Алгоритмы распознавания трехмерных объектов по эталонным двумерным проекциям тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Тант Зин Пьо

• Тант Зин Пьо
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Тант Зин Пьо

ВВЕДЕНИЕ

ГЛАВА 1. ИССЛЕДОВАНИЕ НАПРАВЛЕНИЙ РАЗВИТИЯ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ РОБОТИЗИРОВАННЫХ КОМПЛЕКСОВ

1.1. Обзор состояния разработок роботизированных комплексов

1.2. Особенности построения системы управления роботизированных комплексов нового поколения

1.3. Этапы обработки изображений в системах технического зрения роботизированных комплексов

1.4. Особенности идентификации объектов в системах технического зрения роботизированных комплексов

Выводы по главе 1

ГЛАВА 2. СОВЕРШЕНСТВОВАНИЕ СТАТИСТИЧЕСКИХ МЕТОДОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ТРЕХМЕРНЫХ ОБЪЕКТОВ ДЛЯ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ

2.1. Моделирование цифровых изображений окружающей среды в виде случайных полей

2.2. Построение упрощенных статистических моделей цифровых изображений для идентификации окружающей среды

2.3. Математические модели преобразования изображений для систем технического зрения

2.4. Формализация задачи и методы распознавания изображений трехмерных объектов

2.5. Метод статистического обучения для идентификации объектов окружающей среды

Выводы по главе 2

ГЛАВА 3. ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ ВНЕШНЕЙ СРЕДЫ И РАСПОЗНАВАНИЕ ТРЕХМЕРНЫХ ОБЪЕКТОВ ПО ЭТАЛОННЫМ ДВУМЕРНЫМ ПРОЕКЦИЯМ

3.1. Использование методов математической статистики для оценки параметров распределений случайных величин, характеризующих окружающую среду

3.2. Преобразование изображений в форму, удобную для статистического анализа

3.3. Методы организации обучения и тестирования системы распознавания объектов окружающей срезы

3.4. Алгоритм распознавания трехмерных объектов по эталонным двумерным проекциям

Выводы по главе 3

ГЛАВА 4. ПОДГОТОВКА И ПРОВЕДЕНИЕ КОМПЬЮТЕРНОГО ЭКСПЕРИМЕНТА ПО ИСПОЛЬЗОВАНИЮ РАЗРАБОТАННЫХ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ ОКРУЖАЮЩЕЙ СРЕДЫ И РАСПОЗНАВАНИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВ

4.1. Основные требования к компьютерной модели системы распознавания и исходные положения, используемые при ее проектировании

4.2. Методика организации обучения модели системы распознавания СТЗРК

4.3. Моделирование процессов распознавания объектов СТЗ РК

Выводы по главе 4

Заключение

Список использованных источников

Приложение 1. Акт внедрения

Введение диссертации (часть автореферата) на тему «Алгоритмы распознавания трехмерных объектов по эталонным двумерным проекциям»

ВВЕДЕНИЕ

Актуальность темы исследования. В США, Японии и странах Западной Европы развернуты и интенсивно ведутся исследования по разработке систем технического зрения (СТЗ) робототехнических комплексов (РК), которые могут использоваться для ликвидации последствий экологических и техногенных катастроф, обезвреживания подозрительных предметов в местах массового скопления людей, а также для других ситуаций, представляющих угрозу для здоровья и жизни человека [1-3]. Существующие в РФ и за рубежом РК в основном предназначены для выполнения работы в достаточно ограниченных условиях внешней среды. Во многих ситуациях применение РК отличается большой неопределенностью окружающей среды.

Для повышения эффективности перспективных РК необходимо увеличивать их автономности. Проблема состоит в оперативной идентификации окружающей среды для обеспечения устойчивого функционирования РК при возникновении нештатных ситуаций и нарушениях связи с диспетчерским пунктом. В связи с этим разработка новых методов и алгоритмов обработки информации для СТЗ РК представляется актуальной научно- технической проблемой [4-7].

Степень разработанности темы. Первые работы исследователей из США и Японии по обработке изображений и распознаванию объектов были опубликованы в конце 70-х годов прошлого века. Позже аналогичные работы стали появляться и в России: в Москве (МГУ, МФТИ), С-Петербурге (СПбГУ, ГУАП), Самаре (СГАУ), Рязани (РГРУ), Новосибирске (НГУ), Томске (ТГПУ) и других городах. Особый вклад принадлежит выдающимся российским ученым: Ю.И. Журавлеву, В.А. Сойферу, Н.Г. Загоруйко, JI.M. Местецкому, Б.А. Алпатову и другим. Широко известны работы таких зарубежных учёных, как Rosenfeld A., Roberts L.G., Winston Р.Н., Waltz D., Hunt E.B., Hueckel M.H., Lloyd J.M. и других.

Следует отметить, что разработанные методы обработки информации для СТЗ эффективны лишь для отдельных достаточно несложных объектов, примерами служат многогранники, человеческие лица, печатные или рукописные символы, номера автомобилей. Причем идентифицируемые объекты должны наблюдаться в достаточно детерминированных условиях (определённое освещение, фон и положение объекта относительно камеры). Перечисленные условия, как правило, не соблюдаются при функционировании РК на заранее неподготовленной местности.

