Алгоритмическое и программное обеспечение адаптивной системы технического зрения для обнаружения подвижных объектов роботом тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат технических наук Копылов, Юрий Викторович

• Копылов, Юрий Викторович
• кандидат технических наук
• 1999

Оглавление диссертации кандидат технических наук Копылов, Юрий Викторович

Введение

Глава 1. Анализ применения СТЗ для обнаружения подвижных объектов

1.1 Предварительная постановка задачи разработки СТЗ

1.2 Обзор существующих методов обнаружения подвижных объектов

1.3 Определение задач, связанных с разработкой СТЗ

Выводы

Глава 2. Разработка математической модели адаптивной СТЗ для обнаружения подвижных объектов

2.1 Формализованная схема и математическая модель процесса функционирования СТЗ ■ ■

2.2 Математическая модель процесса настройки СТЗ по яркости

2.3 Математическая модель процесса предварительной обработки изображений

2.4 Математическая модель процесса обнаружения объектов наблюдения и вычисления их характеристик

Выводы

Глава 3. Разработка алгоритмического и программного обеспечения адаптивной СТЗ для обнаружения подвижных объектов

3.1 Разработка алгоритма автоматической настройки системы по яркости

3.2 Разработка алгоритмов предварительной обработки изображений в СТЗ

3.3 Разработка алгоритма обнаружения объектов наблюдения и вычисления их характеристик

3.4 Оптимизация процесса функционирования СТЗ

3.5 Разработка программного обеспечения СТЗ

Выводы

Глава 4. Экспериментальное исследование адаптивной СТЗ для обнаружения подвижных объектов

4.1 Описание экспериментальной установки

4.2 Результаты экспериментальных исследований СТЗ в лабораторных условиях

4.3 Результаты экспериментальных исследований СТЗ в реальных условиях

Выводы

Введение диссертации (часть автореферата) на тему «Алгоритмическое и программное обеспечение адаптивной системы технического зрения для обнаружения подвижных объектов роботом»

Робототехника является одним из наиболее приоритетных направлений развития народного хозяйства. С каждым годом все более расширяется применение робототехнических систем. С их помощью осваиваются технологические процессы, освобождающие людей от многих видов утомительного, однообразного, тяжелого труда, а также работы во вредных для здоровья человека условиях. Гамма промышленных и специальных роботов очень велика: от дистанционно управляемых манипуляторов до адаптивных робототехнических комплексов, которые не требуют присутствия человека-оператора во время своей работы [21, 26, 40, 60, 65, 69].

Адаптивные роботы относятся к наиболее сложному классу систем. Одним из основных элементов адаптивного робота является система очувствления [51, 61, 73]. Ее задача состоит в сборе информации об изменениях внешней среды и оценке состояния компонент устройства управления и манипулятора. В состав информационных систем адаптивных роботов входят силомоментные, тактильные, локационные системы очувствления, а также системы технического зрения (СТЗ). Среди перечисленных выше систем, СТЗ обладает наибольшей информативной емкостью: от 80 до 90% информации о свойствах объекта манипулирования и параметрах внешней среды, робот получает с помощью технического зрения [4, 7, 14, 15, 20, 23, 24, 35, 36, 43, 47, 48, 52-54, 59, 62, 63, 67, 68, 72, 76].

Спектр задач, решаемых СТЗ очень широк: от контроля наличия детали на рабочем месте, до автоматического распознавания рукописного текста. С увеличением сложности задачи, поставленной перед СТЗ, растет и время, затрачиваемое на обработку изображений. Однако, далеко не всегда мы можем располагать им в большом количестве. Существует целый ряд задач, в которых это время ограничено. К этой группе относится и задача обнаружения подвижного объекта на сложном фоне.

Задача обнаружения подвижных объектов является актуальной для роботов, использующихся в охранных системах, для контроля трафика на железных дорогах и шоссе и пр. При слежении за движущимися объектами в охранных комплексах наружного наблюдения необходимо фиксировать сам факт наличия подвижных объектов или следить только за теми объектами, движение которых происходит в заданном направлении (подъезжающими к воротам или выезжающими из охраняемой зоны). Объектами наблюдения в этих задачах являются люди и машины, движущиеся по разным, пересекающимся траекториям. Количество объектов изменяется в процессе работы, движение происходит на фоне нестационарной природной среды: качающихся деревьев, травы и т.п.

