Методы и алгоритмы определения пространственных характеристик стационарных объектов при навигации мобильного робота с монокулярной системой технического зрения тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Бабич, Андрей Михайлович

• Бабич, Андрей Михайлович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Бабич, Андрей Михайлович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ МОДЕЛЕЙ И МЕТОДОВ, ИСПОЛЬЗУЕМЫХ В СИСТЕМАХ НАВИГАЦИИ МОБИЛЬНЫХ РОБОТОВ

1.1 Методы, используемые при разработке систем навигации мобильных роботов

1.2 Основные подходы к определению искусственного интеллекта, используемые при решении задач навигации мобильных роботов

1.3 Модели систем распознавания, используемые в монокулярных системах технического зрения

1.4 Формальные языки описания систем

1.5 Мобильные роботы

1.6 Выводы по главе 1

ГЛАВА 2. МЕТОДИКА ОПРЕДЕЛЕНИЯ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК ОБЪЕКТА С УЧЁТОМ СОСТОЯНИЯ СРЕДЫ И АВТОНОМНОГО МОБИЛЬНОГО РОБОТА

2.1 Определение и постановка задачи

2.2 Распознавание формы поверхности объекта по затенению

2.3 Определение локальной ориентации поверхностей путём анализа искажения ракурса текстуры объекта

2.4 Распознавание формы поверхности по степени размытия объекта при изменении фокуса видеокамеры

2.5 Распознавание формы поверхности при взаимном перемещении объекта и видеокамеры

2.6 Сопоставление рассматриваемых методов

2.7 Выводы по главе 2

ГЛАВА 3. МЕТОД ОПРЕДЕЛЕНИЯ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК ВЫДЕЛЕННОГО СТАЦИОНАРНОГО ОБЪЕКТА МОНОКУЛЯРНОЙ СИСТЕМОЙ ТЕХНИЧЕСКОГО ЗРЕНИЯ МОБИЛЬНОГО РОБОТА

3.1 Общая задача определения пространственных характеристик выделенного стационарного объекта монокулярной системой технического

зрения

2

3.2 Решение подзадачи определения типа зависимостей, хранящихся в базе данных

3.3 Решение подзадачи определения интерполирующей функции входных данных и определения соответствия между полученной информацией и информацией в базе данных

3.4 Решение подзадачи определения пространственных характеристик объекта и формирования управляющего воздействия для корректировки курса

3.5 Использование нейросетевой адаптивной модели для определения пространственных характеристик выделенного стационарного объекта и управления мобильной платформой

3.6 База данных разработки системы технического зрения

3.7 Применение нечёткой математики

3.8 Выводы по главе 3

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА РАБОТОСПОСОБНОСТИ РАЗРАБОТАННОГО МЕТОДА

4.1 Моделирование работы разработанного алгоритма средствами 3D Studio Мах и среды Matlab

4.2 Разработка аппаратной части экспериментального стенда

4.3 Разработка программной части экспериментального стенда

4.4 Практическое использование

4.5 Выводы по главе 4

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

СПИСОК СОКРАЩЕНИЙ И АББРЕВИАТУР

СПИСОК ЛИТЕРАТУРЫ

1

з

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы определения пространственных характеристик стационарных объектов при навигации мобильного робота с монокулярной системой технического зрения»

ВВЕДЕНИЕ

Актуальность темы исследования. На сегодняшний день автономные мобильные роботы и роботы, управляемые дистанционно, находят всё более широкое применение в таких областях как исследование космического пространства и океанских глубин, опасные производства, устранение последствий техногенных катастроф. Основным требованием, предъявляемым к таким роботам, является их точная ориентация в процессе перемещения в пространстве относительно неподвижных препятствий и подвижных объектов [1], [2].

Ранее решение задач навигации возлагалось на человеко-машинные системы. Например, при навигации летательных аппаратов использовалась способность подготовленного человека-штурмана ориентироваться в пространстве, используя для этого показания отдельных приборов навигационной системы (магнитного компаса, радиокомпаса, специальных систем «Радиостанция ближней навигации» и т.д.) и счисление пути (длина пути и направление перемещения летательного аппарата с момента начала движения) [3]. Отличительной особенностью таких систем являлось восстановление местонахождения летательного аппарата при полёте по маршруту и выход в заданную точку только в исключительных случаях - при заходе на посадку, или при выполнении спецзадания [4].

В наиболее развитых системах навигации летальных аппаратов

задействовано большое разнообразие датчиков навигационной информации,

использующих большое число систем координат (CK), что объясняется

необходимостью обеспечить решение всех навигационных задач с требуемой

точностью. В целом, используемые системы координат зависят от масштабов

перемещения летательного аппарата в пространстве и их можно разделить на

глобальные, местные и астрономические. В разработке систем координат для

решения штурманских задач самолётовождения большое влияние оказали

работы Красовского A.A. и Каврайского В.В. [5],[6]. В рассматриваемых

4

нами задачах будем считать необходимым определение дистанции и пространственных характеристик объектов, видимых с использованием систем технического зрения, что позволяет ограничиться использованием местной прямоугольной системой координат.