Проектирование СТЗ для перспективных РК предполагает решение целого ряда новых сложных задач, которые не имели место для промышленных роботов, функционирующих в пределах заводских помещений.

Цель работы и задачи исследования.

Цель работы: повышение эффективности распознавания трехмерных объектов по их двумерным проекциям в условиях изменения условий наблюдения за счет применения передовых алгоритмов и моделей обработки изображений.

Для достижения поставленной цели в работе решаются следующие основные задачи:

1. Исследование современных методов и моделей обработки изображений для идентификации трехмерных объектов внешней среды в условиях недостаточно определенной информации.

2. Разработка алгоритма распознавания трехмерных объектов по их эталонным двумерным проекциям.

3. Разработка алгоритма идентификации параметров внешних факторов, искажающих изображения, для учета их действия в алгоритме распознавания.

4. Создание компьютерной модели распознавания трехмерных объектов и проведение компьютерного эксперимента для различных условий внешней среды.

Научная новизна работы.

1. Разработан алгоритм статистического распознавания трехмерных объектов на местности по эталонным изображениям их двумерных проекций, полученных на этапе обучения и хранящихся в базе данных, который предназначен для применения в условиях изменения фактора освещенности и воздействия помех, искажающих входные изображения, поступающие от телекамер системы технического зрения.

2. Установлены формульные зависимости, позволяющие определить неизвестные параметры функции правдоподобия гипотез относительно классов распознаваемых объектов при недостаточно определенных факторах внешней среды.

3. Создана методика обучения системы распознавания человеком-оператором, служащая для установления соответствия между наблюдаемыми изображениями объектов и представителями их классов, предварительно размещенных в базе данных компьютера.

Теоретическую и практическую значимость работы. В результате проведения НИР разработаны статистический метод обработки изображений трехмерных объектов, использующие достижения в области теории распознавания образов, для идентификации объектов внешней среды СТЗ РК, функционирующих в недостаточно формализованной среде.

Представленные результаты исследований могут быть использованы при разработке моделей внешней среды, создании методов и способов идентификации объектов в условиях недостаточно определенной среды для СТЗ РК различного назначения.

Методология и методы исследования. При решении поставленных задач в работе автор использовал теорию вероятностей, математическую статистику, методы математического моделирования динамических систем, а также специальные разделы алгебры и геометрии. Исследование работоспособности разрабатываемых алгоритмов проводилось посредством

компьютерного моделирования с использованием математического пакета прикладных программ МайаЬ.

Положения, выносимые на защиту.

1. Алгоритм статистического распознавания трехмерных объектов на местности по эталонным изображениям их двумерных проекций, полученных на этапе обучения и хранящихся в базе данных, который предназначен для применения в условиях изменения фактора освещенности и воздействия помех, искажающих входные изображения, поступающие от телекамер системы технического зрения.

2. Формульные зависимости, позволяющие определить неизвестные параметры функций правдоподобия гипотез относительно классов распознаваемых объектов при недостаточно определенных факторах внешней среды.

3. Упрощенные формулы для представления входных изображений СТЗ и факторов, вносящих искажения в изображения распознаваемых объектов, для реализации их на компьютерах ограниченной производительности.

4. Методика обучения системы распознавания человеком-оператором, служащая для установления соответствия между наблюдаемыми изображениями объектов и представителями их классов, предварительно размещенных в базе данных компьютера.

Степень достоверности. Полученные экспериментальные результаты и разработанная методика согласуются с известными теоретическими моделями, в определённой своей части имеют прямое подтверждение в опубликованных отечественных работах, а также находят косвенное подтверждение в результатах зарубежных экспериментальных и теоретических работах. Опубликованные результаты согласуются и существенно дополняют экспериментальные результаты других авторов.

Апробация работы. Основные положения диссертации работы

докладывались и обсуждались на следующих научных конференциях:

7

1. Всероссийская межвузовская научно-техническая конференция студентов и аспирантов "Микроэлектроника и информатика - 2010, 2011, 2012, 2013", МИЭТ;

2. Международная научная заочная конференция"Актуальные вопросы современной техники и технологии - 2011". - Липецк, 2011.

3. Межвузовский сборник / Под ред. В.А Бархоткина "Информационно-управляющие вычислительные системы: алгоритмы, аппаратные и программные средства - 2011", МИЭТ;

4. Всероссийская межвузовская научно-практическая конференция студентов и аспирантов"Актуальные проблемы информатизации в науке, образовании и экономике - 2011, 2012", МИЭТ;

5. Международная телекоммуникационная конференция молодых ученых и студентов «МОЛОДЕЖЬ И НАУКА». НИЯУ МИФИ, 2013;

6. Международная научно-техническая конференция студентов, аспирантов и молодых ученых по программе «У.М.Н.И.К.»"Современные информационные технологии - Пенза 2013".

Публикации. По материалам диссертации опубликовано 10 тезисов докладов и 9 статей, в том числе четыре в журналах, входящем в перечень ВАК.