В задачах слежения за автотранспортом на шоссе необходимо контролировать либо все машины, либо те, скорость которых превышает заданный диапазон. При этом робот может менять место своего наблюдения для контроля разных участков шоссе. В подобных задачах объекты наблюдения, как правило, движутся по параллельным траекториям, их количество достаточно велико, а шумовая обстановка сходна с предыдущей задачей. При слежении за железнодорожным транспортом могут возникать дополнительные задачи, например, контроль номеров вагонов в процессе движения состава.

Очевидно, что все эти задачи решаются на открытом пространстве. При этом объекты работы, как правило, малоконтрастные и могут быть даже закамуфлированы под окружающую природную среду, как, например, в задачах, связанных с охранными системами. Кроме того, работа на открытом пространстве связана с нестабильностью освещенности и шумовой обстановки из-за изменения погодных условий, времени суток, смены роботом места наблюдения или сектора обзора и пр. Все это приводит к необходимости разработки системы, способной работать в условиях недетерминированной внешней среды, с реальными объектами сложной формы. К сожалению, в настоящее время разработки подобных систем сдерживаются отсутствием алгоритмов адаптации к изменяющимся внешним условиям. Поэтому разработка СТЗ для обнаружения подвижных объектов в условиях сложного фона является одной из актуальных задач на текущем этапе развития робототехники.

В диссертации рассмотрены вопросы, связанные с разработкой алгоритмического и программного обеспечения адаптивной СТЗ для ведения наблюдения за подвижными объектами в экстремальных условиях. Главным достоинством такой системы является ее полная автономность. Система не требует присутствия человека-оператора во время своей работы, что позволяет оградить последнего от нежелательных воздействий со стороны внешней среды.

Настоящая диссертация состоит из 4-х глав. В первой главе проведена предварительная постановка задачи разработки СТЗ, проведен структурный анализ процесса обработки информации в СТЗ, сделан обзор современных СТЗ для обнаружения подвижных объектов. В результате определен круг задач, которые необходимо решить при разработке адаптивной СТЗ такого типа.

Вторая глава диссертации посвящена разработке математической модели адаптивной СТЗ для обнаружения подвижных объектов. Построена формализованная схема процесса функционирования СТЗ и выбран критерий оптимизации системы. Разработаны математические модели составляющих частей процесса обработки изображений в СТЗ.

В третьей главе диссертации проведена разработка алгоритмического и программного обеспечения процесса обработки изображений в СТЗ, разработка блока управления СТЗ и определение принципов функционирования всех частей системы. Проведено моделирование работы всей системы в целом, выбраны операционная система и язык программирования, разработано программное обеспечение СТЗ.

Четвертая глава диссертации посвящена экспериментальным исследованиям СТЗ для обнаружения подвижных объектов. В нее входит описание задач эксперимента, требования к экспериментальной установке и ее описание, результаты экспериментальной проверки работы СТЗ в лабораторных условиях и на реальных рабочих сценах.

Заключение диссертации по теме «Роботы, мехатроника и робототехнические системы», Копылов, Юрий Викторович

Выводы

1. Испытания автоматической настройки системы на текущую освещенность показали, что она обеспечивает значение яркости изображения в заданном интервале X и = 31,5 ± 1,5. Для настройки системы требуется обработка двухтрех видеокадров с суммарными затратами по времени не более 180 мс. Анализ настройки по второму параметру гистограммы показал, что в процессе уменьшения освещенности рабочей сцены значение этого параметра перестает попадать в заданный интервал А, и = 16,0 ± 2,5, не нарушая устойчивости обнаружения объекта до момента достижения значения =8. При А,12 < 8 освещения для нормальной работы системы становится недостаточно (объект перестает обнаруживаться) и в РТК необходимо передавать сигнал о включении внешней подсветки.