В истории развития машинного зрения можно выделить следующие этапы [7]:

1955 г. - профессор Массачусетского технологического института (МТИ) Оливер Селфридж опубликовал статью «Глаза и уши для компьютера» в которой впервые была выдвинута идея возможности оснащения ЭВМ средствами распознавания изображения и звука.

1958 г. - в Корнелльском университете Фрэнком Розенблаттом впервые разработана компьютерная реализация персептрона - устройства, моделирующего распознавание образов человеческим мозгом.

1960-е гг. - разработка первых программных систем обработки и распознавания изображений и текста.

1970-е гг. - аспирантом МТИ Лавренсе Робертсом предложена концепция воссоздания трёхмерных моделей объектов реального мира на основе анализа набора их 2Б-изображений. Начало активного развития различных подходов распознавания объектов на изображении.

1979 г. - профессором Ганс-Хельмут Нагелем Гамбургского университета разработаны основы теории анализа динамических сцен, позволяющие распознавать движущиеся объекты в видеопотоке.

1990 гг. - создание Д. Марром модульной парадигмы, утверждающей, что обработка изображений должна опираться на несколько последовательных уровней восходящей информационной линии: от «иконического» представления объектов (неструктурированная информация) - к их символическому представлению (векторные и атрибутивные данные в структурированной форме, реляционные структуры и т. п.) и должна осуществляться по модульному принципу посредством следующих этапов обработки [8]:

- предобработка изображений;

- сегментация;

- выделение геометрической структуры;

-определение относительной структуры и семантики.

Из отечественных работ можно выделить труды сотрудника ОАО «НИКОИ» Овечкиса Ю.Н., которым были разработаны методологические основы стереокомпьютерных методов восстановления ЗЭ-изображения и их применение [9].

Известны также системы дистанционного управления мобильными роботами; их отличительной особенностью также является использование способности подготовленного человека-штурмана ориентироваться в пространстве и дистанционно задавать управляющие сигналы на перемещение мобильного робота в том или ином направлении. Примером такой системы могут послужить различного рода планетоходы [10]. В ряде случаев используются мобильные роботы перемещающиеся по реперным точкам, расположенным вдоль всей дистанции. Известны решения перемещения мобильных роботов от старта к финишу полностью в автономном режиме. Один из известных проектов - DARPA Grand Challenge, гонки автомобилей в США, перемещающихся в автономном режиме из одного пункта в другой [11]. В 2011 году была поставлена задача создать автономный мобильный робот на базе шасси грузового такси «Газель», способного перемещаться по дорогам вокруг озера Селигер, соблюдая правила дорожного движения, в полном объёме эта задача не решена [12], в основном из-за проблем с созданием систем навигации способной решать задачи быстрого восстановления ориентации в пространстве (установить его местонахождение) и прогнозировать возможность удачного перемещения управляемого её мобильного робота в заданном направлении.

Таким образом, задача определения координат мобильного робота в пространстве является актуальной.

Системы технического зрения делятся на использующие одну (монокуляры) и более одной видеокамеры [15], [16]. Работа систем технического зрения, использующих несколько видеокамер, основана на сопоставлении изображений внешней среды, полученных с двух и более пространственно разнесенных точек мобильного робота. Благодаря пространственному разделению полученных изображений в подобных системах технического зрения определяется необходимая информация о пространственных характеристиках объекта.

Системы технического зрения, использующие одну расположенную на мобильном роботе видеокамеру, располагают единственным изображением и не получают информацию об объёме и удалении окружающих объектов, поэтому их использование предполагает наличие априорных сведений об окружающем их пространстве. Однако получение данных о пространственных характеристиках окружающих объектов также возможно за счёт сопоставления изображений, полученных в различные моменты времени при изменении взаимного положения наблюдателя и объектов (т.е. при наблюдении системой окружающего пространства и отслеживании изменений получаемых визуальных характеристик объектов с течением времени).

При определении навигационной системой местонахождения мобильного робота в пространстве и направления его перемещения требуется определять расстояния до подвижных и неподвижных объектов. Во многих случаях практического использования мобильных роботов оказывается достаточным определять расстояние до неподвижных объектов. При проектировании мобильного робота, как и других мобильных устройств, особое внимание уделяется снижению массогабаритных показателей базирующихся на них приборов, в том числе и относящихся к системе технического зрения. Однако требования надежности и жизнестойкости вынуждают предусматривать в системе технического зрения специальную

отдельную видеокамеру для определения дистанции до неподвижных объектов [17].

