения используются так же при организации складской деятельности предприятия 181-831. Одним из таких примеров является компания Атахоп, которая использует роботизированные системы Кюа на своих складах. Робот-кладовщик представляет собой подвижное устройство небольшого размера, имеющий гидравлический подъемник для перевозки полок с продукцией. Робот-кладовщик использует систему компьютерного зрения для определения движения по складу (рис 1.15). Благодаря видеокамере робот считывает штрих-коды перевозимой полки, а так же техническую разметку на полу для навигации. Система разработана таким образом, что для каждого робота производится расчет маршрута, не пересекающийся с маршрутом какого-либо другого робота-кладовщика. Такая организация системы не допускает столкновение двух роботов.
Рис. 1.15 Фотография роботов-кладовщиков на складе компании Атаров. Применение роботов при решении вопросов складской деятельности очень эффективно, позволяет оптимально использовать складские помещения. Такое использование роботизированной техники не только повышает автоматизацию производства, но н позволяет экономить средства на заработной плате сотрудников и прочих расходах, связанных с человеческим фактором. По данным компании роботы-кладовщики делают за 15 минут работу, на выполнение которой у персонала уходит бО-75 минут рабочего времени. Системы компьютерного зрения и цифровая видеосъемка широко применяются в авиации и космонавтике, для стыковки и посадки летательных аппаратов, а так же для сканирования земной поверхности в научноисследовательских и военных целях ~92~.
Одним из таких примеров является российская система Аэросюрвей, которая предлагает возможность использования квадрокоптеров и систем компьютерного зрения для изучения объектов съемки и получения оперативной информации о степени технического состояния объекта, расположенного на удалении от привычных средств визуализации и контроля. Российская компания Тарнс разрабатывает промышленные телеинспекционные роботы, оснащенные системами компьютерного зрения, контрольно-измерительными приборами для учета ресурсов, оборудованием для определения начилия нефти, нефтепродуктов и других веществ в водных средах, а так же пробоотборниками для природных и сточных вод ~701.
Задачей таких роботов является диагностика трубопроводов водоснабжения, каналов, водозаборных скважин и канализации. Производится видеодиагностика труб, в ходе которой получается полная информация о процессах, проходящих внутри трубопровода. Это позволяет в значительной степени снизить возникновение внештатных ситуаций и оперативно произвести ремонт объекта, Использование телеинспекционных роботов позволяет определить локализацию засора в трубах или повреждения трубопровода, без нх вскрытия и демонтажа. Для диагностики труб используются различные комплектации телеинспекционных роботов, например для обследования систем канализации используется самоходный робот с видеокамерой, управляемый дистанционно при помощи пульта оператора или гибкого шнура.
Получаемое с робота изображение передается на монитор персонального компьютера в режиме реального времени, либо записывается в базу данных для последующего анализа. Компания О1ЧБу бгоир разрабатывает собственные изделия цифровой и вычислительной техники для решения задач в областях бизнеса, образования, медицины, науки и др. 1731 Производится телемедицинская система ИЧБу ТМ21 для применения в области патологической анатомии, проведения удаленных медицинских консультаций, удаленного управления медицинским оборудованием (рис.
1.16), таким как роботизированный микроскоп Соо1зсаре фирмы Мйоп в ходе гистологических и цитологических анализов препаратов„а так же микроскопы фирм 1.е1са и Хе1зз. Так же имеется модуль работы с рентгенорадиологическими изображениями, позволяющий вызывать из удаленной базы данных рентгеновское изображение оперируемого пациента. Рис. 1.16 интерфейс Р1ЧЬу ТМ21 для удаленного управления роботизированным микроскопом. На промышленных производствах на сегодняшний день широко используются сканеры штрих-кодов для контроля и учета выпускаемой продукции 1911. Одним из таких разработок является Оа1а1оя1с Мантх 410- 7о промышленный 20 считыватель, позволяющий производить захват изображения, распознавание и декодирование штрих-кода (рис. 1.17), Одним из преимуществ промышленного сканера штрих-кодов перед персональным — высокая скорость считывания с широкой глубиной поля считывания, что позволяет производить распознавание штрих-кода с больших расстояний на скоростных конвейерах.
Рис. 1.17 промышленный сканер Оа1а1о чс Маях 410 Одним из примеров является производство печатных плат в электронной промышленности [331. Производится контроль качества продукции посредством проверки наличия всех компонентов на печатной плате электронного устройства на конвейерной линии.
Производится проверка и распознавание реперных знаков на печатной плате. Использование систем компьютерного зрения на данном производстве позволяет оператору персонального компьютера видеть изображение выпускаемой продукции в стандартном масштабе, а так же в многократном увеличении, благодаря чему отпадает нужда в использовании увеличительной техники и приборов для контроля качества продукта оператором непосредственно на конвейерной линии. Для повышения точности контроля качества данного производства используется видеокамера высокого разрешения, что позволяет производить точную оценку качества процесса. В процессе съемки 71 компонентов производится запись видеокадра в базу данных системы для последующего анализа и обработки изображений по уменьшению дрожания и шумов на изображении.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