2. Испытания показали работоспособность и эффективность использования адаптивного фильтра в условиях сложного фона. В большинстве случаев адаптивный фильтр удаляет более 90% подвижных помех при общем количестве проходов фильтрации не более 5-ти. Результаты сравнения процедур адаптивной фильтрации и обычной, жестко заданной, показали, что качество фильтрации улучшается на 30-40% при использовании адаптивного фильтра.

3. В результате испытаний было установлено, что использование фильтра Кал-мана на этапе вычисления характеристик объектов наблюдения приводит к увеличению точности работы системы в 2 раза. Искажения вычисляемых координат и скорости движения объекта на границах зоны видимости составляют не более 8% от всего поля зрения. Использование процедуры прогнозирования текущего местонахождения объекта в случае его внезапной потери позволяет сохранить непрерывность траектории движения объекта в процессе работы системы. Отсутствие этого алгоритма приводит к тому, что СТЗ необходимо вновь накапливать информацию об объекте наблюдения после его появления на изображении.

4. В процессе испытаний разработанной СТЗ было установлено, что для устойчивого слежения за объектом размеры кластера Х™^ и Y™ax должны выбираться с учетом возможной скорости движения объекта наблюдения. Устойчивость обнаружения объектов зависит от их взаимного расположения на

163 рабочей сцене: следы их движения не должны перекрываться в течение длительного времени, допускаются случаи перекрытия в течение 1-2 тактов.

5. При сравнении адаптивной СТЗ с аналогичной, но не адаптивной системой было установлено, что использование алгоритмов автоматической настройки, адаптивной фильтрации и прогнозирования траектории движения объекта повышает устойчивость обнаружения малоконтрастных объектов на сложном фоне. При этом для адаптивной СТЗ вероятность ошибки первого рода составила Р] = 7%, вероятность ошибки второго рода - Рц = 4%. Для не адаптивной СТЗ - Р^ 23%, Рц= 16% соответственно.

ЗАКЛЮЧЕНИЕ

В диссертационной работе представлены теоретические и экспериментальные исследования, относящиеся к проблеме разработки адаптивной СТЗ для обнаружения подвижных объектов на сложном фоне. Решены вопросы адаптации системы к изменяющимся внешним условиям, обнаружения подвижных объектов и слежения за ними в условиях сложного фона, организация параллельной работы этапов обработки изображений в СТЗ.

Итогом работы являются следующие основные результаты:

1. Разработан алгоритм автоматической настройки системы по яркости, позволяющий адаптировать СТЗ в процессе ее работы к изменениям освещенности за минимальное количество итераций - не более 2-х. Предложена методика исследования платы видеоввода с целью настройки разработанного алгоритма под конкретное аппаратное обеспечение.

2. Разработан комплекс адаптивных алгоритмов предобработки видеоинформации, позволяющий в процессе работы СТЗ выбирать наиболее эффективную последовательность фильтров для каждого поступающего изображения, что улучшает качество фильтрации на 30-40 % по сравнению с обычными методами. Предложена методика объективной оценки качества работы фильтров исходя из условий работы системы.

3. Разработан алгоритм обнаружения подвижных объектов в условиях сложного фона, позволяющий повысить устойчивость обнаружения объектов наблюдения в 3-4 раза: при использование алгоритмов адаптации СТЗ к внешним условиям вероятность ошибки первого рода составила Р1 = 7%, вероятность ошибки второго рода - Рц = 4%; без использования этих алгоритмов -Р1= 23%, Рп= 16% соответственно.

4. Предложена модель СТЗ в виде 3-х фазной системы массового обслуживания, обеспечивающая параллельное функционирование разработанных алгоритмов в составе системы, разработана методика оптимизации работы системы, с помощью которой получены эффективные параметры функционирования СТЗ: частота поступления заявок-изображений в систему, длины буферов для хранения очередей заявок, максимально допустимое время простоя фаз системы.

5. Для проведения экспериментальных исследований разработано программное обеспечение СТЗ как многозадачной системы. Данное ПО проверено на моделях и реальных изображениях, и его можно использовать для решения задач обнаружения подвижных объектов в условиях сложного фона.

6. Проведено экспериментальное исследование разработанного ПО, подтвердившее работоспособность и эффективность предложенных методик и алгоритмов.