В работах научных коллективов ОАО «НИКОИ», группы «Транзас», Massachusetts Institute of Technology, Canadian Aviation Electronics, Defense Advanced Research Projects Agency, а также отечественных и зарубежных ученых Овечкиса Ю.Н., Роганова В.Р., Roberts L., посвященных моделированию визуально наблюдаемых трёхмерных объектов с качеством, достаточным для профессиональной тренировки глазомера наблюдателя, показана возможность использования безочковых одноканальных систем визуализации [18], [19]. По сравнению с системами визуальной ориентации на основе нескольких видеодатчиков монокулярные системы обладают простотой, надежностью, их применение позволяет сократить производственные и эксплуатационные расходы. Однако многие вопросы, связанные с получением и обработкой визуальной информации в процессе управления движением автономного мобильного робота, использующего монокулярную систему навигации для определения дистанции до выделенных объектов в условиях помех и искажений изображений, остаются недостаточно проработанными. Это не позволяет расширить масштабы практического применения таких систем. В этой связи тема диссертационного исследования является актуальной.

Объектом исследования являются методы навигации мобильных роботов, оборудованных монокулярной системой технического зрения.

Предмет исследования - математические и имитационные модели процессов навигации и определения дистанции до выделенного стационарного объекта с использованием монокулярной системы технического зрения.

Целью диссертационной работы является повышение надежности и помехоустойчивости систем технического зрения автономных мобильных роботов при определении пространственных характеристик стационарных объектов в процессе навигации.

Для достижения поставленной цели сформулированы и решены следующие задачи.

1. Разработка методики определения пространственных характеристик объекта с учетом условий окружающей среды и состояния автономного мобильного робота, оборудованного монокулярной системой технического зрения.

2. Выявление критериев сопоставления динамических визуальных данных монокулярной системы технического зрения мобильного робота с пространственными характеристиками хранимых образов стационарных объектов.

3. Разработка метода определения пространственных характеристик выделенного стационарного объекта и алгоритмов расчета отклонения робота от заданного курса для формирования управляющего воздействия по корректировке его курса.

4. Разработка модели процесса автоматической локализации и определения пространственных характеристик наблюдаемого выделенного стационарного объекта по ряду разнесенных во времени его образов, обеспечивающей устойчивую работу монокулярной системы технического зрения в условиях помех и искажений изображений.

Научная новизна полученных результатов:

1. Разработана методика определения пространственных характеристик объекта, отличающаяся анализом условий среды и состояния автономного мобильного робота, оборудованного монокулярной системой технического зрения, и комплексным подходом, что обеспечивает повышение помехоустойчивости системы технического зрения.

2. Разработан метод определения пространственных характеристик выделенного стационарного объекта на основе анализа последовательности изображений, полученных при помощи монокулярной системы технического зрения мобильного робота.

3. Разработан метод автоматической коррекции курса мобильного робота во время движения, отличающийся возможностью определения пространственных характеристик выделенного стационарного объекта и вычисления по изменяемым во времени входным данным угла отклонения от заданного курса.

4. Разработана нейросетевая адаптивная модель автоматического определения пространственных характеристик наблюдаемого выделенного стационарного объекта по его изменяющимся во времени изображениям, отличающаяся использованием двух независимых подсистем нейронных сетей, обеспечивающая устойчивую работу монокулярной системы технического зрения в условиях помех и искажений изображений.

Практическая значимость работы.

Разработанная методика определения пространственных характеристик объекта позволяет расширить возможности использования монокулярных систем технического зрения за счёт совместного использования методов определения пространственных характеристик с учетом условий окружающей среды и состояния автономного мобильного робота.

Использование нейросетевой адаптивной модели дает возможность определять пространственные характеристики выделенного стационарного объекта и корректировать курс автономного мобильного робота с повышенной устойчивостью к воздействию помех.

Внедрение результатов работы.

Результаты теоретических и экспериментальных исследований

использованы в ООО «ВидеоЗ» (информационно-ресурсный центр по

Пензенской области программы «Робототехника: инженерно-технические

кадры инновационной России») для разработки программ перемещения

мобильных роботов класса ПРОФИ, в ООО «Новые технологии» при

решении задач автоматизированной загрузки пиролизных печей, в ОАО

«НПП «Рубин» при решении задач определения расстояний до выделенных

объектов, а также внедрены в учебный процесс кафедры «Информационные

ю

компьютерные технологии» Пензенского государственного технологического университета, что подтверждено соответствующими актами.

Обоснованность и достоверность полученных результатов обеспечивается корректным выбором основных допущений и ограничений, обоснованием критериев и показателей эффективности использования нейросетевых методов для определения расстояния до выделяемых объектов с использованием монокулярной системы ввода визуальной информации, подтверждается результатами имитационного моделирования и экспериментальными данными, полученными при испытаниях опытного образца мобильного робота.