Структура работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы из 79 наименований. Диссертация изложена на 121 страницах, содержит одну таблицу и 8 рисунков.

Содержание работы. В первой главе представлен аналитический обзор состояния разработок РК; рассмотрены особенности построения их системы управления; описаны этапы обработки изображений в СТЗ РК; показаны особенности идентификации объектов внешней среды.

Во второй главе рассматриваются вопросы: совершенствования статистических методов обработки изображений трехмерных объектов для СТЗ РК. Предлагаются упрощенные формулы для представления входных изображений СТЗ и факторов, вносящих искажения в изображения распознаваемых объектов, для реализации их на компьютерах ограниченной

8

производительности. Проанализированы методы распознавания изображений и предложен статистический подход для решения задачи идентификации параметров внешней среды и распознавания трехмерных объектов.

В третьей главе исследование процесса идентификация параметров внешней среды в зоне действия СТЗ РК; проанализированы методы математической статистики для оценки неизвестных параметров распределений случайных величин, характеризующих внешнюю среду; представлено преобразование изображений в форму удобную для статистического анализа; предложен алгоритм статистического распознавания трехмерных объектов на местности по эталонным изображениям их двумерных проекций, полученных на этапе обучения и хранящихся в базе данных, который предназначен для применения в условиях изменения фактора освещенности и воздействия помех, искажающих входные изображения, поступающие от телекамер системы технического зрения.

В четвертой главе представлены основные требования к компьютерной модели системы распознавания и исходные положения, используемые при ее проектировании. Изложена методика обучения системы распознавания человеком-оператором, служащая для установления соответствия между наблюдаемыми изображениями объектов и представителями их классов, предварительно размещенных в базе данных компьютера. Рассматриваются вопросы подготовки и проведения компьютерного эксперимента по использованию разработанных алгоритмов идентификации параметров окружающей среды и распознавания трехмерных объектов по их эталонным двумерным проекциям в различных условиях обстановки.

ГЛАВА 1. ИССЛЕДОВАНИЕ НАПРАВЛЕНИЙ РАЗВИТИЯ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ РОБОТИЗИРОВАННЫХ КОМПЛЕКСОВ

1.1. Обзор состояния разработок роботизированных комплексов

Современная робототехника возникла во второй половине 20 века, когда в ходе развития производства появилась реальная потребность в универсальных манипуляционных машинах-автоматах. Объективными предпосылками ее возникновения явились: необходимость гибкой автоматизации в промышленности; потребность исключения человека из непосредственного участия в машинном производстве и недостаточность для этих целей традиционных средств автоматизации [8]. В силу перечисленных причин наибольшее распространение роботы получили сначала в промышленности и, прежде всего, в автоматизированном машиностроении. При этом основными задачами были: снижение трудоемкости работ, освобождение человека от монотонных и вредных условий труда.

В настоящее время различные международные фирмы ABB, STA UBLI, REIS, MOTOMAN, MITSUBISHI и другие производят промышленные роботы, предназначенные для манипулирования, сварки, покраски, упаковки, шлифовки, полировки с большим спектром применений по точности, и характеру выполняемых операций. Возможности промышленных роботов постоянно расширяются, без их использования невозможно современное высокоточное производство [9,10].

Развитие робототехники началось с отраслей, имеющих наиболее

жесткие детерминированные среды и процессы, в частности,

машиностроения. По мере развития сенсорных средств и систем управления

робототехнические системы стали создаваться и для немашиностроительных

отраслей. В первую очередь они потребовались в отраслях

промышленности, где участие человека опасно для жизни или здоровья.

Широкие перспективы роботы имеют в атомной, горнодобывающей,

нефтяной промышленности, а также металлургии. По числу промышленных

10

роботов традиционно лидирует Япония, но вплотную к ней приблизились США.

Роботы широко используются для строительства высотных зданий в Южной Корее. В ряде случаях применение робототехнических систем позволяет экономить значительные средства на подготовительных роботах. Землеройный робот Robibins, производства США планируется использовать для бурения туннеля диаметром около 6 м при постройке новых линий московского метрополитена.

Ведутся экспериментальные разработки роботов для транспорта. Южноамериканская компания Oshkosh Truck создала тяжёлый внедорожный безэкипажный автомобиль и провела его испытания в пустыне. Грузовик самостоятельно (без дистанционного управления по радио) двигался по пересечённой местности, обнаруживал препятствия и принимал решения -как лучше их преодолеть, чтобы доставить груз в заданную точку.

Другим примером является робот-автомобиль от BMW, который получил название "CDC" (Connected Drive Connect). В основе его системы технического зрения лежит набор различных сенсоров: радара, видеокамеры, лазерного сканера и ультразвукового сонара. С помощью этих датчиков робот-автомобиль следит за состоянием окружающей среды и ситуацией на дороге. При этом, конструкторы сделали так, чтобы машина практически не отличалась внешне от обычной модели пятой серии. Стоит отметить, что робот - автомобиль совершил самостоятельный успешный переезд в сложных условиях интенсивного движения на одном из немецких автобанов. Автомобиль проехал более 5 тысяч километров, справился со множеством дорожных ситуаций и не нарушил ни одного правила дорожного движения.