Полученные результаты теоретических и экспериментальных исследований могут быть использованы для широкого круга задач, связанных с обнаружением подвижных объектов: для управления роботом при операциях с деталями, движущимися на конвейере, в качестве самостоятельного блока в охранных системах или системах слежения за трафиком на железных дорогах и шоссе, а также в ряде военных задач. Это позволит уменьшить количество ложных срабатываний СТЗ и повысить устойчивость ее работы в экстремальных условиях.

Результаты диссертационной работы внедрены в НПФ Сигма-ИС (г. Москва) при создании комплекса охранно-пожарной сигнализации, что подтверждено актом внедрения (Приложение 8).

Список литературы диссертационного исследования кандидат технических наук Копылов, Юрий Викторович, 1999 год

1. Алпатов Б. А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений // Автометрия. 1991. -№ 3. - С. 21-24.

2. Алпатов Б. А. Оценивание параметров движущегося фрагмента изображения // Техника средств связи. Сер. Техника телевидения. 1991. - № 2. - С. 48-51.

3. Алпатов Б. А. Оптимальное оценивание параметров движения объекта в последовательности изображений // Автометрия. 1994. - № 2. - С. 32-37.

4. Анисимов Б. В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983. - 295 с.

5. Аоки М. Оптимизация стохастических систем: Пер. с англ. М.: Наука, 1971.-424с.

6. Баклицкий В. К. Применение метода фильтрации Калмана к синтезу корреляционно-экстремальных систем // Изв. ВУЗов. Радиоэлектроника. -1982.-№3.-С. 53-58.

7. Бейтс Р., Мак-Донелли. Восстановление и реконструкция изображений. -М.: Мир,1989. -336 с.

8. Бочков С. О., Субботин Д. М. Язык программирования Си для персонального компьютера. М.: Радио и связь, 1990. - 384 с.

9. Брайсон А., Ю-ши Хо. Прикладная теория оптимального управления. -М.: Мир, 1972.-544с.

10. Бронштейн И. Н., Семендяев К. А. Справочник по математике для инженеров и учащихся ВТУЗов. М.: Главиздат, 1953. - 608 с.

11. П.Брябрин В. М. Программное обеспечение персональных ЭВМ. М.: Наука, 1989.-272 с.

12. Бусленко Н. П. Математическое моделирование производственных процессов на цифровых вычислительных машинах. М.: Наука, 1964. - 362с.

13. Бусленко Н. П. Моделирование сложных систем. М.: Наука, 1978. -285 с.

14. Быстрые алгоритмы цифровой обработки изображений /Под ред. Г. С. Хуанга. М.: Радио и связь, 1984. -220 с.

15. Васильев В. И. Распознающие системы: Справочник. Киев: Наукова думка, 1983.-422 с.

16. Вентцель Е. С. Теория вероятностей. М.: Физматгиз, 1962. - 564 с.

17. Воскобойников Ю. И., Иванов М. С., Кисленко Н. П., Мосейчук О. Н. Эффективные алгоритмы вычисления и обработки полей скоростей по изображениям частиц в потоке // Автометрия. 1996. - № 3. - С. 34-45.

18. Гнеденко Б. В. Курс теории вероятностей. М.: Физматгиз, 1961. -406 с.

19. Дейч А. М. Методы идентификации динамических объектов. М.: Энергия, 1979.-240 с.

20. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-511 с.

21. Жаботинский Ю. Д., Исаев Ю. В. Адаптивные промышленные роботы и их применение в микроэлектронике М.: Радио и связь, 1985. - 104 с.

22. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. М.: Мир, 1976. - 165с.

23. Иконика: цифровая обработка видеоинформации. М.: Наука, 1989. -128 с.

24. Катыс Г. П. Обработка визуальной информации. М.: Машиностроение, 1990.-320 с.

25. Клочко В. К. Обнаружение движущихся изображений точечных и протяженных объектов в последовательности телевизионных кадров // Автометрия.-1993.-№ 1.-С. 40-46.

26. Козлов Ю. М. Адаптация и обучение в робототехнике. М. Наука, 1990.-272 с.