На защиту выносятся:

1. Методика определения пространственных характеристик объекта с учетом условий получения исходных изображений и состояния автономного мобильного робота, оборудованного монокулярной системой технического зрения.

2. Метод определения пространственных характеристик выделенного стационарного объекта по его изменяющимся визуальным характеристикам.

3. Метод вычисления угла отклонения от заданного курса по изменяющимся во времени исходным данным для формирования управляющего воздействия по корректировке курса.

4. Нейросетевая адаптивная модель процесса автоматической локализации и определения пространственных характеристик наблюдаемого выделенного стационарного объекта по совокупности разнесенных во времени его образов.

Апробация работы.

Материалы диссертационной работы докладывались и обсуждались на

следующих конференциях: VI, VIII Всероссийских научно-технических

конференциях «Современные методы и средства обработки пространственно-

временных сигналов» (Пенза, 2008, 2010); Международном молодёжном

11

научно-техническом форуме-олимпиаде по приоритетным направлениям развития Российской Федерации (Москва, 2010); Международных научно-технических конференциях «Проблемы автоматизации и управления в технических системах» (Пенза, 2011, 2013); XIX Международной научно-технической конференции «Радиолокация, навигация, связь» (Воронеж, 2013).

Публикации

По теме диссертации опубликовано 12 печатных работ, из них 5 - в изданиях, входящих в перечень ВАК, автору принадлежит глава в коллективной монографии.

Автор выражает искреннюю благодарность сотрудникам ООО «ВидеоЗ» Генеральному директору, профессору ПГТА, к.т.н. Роганову В.Р., начальнику конструкторского отдела к.т.н. Новосельцевой М.Е., главному инженеру к.т.н. Трусову В.В. за помощь в постановке задач, проведения исследований и обработки экспериментальных данных.

ГЛАВА 1. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ МОДЕЛЕЙ И

МЕТОДОВ, ИСПОЛЬЗУЕМЫХ В СИСТЕМАХ НАВИГАЦИИ

МОБИЛЬНЫХ РОБОТОВ

1.1 Методы, используемые при разработке систем навигации мобильных

роботов

Одной из задач, постоянно решаемых любым автономным мобильным роботом, является задача навигации, в которую входят такие общие подзадачи как определение пространственных характеристик окружающей среды, поиск маршрута передвижения и определение собственных координат.

Методы, при помощи которых система навигации решает поставленные перед ней задачи, во многом зависят от систем ввода информации, которыми она оперирует.

Считается, что все существующие системы навигации, основанные на разнообразных системах ввода информации делятся на активные и пассивные (таблица 1.1). Рассмотрим их подробнее [20].

Пассивные системы предполагают получение информации о своих координатах и характеристиках движения от внешних источников.

Активные системы используют для этого свои собственные средства.

К пассивным системам относятся, прежде всего, спутниковые системы (GPS, ГЛОНАСС) и системы, основанные на перемещении по реперным точкам -заранее расставленным маякам.

Спутниковые системы в настоящее время широко распространены, однако их точность не всегда бывает достаточной для определения координат мобильного робота при его передвижении по сложному маршруту или перемещении на малые дистанции.

Таблица 1.1- Системы навигации

Системы навигации

Пассивные Активные

Ориентация по Спутниковые Инерциальные Инерциальные навигационные системы с анализом внешней

заранее в Г навигационные среды

расставленным Р Л системы без

маякам 8 О анализа внешней Использование Использование Использование

Н среды систем, дальномеров датчиков света

А работающих на Оптическ Ультразв Простые Видеокамеры

С замыкание ие уковые фоточув

С (Лидары) ствитель ные элемент ы

Одна Две и более

Системы, основанные на перемещении по реперным точкам, на данный момент являются одними из наиболее надёжных, но они содержат ряд очевидных недостатков, существенно ограничивающих их применение. Это, прежде всего, их использование на ограниченном пространстве, как правило, в замкнутых помещениях, ошибки в работе при появлении в области действия робота ранее не учтённых препятствий, необходимость обслуживания реперных точек - маяков [21].

Активные системы подразделяются на подклассы в соответствии с типами датчиков, используемых для получения информации о внешней среде. Как правило, такие системы обязательно включают в себя инерциальный датчик. Главным недостатком инерциальных датчиков является накопление ошибок за время активной работы, кроме того, они малоэффективны в случаях, когда скорость объекта резко и часто меняется [22]. Поэтому в активных системах инерциальные датчики обычно работают совместно датчиками, анализирующими внешнюю среду. Соответственно, активные системы подразделяются на классы в соответствии с теми типами датчиков которые используются в них: системы, работающие на замыкание, использующие различные дальномеры (оптические или ультразвуковые) или использующие датчики света. Также отдельным классом являются системы, использующие только инерциальные датчики, без анализа внешней среды - инерциальные навигационные системы (ИНС).