Основная область применения роботов в сельском хозяйстве - уборка

урожая. Индустрия сельского хозяйства отстаёт в использовании роботов от

других отраслей, так как многие сельскохозяйственные работы не

детерминированы, а повторяющиеся задачи не являются совсем

идентичными. В большинстве случаев множество факторов (например,

11

размер и цвет собираемых плодов) должны быть проанализированы до начала выполнения задачи, что затрудняет эффективное применение существующих роботов.

Японские исследователи из университета г. Уцуномия (Utsunomiya) совместно с фирмой Romobility Youto, разработали опытный образец робота для сборки клубники в теплицах. Робот «Ичиго Цуми», имеющий размеры, 120x120x70 см., способен самостоятельно определять степень зрелости найденной ягоды. Под захватами манипулятора у робота-сборщика находится встроенная видеокамера, с помощью которой он распознает отдельные плоды и определяет их цвет. Определив по цвету зрелость ягоды, робот принимает решение сорвать ее или перейти к следующей. Манипулятор робота способен отделить созревшую ягоду от ножки и поместить ее в корзину.

Для замены человеческого труда предназначены автономно движущиеся тракторы-распылители, роботы для обрезки, прополки/пахоты, орошения и мониторинга, роботы, стригущие овец. Неотъемлемой частью передовых клиник мира становятся медицинские роботы. Роботизированная хирургическая система da Vinci позволяет проводить операции, быстрее, с меньшей кровопотерей и сохранением большего количества нервных окончаний, что благотворно влияет на состояние больного. Кроме того, использование системы da Vinci уменьшает риск инфицирования хирургической бригады гепатитом, ВИЧ и другими инфекциями.

Успешно ведутся работы в области создания космических роботов Автоматические межпланетные станции, планетоходы для изучения поверхности планет солнечной системы являются по сути сложными интеллектуальными роботами, поскольку из-за больших задержек сигнала телеуправление ими в реальном времени практически невозможно. Большие успехи достигнуты также в области проектирования морских роботов для проведения глубоководных исследований и беспилотных летательных аппаратов различного назначения.

Для работ в недетерминированной окружающей среде в настоящее время активно развивается особый класс робототехнических систем -адаптивные и интеллектуальные мобильные роботы (АРК) [11-14]. Сферы их конкретного применения весьма многообразны, к ним относятся:

- профилактические, ремонтные и спасательные работы в сложных условиях (например, на ядерных реакторах АЭС);

- обеззараживание помещений, сооружений и местности от радиоактивных, химических, биологических и других выбросов;

- поиск и спасение людей при авариях и стихийных бедствиях;

- борьба с пожарами, активный контроль и предупреждение людей о стихийных бедствиях и авариях, ликвидация их последствий;

- борьба с терроризмом и организованной преступностью;

- несение активной патрульной службы, обезвреживание различных взрывчатых устройств; и многое другое.

Во многих странах для противодействия преступлениям с применением взрывчатых веществ подразделения полиции и служб безопасности оснащаются мобильными роботизированными взрывотехническими комплексами, обеспечивающими эффективное и безопасное для личного состава выполнение необходимых работ, в том числе:

- поиск взрывоопасных объектов на местности, в стационарных объектах и на транспортных средствах;

- детальное обследование обнаруженного объекта;

- обезвреживание или уничтожение объекта;

- транспортирование в безопасное место или укладку взрывоопасного объекта во взрывозащитную камеру;

- доставку специального оборудования к объекту.

В России также создаются робототехнические комплексы, однако в

виду ограниченного финансирования их номенклатура и количество

существенно меньше, чем за рубежом. Одними из основных разработчиков

13

наземных роботов являются МГТУ им. Н.Э.Баумана, Государственный научный центр РФ «Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики» (ЦНИИ РТК) г. Санкт-Петербург Деятельность института сосредоточена на научно-исследовательской разработке и создании технических средств робототехники и технической кибернетики космического, воздушного, наземного и морского базирования.

В подразделениях МЧС России используется мобильный робототехнический'комплекс разведки и пожаротушения легкого класса РК-РП в составе автомобиля быстрого реагирования АБР-РОБОТ для проведения аварийно-спасательных работ и пожаротушения в условиях повышенной опасности.

РК-РП представляет гусеничную дистанционно управляемую машину с электроприводом для ведения разведки и пожаротушения в основном с помощью водопенных и порошковых средств, установленных как на борту в одном из выбранных модулей емкостью до 60 л, так и от стационарной водопенной установки высокого давления.

В случае необходимости в качестве огнетушащих средств могут быть использованы газовые составы. Бортовой манипулятор позволяет проводить простейшие аварийные аварийно-спасательные операции по переносу (перетаскиванию) грузов.

Наличие видеокамеры, работающей в ИК-диапазоне, позволяет использовать робот в условиях пониженной видимости и задымления, при условии отсутствия сильных источников ИК-излучения.