27. Копылов Ю. В. Предварительная обработка изображений в промышленных СТЗ // Контроль и диагностика: Тез. докл. 14 Российской Научно-технической Конференции.-М., 1996. С. 316.

28. Копылов Ю. В. Предварительная обработка изображений в условиях сложной помеховой обстановки // Технические средства изучения и освоения океанов и морей. Состояние и перспективы: Тез. докл. международной конференции-школы. -М., 1996. С. 27.

29. Копылов Ю. В., Михайлов Б. Б. Алгоритмическое обеспечение системы обнаружения подвижных объектов // Прикладная физика. 1996. - Вып. 4. -С. 80-89.

30. Копылов Ю. В. Адаптивный фильтр для задач автоматического обнаружения и классификации подвижных объектов // Экстремальная робототехника: VIII Всероссийская научно-техническая конференция. СПб., 1997. -С. 331-334.

31. Копылов Ю. В. Автоматическая СТЗ для обнаружения подвижных объектов как оптимальная система массового обслуживания // Экстремальная робототехника: X Всероссийская научно-техническая конференция. СПб, 1999.-С. 358-365.

32. Кормилин В. А., Мартышевский Ю. В. Оптимальная двухмерная обработка видеосигнала в задаче определения координат объекта // Приборостроение.-1988.-№ 11.-С. 77-82.

33. Кормилин В. А., Мартышевский Ю. В. Оптимальная обработка изображений при определении координат объектов // Деп. рук. ВИНИТИ. 1993. -№ 1739-В93. - 14 с.

34. Корнеев А. Ю., Михайлов Б. Б., Письменный Г. В. Архитектура системы технического зрения первого поколения // Проблемы машиностроения и автоматизации. 1986. - № 10. - С. 46-53.

35. Корнеев А. Ю., Михайлов Б. Б., Письменный Г. В. Системы технического зрения. М.: Машиностроение, 1991. - 110 с.

36. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

37. Кофман А. Методы и модели исследования операций. М.: Мир, 1966. - 523с.

38. Кофман А., Крюон Р. Массовое обслуживание. Теория и применение. -М.: Мир, 1965.-302с.

39. Куаффе Ф. Взаимодействие робота с внешней средой. М.: Мир, 1985. -285 с.

40. Куропаткин П. В. Оптимальные и адаптивные системы: Учеб. Пособие для ВУЗов. М.: Высш. Школа, 1980. - 287 с.

41. Липаев В. В. Проектирование программных средств. М.: Высшая школа, 1990.-303 с.

42. Машинное зрение. Тематический выпуск:Пер. с англ.//ТИИЭР. — 1988. -Т. 76, №8.-С. 7-18.

43. Медич Д. Статистические оптимальные линейные оценки и управление. -М.: Энергия, 1973. -440с.

44. Мелихов А. Н., Берштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

45. Нечеткие множества в моделях искусственного интеллекта /Под ред. Д. А. Поспелова. М.: Наука, 1986. - 308 с.

46. Обработка изображений и цифровая фильтрация /Под ред. Т. Хуанга. -М.: Мир, 1979.-318 с.

47. Обработка изображений на ЭВМ /Е. А. Бутаков, В. И. Островский, И. Л. Фадеев. М.: Радио и связь, 1987. - 240с.

48. Обработка нечеткой информации в системах принятия решений /А. И. Борисов, А.В.Алексеев, Г.В.Меркурьева и др. М.: Радио и связь, 1989. - 304 с.

49. Озеров В.И., Панков В.А., Михайлов Б.Б. Телевизионная система наведения для мобильного робототехнического комплекса // Тез. докл. научно-технической конференции 165 лет МГТУ им. Н. Э. Баумана. М., 1995. - С. 173.

50. Озеров В. И. Телевизионная система селекции малоконтрастных движущихся объектов // Контроль и диагностика: Тез. докл. 14 Российской Научно-технической Конференции М., 1996. - С. 313.

51. Проблемы машинного видения в робототехнике /Под ред. Д. Е. Охо-цимского. М.: ИПМ АН СССР, 1981. - 245 с.

52. Прэтт У. Цифровая обработка изображений. -М.: Мир, 1982. 790 с.

53. Путятин Е. П., Аверин С. И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. - 320 с.