Примером ИНС могут послужить механические гироскопы или акселерометры, измеряющие положение, скорость и ускорение тела относительно начальной позиции по усилию, прикладываемому к телу.

Системы, работающие на замыкание ("на ощупь") - это системы анализирующие внешнее пространство путём определения препятствий при столкновении с ними и возникающим при этом замыкании датчика. Таким образом, создаётся карта местности на которой затем функционирует робот. Системы, работающие на замыкание, как правило используются в малогабаритных роботах [23]. Одна из областей, в которой такие системы нашли

широкое применение - это разработка роботов-пылесосов.

15

Недостаток подобных систем навигации - необходимость предварительного создания карты местности, сложности с точностью определения собственных координат и сложности, связанные с учётом препятствий, возникших после создания карты.

Ещё один тип дальномеров, широко распространённых в малогабаритных роботах - это лазерные и ультразвуковые дальномеры. Они, как правило, используются в замкнутых помещениях при выполнении достаточно простых задач, связанных с перемещением в некоторой структурированной среде [24] [25].

К недостаткам использования лазерных дальномеров можно отнести то, что лазерный луч может получить образ окружающей среды только в зоне прямой видимости. Кроме того, на пути луча часто возникают мелкие помехи, вносящие погрешность в такой образ.

Основной недостаток ультразвуковых датчиков - достаточно большое время отклика, особенно если робот находится на большом и открытом пространстве, что не позволяет ему перемещаться быстро.

При использовании датчиков света возможно применение, как простых фоточувствительных элементов, так и систем, использующих технически более сложные видеокамеры.

К фоточувствительным элементам могут относиться такие элементы как фоторезисторы или инфракрасные (ИК) и ультрафиолетовые (УФ) приёмники. Работа фоторезисторов основана на явлении снижения сопротивления фоторезистора при увеличении освещенности. Основная идея датчиков ИК и УФ типа состоит в том, что препятствия перед роботом отражают свет. При использовании ИК и УФ светодиодов и датчиков возможно легко обнаружить препятствие перед его достижением, поскольку фоновое освещение как правило содержит небольшое количество излучения с данными длинами волн [26], [27].

Особый интерес представляют системы навигации, использующие

видеокамеры для получения пространственных характеристик окружающей среды

(то есть основанные системе технического зрения). Разработка таких систем

является сложной задачей и, как правило, лежит на пересечении нескольких

16

дисциплин, так или иначе лежащих в области искусственного интеллекта [28]. Подобные системы являются наиболее универсальными. Теоретически, системы технического зрения (СТЗ) могут использоваться одинаково эффективно как при перемещении робота в замкнутом пространстве, так и при перемещении на открытом воздухе. Однако на сегодняшний день они обладают недостаточной степенью надёжности вследствие подверженности видеоинформации различным помехам (тряска, атмосферные помехи, оптические искажения), большому объёму передаваемой и обрабатываемой информации, а также сложности при анализе полученной информации - это связанно, прежде всего, с проблемой распознавания образов объектов, полученных с видеокамеры [29], [30].

Обработка информации в подобных системах, как правило, аналогична обработке информации в зрительном аппарате человека [31]. Всю информацию об объёме и удалении препятствий робот получает сопоставляя изображения, полученные с двух и более точек пространства (бинокулярные системы). Вследствие рассогласования полученных изображений в подобных СТЗ вычисляется необходимая информация о пространственных характеристиках объекта [32], [33].

Системы, использующие одну видеокамеру (монокуляры), менее

распространены, поскольку считалось, что получение полноценной информации о

пространственных характеристиках окружающей среды с помощью одной

видеокамеры затруднено [34]. Однако успехи школы безочковой объёмной

визуализации, зародившейся ещё в советское время на

авиатренажёростроительном объединении ПО «Эра», показали, что для

моделирования трёхмерного изображения модели окружающей среды с

качеством, достаточным для выработки профессиональных навыков ориентации в

пространстве — визуального определения расстояния до наблюдаемых моделей,

достаточно использовать безочковую систему моделирования трёхмерного

изображения, в основе которой лежит требование показывать только подвижные

объекты через специальную оптику. Как правило, такие и им подобные системы

основываются на заранее заданных жёстких условиях об окружающем их

17

пространстве [35, 36]. Но, если человек-наблюдатель может оценивать в безочковых системах моделирования трёхмерного изображения расстояние до видимых моделей объектов, тогда возможно решение задачи определения расстояния до видимых объектов системами технического зрения, использующих одну видеокамеру.

Следует также учесть, что потребность в монокулярных системах технического зрения сохраняется в случае их применения в робототехнических системах, для которых важны физический размер и масса используемого оборудования. Примером могут послужить беспилотные летательные аппараты классов "мини" и "микро", особенностью которых является небольшая взлётная масса (максимум 5 кг для класса "микро" и 30 кг для класса "мини").