Для определения уровня и размера опасных зон радиационного и химического заражения на борту робота установлены приборы химического и радиационного контроля, данные с которых передаются на пульт оператора.

С помощью оборудования, которым оснащен комплекс, можно проводить также и дезактивационные работы в зонах заражения. Другие его характеристики представлены в таблице 1.1.

Таблица 1.1

Характеристики РК-РП

№ Параметр Значение

1 Скорость передвижения, м/с ДО 1

2 Зона действия в условиях среднепересеченной местности, городской инфраструктуры и помещениях, м, не менее: - при управлении по радиоканалу; - при управлении по кабельной линии. 1000 200

3 Грузоподъемность манипулятора, кг: - номинальная - максимальная 30 50

4 Длительность непрерывной работы, часов, не менее 3

5 Габариты (максимальные/минимальные), мм - длина - ширина - высота 1300 950 650

В настоящее время в большинстве случаев управление мобильным роботом осуществляет человек-оператор на уровне движений, при этом от человека требуется непрерывное наблюдение за роботом и оперативное управление его действиями [15-17]. Такой подход определяется неспособностью робота принимать самостоятельные решения и имеет ряд недостатков. К ним можно отнести необходимость организации и постоянной поддержки канала связи с оператором, что существенно ограничивает область применения робота. При выполнении технологических операций оператор, получая от системы технического зрения информацию об объекте и процессе выполняемых работ, непрерывно осуществляет

ручное управление исполнительными механизмами манипулятора и транспортного средства.

Сложный процесс управления в сочетании с характером выполняемых работ, требующих повышенного внимания и осторожности, приводит к быстрой утомляемости оператора и, как следствие, увеличению вероятности ошибочных действий. Кроме того, человек не всегда может правильно оценить окружающую среду по данным телеметрии и осуществить адекватное управление. Указанных недостатков можно избежать, если управление со стороны человека-оператора будет проводиться не на уровне задания отдельных движений, а на уровне постановки цели. В этом случае робот должен самостоятельно (или при минимальном участии человека) выполнять поставленные задачи [18-20].

Существенные трудности для операторов дистанционного управления роботом вне зоны прямой видимости представляют следующие ситуации:

- ухудшения качества или полной потери видеосигнала, принимаемого с телекамер, расположенных на борту роботе;

- частичной или полной потери управления и прекращение получения телеметрической информации вследствие прерывания телекодового канала связи.

Это обусловлено в первую очередь физическими ограничениями на беспроводную передачу сигналов телевидения и телекодового управления в разрешенном диапазоне частот. Причинами этих помех являются как естественные преграды, например железобетонные конструкции, складки местности, растительность, так и искусственные, например сильные индустриальные радиопомехи или работа других приемо-передающих устройств, что характерно при использовании нескольких роботов и реализации их группового управления.

Примером автономного управления мобильным роботом типа ЕЛЬ-4

при нарушении канала управления является система автоматического

возврата на исходную позицию. В основу её работы положено

16

формирования моделей внешней среды, навигации и планирования траектории в режиме автономного целенаправленного движения в различных условиях функционирования.

Следовательно, перспективные мобильные роботы для более эффективного функционирования должны обладать элементами интерактивного дистанционного управления, что позволит в случае необходимости переходить от автономного режима управления на режим дистанционного управления по командам оператора и наоборот. Такие роботы получили название «гибридные». Они способны выполнять большую часть своих функций самостоятельно, полагаясь на бортовую сенсорную систему, однако остаются в подчинении оператора, который может отдавать команды координационного характера.

Комбинация «человек-машина» имеет большую надежность, чем каждый из составляющих компонентов в отдельности. В настоящее время роботы с интерактивным управлением следует признать системами более высокого интеллектуального уровня, чем автономные роботы.

Существенное расширение функциональных возможностей этих роботов может быть достигнуто за счет введения в их систему управления элементов адаптации и искусственного интеллекта. Технологии искусственного интеллекта всегда были тесно связаны с робототехникой. Создание роботов - машин, способных действовать как человек, является общей главной целью этих наук. После значительных успехов, достигнутых во второй половине 20 века при успешном внедрении промышленных роботов в процесс автоматизированного производства, в настоящее время можно говорить о переносе центра научных исследований в область создания мобильных роботов с элементами искусственного интеллекта.

Такие роботы могут автоматически (без участия человека)

приспосабливаться к плохо предсказуемым изменениям внешней среды и

условиям эксплуатации. Они отличаются мощным информационным и

программным обеспечением, позволяющим системе управления

17

планировать технологические операции и принимать оптимальные решения, анализировать окружающую среду и оперативно реагировать на ее изменения, программировать работу оборудования и корректировать управляющие программы, диагностировать неисправности и предотвращать аварийные ситуации.

Разработка таких роботов является не только крайне актуальной, но и социально значимой задачей, так как направлена на решение важных проблем безопасности и сохранности человека и среды его обитания.

Список литературы диссертационного исследования кандидат наук Тант Зин Пьо, 2014 год

Список использованных источников

1. Pierro, P., Monje С., Balaguer С. Modelling and Control of the Humanoid Robot/ Robot Model.IEEE Transaction on Robotics and Automation. -2008.-Vol.17.-№1.-p. 95-100.