54. Путятин Е. П., Гороховатский В. А., Ищенко С. В. Алгоритмы выделения движущихся объектов на изображениях с применением преобразования Хо // Автометрия. 1993. -№ 6. - С. 88-93.

55. Разработка и исследование системы технического зрения для измерения характеристик манометров: Отчет по НИР / МВТУ. Руководитель темы Г. В. Письменный. ГР№ 0074336, Инв. № 0060725. М., 1982. - 48 с.

56. Разработка информационного обеспечения интеллектуальных робото-технических систем: Отчет по НИР / МГТУ. Руководитель темы А. С. Ющенко. ГР№ 01.9.80004529, Инв. № 02.9.80003956. М., 1998. - С. 10-24.

57. Розенфельд А. Распознавание и обработка изображений. М.: Мир, 1972.-230 с.

58. Робототехника /Под ред. Е. П. Попова, Е. И. Юревича. М.: Машиностроение, 1984.-288 с.

59. Системы очувствления и адаптивные промышленные роботы /Под ред. Е. П. Попова, В. В. Клюева. М.: Машиностроение, 1985. - 254 с.

60. Системы технического зрения: Справочник /В. И. Сырямкин, B.C. Титов, Ю. Г. Якушенков и др. // Под общ. ред. В. И. Сырямкина, В. С. Титова. -Томск: МПГ "РАСКО", 1992. 367с.

61. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) /Под общ. ред. А. Н. Писаревского, А. Ф. Чернявского. JL: Машиностроение, Ленингр. отд-ние, 1988. - 424 с.

62. Смирнов Н. В., Дунин-Барковский И. В. Краткий курс математической статистики для технических приложений. М.: Физматгиз, 1959. - 436 с.

63. Справочник по промышленной робототехнике: В 2-х кн. /Под ред. Ш. Нофа; Пер. с англ. Д. Ф. Миронова и др. М.: Машиностроение, 1989. - 480 с.

64. Страуструп Б. Язык программирования С++: Пер. с англ. М.: Радио и связь, 1991.-352 с.

65. Техническое зрение роботов /Под ред. А. Пью. М.: Машиностроение, 1987.-320 с.

66. Техническое зрение роботов /В. И. Мошкин, А. А. Петров, В. С. Титов, Ю. Г. Якушенков. М.: Машиностроение, 1990. - 248 с.

67. Тимофеев А. В. Адаптивные робототехнические комплексы. Л.: Машиностроение, 1988. - 332 с.

68. Тихонов В. П., Миронов М. А. Марковские процессы. М.: Советское радио, 1977.-488 с.

69. Уоллер Л. Нечеткая логика новая перспективная технология // Электроника. - 1989. - № 5. - С. 70-73.

70. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989.-272 с.

71. Фу К., Гонсалес Р., Ли К. Робототехника. М.: Мир, 1989. - 624 с.

72. Хинчин А. Я. Работы по математической теории массового обслуживания. -М.: Физматгиз, 1963. 236 с.

73. Ховард Р. А. Динамическое программирование и марковские процессы. М.: Советское радио, 1964. - 192 с.

74. Хорн Б. К. П. Зрение роботов. М.: Мир, 1989. - 487 с.

75. Шилдт Г. Программирование на С и С++ для Windows 95. Киев: Тор-гово-издательское бюро BHV, 1996. - 400 с.

76. Штрик А. А., Осовецкий J1. Г., Мессих И. Г. Структурное проектирование надежных программ встроенных ЭВМ. JL: Машиностроение, Ленингр. отд-ние, 1989. -296 с.

77. Эгермайер Ф., Грузин В., Влах В. Основы статистики. М.: Госстатиз-дат, 1961.-376 с.

78. Эльясберг П. Е. Определение движения по результатам измерений. -М.: Наука, 1976.-416 с.

79. Barniv Y. Dynamic programming solutions for detecting dim moving targets // IEEE Transactions on Aerospace and Electronic Systems. 1985. - V.21, N 1. -P. 144-156.

80. Bruton L. Т., Bartley N. R. The enhancement and tracking of moving objects in digital images using adaptive three-dimensional recursive filters // IEEE Transactions on Circuits and Systems. 1986. - V.33, N 6. - P. 604-612.