Также монокулярные системы технического зрения могут использоваться для удешевления или увеличения надёжности системы навигации, выступая в качестве резервной системы, например при выходе из строя одной из камер бинокулярной СТЗ.

Таким образом, монокулярные системы технического зрения в настоящее время не достаточно исследованы и требуют разработки системы анализа визуальной информации при решении задач навигации.

1.2 Основные подходы к определению искусственного интеллекта,

используемые при решении задач навигации мобильных роботов

Считается, что задача разработки систем технического зрения лежит в области искусственного интеллекта. Отметим, что развитие искусственного интеллекта напрямую связано с развитием средств выполнения инженерных расчётов, что связано с необходимостью всегда перерабатывать большие объёмы исходных данных [37]. В таблице 1.2 представлены основные этапы развития информационных технологий, учёные и инженеры, разрабатывавшие технику, используемую на данном этапе, и решаемые ей задачи.

Список литературы диссертационного исследования кандидат наук Бабич, Андрей Михайлович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1 Емельянов, C.B. Искусственный интеллект и принятие решений [Текст] / C.B. Емельянов - Москва, 2010. - С. 108.

2 Жданов, A.A. Автономный искусственный интеллект [Текст] / A.A. Жданов // СПб.: Бином. Лаборатория знаний. - Санкт-Петербург, 2009. -359 с.

3 Мамедов, В.Я. Воздушная навигация и элементы самолётовождения: Учеб.пособие [Текст] / В.Я.Мамедов, А.Н.Синяков, К.К.Петров, Д.А. Горбунов // издательство СПбГУАП. - Санкт-Петербург, 2002. - С. 256.

4 Коваленко, П.А. Пространственная ориентировка пилотов (психологические особенности) [Текст] / П.А.Коваленко // Транспорт. -Москва, 1989.-С. 230.

5 Каврайский, В.В. Математическая картография [Текст] / В.В. Каврайский // М.-Л.: Редбаза Госкартотреста. - 1934. -С. 276.

6 Красовский, A.A. Авиационные тренажёры [Текст] / A.A. Красовский, В.И.Лопатин, А.И. Наумов, Ю.Н. Самолаев // Издательство ВВИА им. Жуковского. - Москва, 1992. - С. 320.

7 Зуева, Е.Ю. Компьютерное зрение в ИПМ им. В.М. Келдыша РАН [Текст] - история развития / Е.Ю. Зуева // Математические машины и системы, 2009, №4. - Киев, 2009. - С. 18-26.

8 http://lelikchern.livejournal.com/90364.html

9 Кондратьев, Н.В. Стереокомпьютерные методы формирования изображения и их применение [Текст]. / Н.В. Кондратьев, Н.В Елхов, Ю.Н. Овечкис, Л.В. Паутова, A.A. Паутов // Техника кино и телевидения, № 8.-2001.-С. 11-16.

10 Сомов, Е.И. Геодезическая привязка космических изображений на основе комплексирования навигационной и наблюдательной информации [Текст] / Е.И. Сомов, С.А. Бутырин // Сб. материалов 17-й Санкт-Петербургской между народ, конф. по интегрированным навигац. системам./СПб.: Концерн «ЦНИИ Электроприбор». - Санкт-Петербург, 2011.-С. 264-266.

11 http://www.darpagrandchallenge.com/

12 http://www.myrobot.ru/news/2011/07/20110711_1 .php

13 Михайлов, A.M. Видеоанализ в робототехнике и ГАП [Текст]. / A.M. Михайлов // Сб. ВНИИ системных исследований. №18. - Санкт-Петербург, 1986. - С. 82-89.

14 Катыс, Г.П. Обработка визуальной информации [Текст] / Г.П. Катыс // -Машиностроение. - Москва, 1990. - С. 320.

15 Абламейко, C.B. Обработка изображений. Технология, методы, применение [Текст] / C.B. Абламейко, Д.М. Лагуновский // Амалфея. -Минск, 2000. - С. 304.

16 Абламейко, C.B. Автоматический анализ и контроль изображений [Текст] / C.B. Абламейко, В.И. Лебедев, Д.М. Лагуновский // ИТК АНБ. -Минск, 1993.-С. 103.

17 Бабич, A.M. Математические и компьютерные методы в медицине, биологии, экологии: монография [Текст] / В.И. Левин, A.M. Бабич, Е.Ю. Буркина, Я.А. Гельфандбейн, В.Я. Гельфандбейн, A.A. Казанцев, Т.Г. Копченко, A.B. Крошилин, C.B. Крошилина, Е.Г. Крушель, П.А. Набродов, А.Н. Пылькин, В.Р. Роганов, Э.В. Роганова, A.A. Смирнов, О.Н. Смирнова, И.В. Степанченко, О.В. Степанченко, А.Ю. Чемерисов, Р.П. Шиповский. - Пенза - Москва: Приволжский Дом знаний, 2012. - С. 78-90.