2. Multi-Robot Systems, Trends and Development / Edited by Toshiyuki Yasuda and Kazuhiro Ohkura - InTech, 2011. - 248 p.

3. Brain, Vision and AI. /EditedRossi C. - InTech, 2008. - 352 p.

4. Потапов A.A., Пахомов А. А., Никитин С. А., Гуляев Ю.В. Новейшие методы обработки изображений. — М.: Физматлит, 2008. - 496 с.

5. Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. - М.: "Нолидж", 2000. - 442 с.

6. Тант Зин Пьо. Нейросетевой алгоритм Кохонена для классификации образов // Современные информационные технологии -Пенза 2013. 17-я международная научно-техническая конференция студентов, аспирантов и молодых ученых по программе «У.М.Н.И.К.» : Сборник статей. -2013. - С. 166-167.

7. Тант Зин Пьо. Нечеткие нейронные сети и преимущества их использования при моделировании систем обработки информации // Микроэлектроника и информатика - 2012. 19-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2012г. - С. 197.

8. Automation Control - Theory and Practice / Edited by A. D. Rodic. -Inteh, 2009. - 396 p.

9. Pattern recognition / Edited by Pehg-Yeng Yin. - InTech. 2009. - 725 p.

10.Pattern Recognition, Recent Advances/ A. Herout.- InTech, 2010. -

413 p.

11.Robot Manipulators New Achievements/ Edited by: A. Lazinica and H. Kawai -Publisher: InTech. 2010. - 226 p.

12.Vaseghi S. V. Advanced digital signal processing and noise reduction. -NY.: John Willey & sons, 2000. - 260 p.

13.Ken Chapman. Digitally removing a DC offset: DSP without mathematics. Xilinx white paper 279, 2008. - 134 p.

14.Smith S.W. The scientist and engineer's guide to digital signal processing. - San Diego: California technical publishing, 1999. - 297 p.

15.Астапкович A.M., Анисимов A.JI., Елисеенко А.Г., Суханов И.О. Современные тенденции построения систем управления дистанционно-пилотируемыми летательными аппаратами. // В кн.: Информационно-управляющие системы для подвижных объектов.- СПб: Политехника, 2002. - с. 7-32.

16.Кочетков М.П., Тант Зин Пьо Формализация деятельности оператора при управлении мобильным роботизированным комплексом // Журнал «Научное обозрение» -М.: ИД "Наука образования", 2013.- № 12.-С. 209-212 (перечень ВАК).

17.Тант Зин Пьо, Пайе Тэйн Наинг, Касимов Р. А., Смирнов В. О. Методика повышения достоверности магистрального телеуправления. Журнал «Научное обозрение». 2013 . - С. 76-78 (перечень ВАК).

18.Комченков В.И., Петров В.Ф., Симонов С.Б., Терентьев А.И. Методика построения роботизированных безэкипажных объектов наземного базирования - Известия ЮФУ Технические науки. Робототехника, 2013.-е. 25-30

19.Кочетков М.П., Тант Зи Пью Роботизация мобильных комплексов для выполнения работ в сложных условиях // Методы и средства контроля объектов природно-технических систем: сборник научных трудов / Под ред. В.И Каракеяна. - М.: МИЭТ: 2012. - с.35-39.

20.Кочетков М.П., Тант Зи Пью Особенности проектирования мобильных роботизированных комплексов для выполнения работ в сложной обстановке // Инфраструктура объектов природно-технических геосистем:

сборник научных трудов / Под ред. В.И Каракеяна. - М.: МИЭТ: 2013. -с.30 -35.

21.Корсунский В.А., Наумов В.Н. Перспективы развития военных мобильных робототехнических комплексов наземного базирования в России - Вестник МГТУ им. Н.Э. Баумана: электронное издание, 2013.

22.Зин Пьо Аунг, Вэй Пьо Аунг, Тант Зин Пьо. Система технического зрения для мониторинга транспортных потоков. // Микроэлектроника и информатика - 2013. 20-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2013. -С. 184.

23.Тант Зин Пьо, Тин Чжо, Пья Сон Ко Ко, Пайе Тэйн Наинг. Методика системы распознавания образов с помощью самоорганизующихся карт Кохонена нейронных сетей на основе МаШЬ // Интернет-журнал «Науковедение». 2013 №5 (18) [Электронный ресурс]. - М. 2013. - Режим доступа: http://naukovedenie.ru/ нк1ех.р11р?р=:ч88ие-5-13. (перечень ВАК).

24. Тант Зин Пьо, Кочетков М.П. Обработка изображений в системах технического зрения робототехнических комплексов. Информационно-управляющие вычислительные системы: алгоритмы, аппаратные и программные средства : межвузовский сборник // Под ред. В.А Бархоткина. -М.: МИЭТ, 2011.-С. 130-135.

25.Костров Б. В., Ручкин В. Н., Фулин В. А. Искусственный интеллект и робототехника. - М.: Диалог-МИФИ, 2008. - 437 с.