81. Lampropoulos G. A., Boulter J. F. Filtering of moving targets using SBIR sequential frames // IEEE Transactions on Aerospace and Electronic Systems. -1995. V.31,N4. -P. 1255-1268.

82. Mohany N. C. Computer tracking of moving point targets in space // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1981. - V.3, N 5. -P. 606-611.

83. Mori S., Chong C., Tse C., Wishner E. Tracking and classifying multiple targets without a priori identification // IEEE Transactions on Automatic Control. -1986. V.31, N 5. - P. 401-408.

84. Rauch H. E., Futterman W. I., Kemmer D. B. Background suppression and tracking with a staring mosaic sensor //Optical Engineering. -1981.-N1.-P. 103110.

85. Rauch H. E., Kohfeld J. J. System design for a staring mosaic // Proceedings of the Society of Photographic and Instrumentation Engineers: Infrared Imaging Technology. 1980. - V.226. - P. 53-60.

86. Reed I. S., Gagliardi R. M., Shao M. H. Application of three-dimensional filtering to moving target detection // IEEE Transactions on Aerospace and Electronic Systems. 1983. - V. 19, N 6. - P. 898-905.

87. Reed I. S., Gagliardi R. M., Scotts L. B. Optical moving target detection with 3-D matched filtering // IEEE Transactions on Aerospace and Electronic Systems. 1988. - V.24, N 4. - P. 502-511.

88. Reed I. S., Gagliardi R. M., Scotts L. B. A recursive moving target indication algorithm for optical image sequences // IEEE Transactions on Aerospace and Electronic Systems. 1990. - V.26, N 3. - P. 434-439.

89. Stephens R. S. Real-time 3-D object tracking // Image and Vision Computing. 1990. -V.8, N 1. - P. 91-96.

90. Balkenius C., Kopp L. The XT-1 vision architecture // Proceedings of the Symposium on Image Analysis. Denver, 1996. - P. 39-43.

91. Burton M., Scott T. A. Target Tracking Using the Anisotropic Diffusion Pyramid // Proc. of the IEEE Southwest Symposium on Image Analysis and Interpretation. Portland, 1996.-P. 1051-1057.

92. Gil S., Milanese R., Pun T. Feature Selection for Object Tracking in Traffic Scenes // Proc. SPIE Intl. Symp. on Intelligent Vehicle Highway Systems. Boston, 1994.-P. 816-831.

93. Gil S., Pun T. Non-Linear Multiresolution relaxation for Alerting // Proc. European Conference on Circuit Theory and Design. Davos, 1993. - P. 1639-1645.

94. Shekhar C., Meygret A., Thonnat M. Temporal analysis of stereo image sequences of traffic scenes // Conference on Vehicular Navigation and Intelligent Systems. Nashville, 1991.-P. 1232-1243.

95. Broida T. J., Chandrashekhar S., Chellappa R. Recursive estimation of 3-D kinematics and structure from a noisy monocular image sequence // IEEE Transactions on Aerospace and Electronic Systems. 1990. - V.26, N 3. - P. 426-441.

96. Broida T. J., Chellappa R. Estimation of object motion parameters from noisy images // IEEE Trans. On Patt. Anal. Mach. Intell. 1986. - V.8, N 1. - P. 9099.

97. Broida T. J., Chellappa R. Kinematics and structure of a rigid object from a sequence of noisy images // Proc. of IEEE Workshop on Motion: Representation and Analysis. Memphis, 1986. - P. 925-961.

98. Broida T. J., Chellappa R. Kinematics of a rigid object from a sequence of noisy images: a batch approach // IEEE Computer Society Conf. On Computer Vision and Pattern Recognition. Memphis, 1986. - P. 176-182.

99. Broida T. J., Chellappa R. Experiments and uniqueness results on object structure and kinematics from a sequence of monocular images // IEEE Workshop on Visual Motion. Boston, 1989.-P. 1096-1121.

100. Balasuriya A., Ura T. Autonomous Target Tracking by Underwater Robots Based on Vision//Proc. of UT'98. Tokyo, 1998.-P. 854-861.175