18 Роганов, В.Р. Методы формирования виртуальной реальности [Текст] / В.Р. Роганов // ПензГУ - Пенза, 2002. - С. 127.

19 Шукшунова, В.Е. Автоматизированные обучающие системы профессиональной подготовки операторов летательных аппаратов [Текст] / В.Е. Шукшунова // Машиностроение. - Москва, 1986. - С. 240.

20 Бабич, A.M. Подход к классификации систем ввода информации мобильных роботов [Текст] / A.M. Бабич, В.Р. Роганов// Современные методы и средства обработки пространственно-временных сигналов: сб. ст. VI всероссийск. науч.-техн. конф. - Пенза, 2008. - С. 75-78.

21 Куафе, Ф. Взаимодействие робота с внешней средой [Текст] / Ф. Куафе // Мир. - Москва, 1986. - С. 260.

22 J. Borenstein, В. Everett, and L. Feng. Navigating Mobile Robots: Systems and Techniques. A. K. Peters, Ltd., Wellesley, MA, 1996.

23 Choset H., Lynch К., Hutchinson S., Kantor G. , Burgard W., Kavraki L., Thrun S. Principles of Robot Motion: Theory, Algorithms, and Implementations. 2005. 632 p.

24 Воротников, C.A. Информационные устройства робототехнических систем [Текст] / C.A. Воротников // МГТУ им. Н. Э. Баумана. - Санкт-Петербург, 2005. - С. 384.

25 Пряничников, В.Е. Алгоритмическое обеспечение дистанционных сенсоров мобильных роботов [Текст] /В.Е. Пряничников // Мехатроника, автоматизация, управление №10. - 2008. - С. 10-21.

26 Вильяме, Д. Программируемый робот, управляемый с КПК [Текст] -Пер. с англ / Д. Вильяме // НТ Пресс. - Москва, 2006. - С. 224.

27 Вильяме, Дж. Программируемые роботы. Создаём робота для своей домашней мастерской [Текст] - Пер. с англ. / Дж. Вильяме // -НТ Пресс. -Москва, 2006.-С. 240.

28 Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения [Текст] / Ю.В. Визильтер, С.Ю. Желтов, A.B. Бондаренко, М.В. Ососков, A.B. Моржин // Физматкнига. - Москва, 2010. - С. 672.

29 Шапиро, J1. Компьютерное зрение [Текст]. - Пер. с англ. / JI. Шапиро, Дж. Стокман // БИНОМ. Лаборатория знаний. - Москва, 2006. - С. 752.

30 Гонсалес, Р. Цифровая обработка изображений [Текст]. - Пер. с англ. / Р. Гонсалес, Р.Вудс // Техносфера. - Москва, 2005. - С. 1072.

31 Зубарев, Ю.Б. Цифровая обработка телевизионных и компьютерных изображений [Текст] / Ю.Б. Зубарев, В.П. Дворкович // Международный центр научной и технической информации. - Москва, 1997. - С. 212.

32 Бабич, A.M. Анализ погрешности определения пространственных характеристик объекта бинокулярными системами технического зрения [Текст] / A.M. Бабич // Радиопромышленность. - 2011. - Вып. 4. - С. 6872.

33 Фурман, Я.А. Введение в контурный анализ . Приложения к обработке изображений и сигналов [Текст], 2-е издание / Я.А. Фурман // Физматлит. -Москва, 2003.-С. 592.

34 Дуда, Р. Распознавание образов и анализ сцен [Текст] / Р. Дуда, П. Харт // Мир. - 1976.-С. 512.

35

36

37

38

39

40

41

42

43

44

45

46

47

Миронов, C.B. Система анализа визуальных данных мобильного робототехнического комплекса [Текст] / C.B. Миронов, Ф.А. Трушкин // Мобильные роботы и мехатронные системы: матер, науч. шк.-конф. (Москва, 23-24 октября 2006). - Изд-во Моск. ун-та - Москва, 2006. Crow F. С. Algorithms for computer graphics / Computer Graphics, v. 11, N2, 1977. —p. 242—247.

Эндрю, А. Искусственный интеллект [Текст]. - Пер. с англ. / А. Эндрю // Мир. - Москва, 1985. - С. 250.

Хант, Э. Искусственный интеллект [Текст]. - Пер. с англ. / Э. Хант // -Мир. - Москва, 1978. - С. 558.

Сойфер, В.А. Методы компьютерной обработки изображений [Текст], 2-е издание / В.А. Сойфер // Физматлит. - Москва, 2003. - С. 784. Семенков, О.И. Методы и алгоритмы обработки растровой графической информации [Текст] / О.И. Семенков, C.B. Абламейко // Ин-т техн. кибернетики АН БССР. - Минск, 1984. - С. 104.