26. Тант Зин Пьо, Кочетков М.П. Интеллектуальная обработка информации в проблемных ситуациях // Актуальные проблемы информатизации в науке, образовании и экономике - 2012г. 5-я Всероссийская научно-практическая конференция: Тезисы докладов. - М: МИЭТ, 2012г. -С. 71.

27.ЕвменовВ.П. Интеллектуальные системы управления. - М.: Книжный дом "Либриком", 2009. - 304 с.

28.Интеллектуальные системы автоматического управления / Под ред. ИМ. Макарова, В.М. Лохзина. - М.: ФИЗМАТЛИТ, 2001. - 464 с.

29.Третьяков М.Е. Принятие решений по выбору траектории движения мобильным роботизированным комплексом в нечеткой среде. Инженерный журнал: наука и инновации, 2013, вып. 8.

30.Алдошин Н.В., Пехутов A.C. Система управления универсального роботизированного базового транспортного модуля - Вестник ФГОУ ВПО МГАУ, 2012, № 2

31.Юревич Е. И. Управление роботами и робототехническими системами. -СПб.: Изд. СПбГПУ, 2001. - 518 с.

32.Юревич Е.И. Основы робототехники. 2-е изд., перераб. и доп. -СПб.: БХВ-Петербург, 2005. - 616 с.

33.Батанов А.Ф., Грицынин С.Н., Муркин C.B. Мобильные роботизированные взрывотехнические комплексы - Специальная техника, 2000, №1

34.Голубкин И. А., Кирилин С. А., Щербатов И. А. Принципы разработки мультимедийных прикладных роботизированных устройств -Вестник АГТУ. Сер: Управление, вычислительная техника и информатика, 2010, №2

35. Обзор информации о роботизированных комплексах Министерство по чрезвычайным ситуациям республики Беларусь. - Минск: Научно-исследовательский институт пожарной безопасности и проблем чрезвычайных ситуаций, 2013.

36.Ющенко A.C. Интеллектуальное планирование в деятельности роботов // Мехатроника. - 2005. - №3. - с. 12-18.

37.Джонс М. Т.Программирование искусственного интеллекта в приложениях. - М.: Изд-во ДМК, 2004. - 274 с.

38.Каляев И.А., Гайдук А.Р., Капустин С.Г. Распределённые системы планирования действий коллективов роботов. - М.: Янус-К, 2002. - 314 с.

39. Тант Зин Пьо. Обработка связанных наборов данных // Микроэлектронные информационно-управляющие системы и комплексы -2010. Международная научная школа для молодежи: Материалы научной школы. - М.: МИЭТ, 2010г. - С. 113.

40.Тант Зин Пьо. Замена серверных курсоров с помощью технологии MARS // Микроэлектроника и информатика - 2010. 17-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2010г. - С. 146.

41.Каляев И.А., Лохин В.М., Макаров И.М., Манько C.B., Романов М.П,, Юревич Е.И. / под общей ред. Юревича Е.И. Интеллектуальные роботы. - М.: Машиностроение, 2007. - 634 с.

42.Алиев P.A., Абдикеев Н.М., Шахназаров М.М.. Производственные системы с искусственным интеллектом. - М.: Радио и связь, 1990. - 304 с.

43.Самойлов В.В. Экстремальная робототехника // Труды Девятой Всероссийской научно-практической конференцию- СПб., 2006. - с. 45-58.

44.Юревич Е.И. О проблеме группового управления роботами // Мехатроника, автоматизация, управление. - 2004. - № 2. - с. 125-138.

45.Singer P. W. Wired for War: The Robotics Revolution and Conflict in the 21st Century. - NY: Penguin Press, 2009, - 512 p.

46.Корн Г., Корн Т. Справочник по математике. - M.: Наука, 1977. -

804 с.

47. Солонина А.И. Алгоритмы и процессоры цифровой обработки сигналов. - СПб.: БХВ - Петербург, 2001. - 239 с.

48.Дьяконов В. П., MATLAB 6.5 SP1/7/7 SP1/ Работа с изображениями и видеопотоками. - М.: СОЛОН-Пресс, 2010. - 400 с.

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

50. Тант Зин Пьо. Сегментация изображений для бортовых

вычислительных систем робототехнических комплексов

//Микроэлектроника и информатика - 2011. 18-я Всероссийская

117

межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2011г. - С. 205.

51.Горелик А.Д., Скрипкин В.А. Методы распознавания, М.: Высшая школа, 1989 - 232 с.

52.Дж. Ту, Р. Гонсалес Принципы распознавания образов, М.: Мир, 1978-411 с.

53.Дуда Р., Харт П. Распознавание образов и анализ сцен, М.: Мир, 1976-512 с.

54.Люгер Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем. 4 изд. - М.: Издательский дом "Вильяме", 2003. - 718 с.

55.Рассел С., Норвиг П. Искусственный интеллект: современный подход. 2 изд. - М.: Издательский дом "Вильяме", 2006. - 612 с.

56.Потапов A.C. Распознавание образов и машинное восприятие, М.: Политехника, 2007 - 552 с.

57.Тант Зин Пьо, Пья Сон Ко Ко. Алгоритмы обработки изображений для систем управления наземными роботизированными комплексами // научно-технический журнал "Естественные и технические науки".- М.: Изд-во ООО "Компания Спутник+", 2013.- № 5(67 ) - С. 288-289.

58.Жданов A.A. Искусственный интеллект - М.: Бином, 2008. -752с.

59.Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2005, 2006. - 1072 с. ISBN 5-94836-028-8

60.Патрик Э. Основы теории распознавания образов, М.: Советское радио, 1980-408 с.

61.Гренандер У. Лекции по теории образов: в 3 т., М.: Мир, 1979.

62.Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. М., «Радио и связь». 1987. 400 с.

63.Ahad M.A.R. Computer Vision and Action Recognition. Atlantis Press, 2011.228 p.

64.BovikA.C. The Essential Guide to Image Processing. Academic Press. 2009, 840 p.

65.Тант Зин Пьо, Кочетков М.П. Математические модели изображений для систем технического зрения // Актуальные вопросы современной техники и технологии - 2011. III-я Международная научная заочная конференция: Сборник докладов. - Липецк, 2011г. - С. 56-62.

66.Тант Зин Пьо, Кочетков М.П. Методы распознавания объектов для мобильных роботов // Актуальные проблемы информатизации в науке, образовании и экономике - 2011г. 4-я Всероссийская межвузовская научно-практическая конференция студентов и аспирантов: Тезисы докладов. - М: МИЭТ, 2011г. -С. 103.

67.Грузман И.С., Киричук B.C., Косых В.П., Перетяган Г.И., Спектор A.A. Цифровая обработка изображений в информационных системах. -Новосибирск: НГТУ, 2008 - 452с.

68.Тант Зин Пьо. Адаптивные алгоритмы распознавания // Микроэлектроника и информатика - 2013. 20-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. - М.: МИЭТ, 2013г. - С. 221.

69.Коршунов Ю.М. Математические основы кибернетики. - М.: Энергоатомиздат, 1997. -496с.

70.Потапов А. С. Технологии искусственного интеллекта - СПб: СПбГУ, ИТМО, 2010.-373 с.

71.Брук H.H. Теория и практика искусственного интеллекта. - М.: Изд-во ДМК, 2001. - 335 с.

72.Костров Б. В., Ручкин В. Н., Фулин В. А. Искусственный интеллект и робототехника. - М.: Диалог-МИФИ, 2008. - 224с.

73.Андерсон Т. Введение в многомерный статистический анализ, М.: Наука, 1963. - 500с.

74.Пугачев B.C. Теория вероятностей и математическая статистика. -М.: Наука, 1979.-496с.

75.Воскобойников Ю. Е. Математическая статистика. - Новосибирск : Наука, 1996. - 99 с.

76.Гмурман В. Е. Руководство к решению задач по теории вероятностей и математической статистике . -М. : Высш. шк., 1979. -400 с.

77.Гмурман В. Е. Теория вероятностей и математическая статистика. -М.: Высш. шк., 1997. - 479 с.

78.Боровков А. А. Теория вероятностей / А. А. Боровков. -М. : Наука, 1976.-354 с.

79.Боровков А. А. Математическая статистика / А. А. Боровков. - М. : Наука, 1984.-472 с.

/

УТВЕРЖДАЮ

НИУ.«МИ: о наунной работе

" .¿:т.к^хгрьфессор

СЛ. Гаврилов 2014 г.

АКТ

о внедрении результатов кандидатской диссертационной работы Таит Зин Пьо на тему «Алгоритмы распознавания трехмерных объектов по эталонным двумерным проекциям»

Мы, нижеподписавшиеся, заведующий кафедры «Вычислительная техника» д.т.н., профессор Бархогкин В,Л., к.т.н., профессор кафедры ВТ Лунин С.А. и к.т.н., доцент кафедры ВТ Кочетков М.П. составили настоящий акт о том, что на кафедре ВТ внедрены в учебный процесс:

- алгоритм статистического распознавания изображений трехмерных объектов в условиях воздействия помех и изменения фактора освещенности, по эталонным двумерным проекциям, полученных на этапе обучения и хранящихся в базе данных компьютера;

- формульные зависимости, позволяющие определить неизвестные параметры функции правдоподобия гипотез относительно классов распознаваемых объектов при недостаточно определенных факторах внешней среды.

Разработанный Таит Зин Пьо алгоритм и формульные зависимости используются при проведении практических занятий со студентами третьего курса при изучении дисциплины «Моделирование информационно-управляющих систем».

Внедрение результатов диссертации Тант Зин Пьо позволяет наглядно продемонстрировать студентам примеры использования современных методов цифровой обработки информации для решения задач адаптации систем автоматического управления к изменению факторов окружающей внешней среды.

Заведующий кафедры ВТ

Бархоткин В.А. Лупин С.А. Кочетков М.П.

д.т.и., профессор к.т.н., профессор к.т.н., доцент

C/'fi/