Цыганков, В.Д. Нейрокомпьютер и его применение [Текст] / В.Д. Цыганков // Со л Систем. Москва, 1993. - С. 117.

Голубев, Ю.Ф. Нейронные сети в мехатронике [Текст] / Ю.Ф. Голубев // Фундаментальная и прикладная математика, том 2, №8. -Открытые системы. - Москва, 2005. - С. 81-103.

Gordienko P. Construction of efficient neural networks: Algorithms and tests // Proceedings of the International joint Conference on Neural Networks IJCNN'93, Nagoya, Japan, 1993. PP. 313-316.

Горбань, A.H. Нейронные сети на персональном компьютере [Текст] / А.Н. Горбань, Д.А. Россиев // Наука. - Новосибирск, 1996. - С. 276. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика [Текст] / Ф. Уоссермен // Мир. - Москва, 1992. - С. 184.

Горбань, А.Н. Нейроинформатика [Текст] / А.Н. Горбань, B.JI. Дунин-Барковский, А.Н. Кирдин, Е.М. Миркес, А.Ю. Новоходько, Д.А. Россиев, С.А. Терехов, М.Ю. Сенашова, В.Г. Царегородцев // Наука. Сибирское предприятие РАН. - Новосиирск, 1998. - С. 296.

Widrow В., Lehr M. А. 30 years of adaptive neural networks: Perceptron, Madaline, and backpropagation // Proc. IEEE. — 1990. — Vol. 78. — P.

48

49

50

51

52

53

54

55

56

57

58

59

60

61

1415—1441.

Трахтенгерц, Э.А. Компьютерная поддержка принятия решений [Текст] / Э. А. Трахтенгерц // СИНТЕГ. - Москва, 1998. - С. 181. 3D Visual Dictionary of Computing/Maram Graphics™. 1995. American book. — 231 p.

Смолин, Д.В. Введение в искусственный интеллект [Текст] / Д.В. Смолин // Физматлит. - Москва, 2004. - С. 208. http://www.aerialroboticscompetition.org/

Фор, А. Восприятие и распознавание образов [Текст] / А. Фор // Машиностроение. - Москва, 1989. - С. 272.

Форсайт, Д. Компьютерное зрение. Современный подход [Текст]. - Пер. с англ. / Д. Форсайт, Ж. Понс // Издательский дом "Вильяме". - Москва, 2004. - С. 928.

Бабич, A.M. Актуализация видеопотока в системах автоматического видеонаблюдения [Текст] / A.M. Бабич // Проблемы автоматизации и управления в технических системах: сб. ст. Междунар. науч.-техн. конф. (г. Пенза, 23-25 апреля 2013 г.). - Пенза: Изд-во ПТУ, 2013. - С. 130-132. Рождерс, Д. Математические основы машинной графики [Текст]. - Пер. с англ. / Д. Рождерс, Дж. Адаме // Машиностроение. - Москва, 1980. - С. 240.

Роджерс, Д. Алгоритмические основы машинной графики [Текст] / Д. Роджерс // Мир. - Москва, 1989. - С. 504.

Путятин, Е.П. Обработка изображений в робототехнике [Текст] / Е.П. Путятин, С.И. Аверин // Машиностроение. - Москва, 1990. - С. 320. Грузман, И.С. Цифровая обработка изображений в информационных системах [Текст]: Учеб. пособие / И.С. Грузман, B.C. Киричук, В.П. Косых, Г.И. Перетягин, A.A. Спектор // Изд-во НГТУ. - Новосибирск, 2002.-С. 352.

Очин, Е.Ф. Вычислительные системы обработки изображений [Текст] / Е.Ф. Очин // Энергоатомиздат. - Ленинград, 1989. - С. 136. Советов, Б.Я. Моделирование систем [Текст], 3-е издание / Б.Я. Советов, С.А. Яковлев // - Высшая школа. - Москва, 2001. - С. 343. http://rudocs. exdat.com/docs/index-376294. html?page=5

62

63

64

65

66

67

68

69

70

71

72

73

74

75

Магда, Ю.С. Lab VIEW: практический курс для инженеров и разработчиков [Текст] / Ю.С. Магда // ДМК Пресс - Москва, 2012. - С. 208.

Трэвис, Дж. Lab VIEW для всех, 4-е издание [Текст] - Пер. с англ. / Дж. Трэвис, Дж. Кринг // ДМК Пресс. - Москва, 2011. - С. 904. Макаров, И.М. Робототехника. История и перспективы [Текст] / И.М. Макаров, Ю.И. Топчеев // Наука. - Санкт-Петербург, 2003. - С. 352. Фу, К. Робототехника [Текст] / К. Фу, Р. Гонсалес, К. Ли // Мир. -Москва, 1989.-С. 624.

Корендясев, А.И. Теоретические основы робототехники [Текст] / А.И. Корендясев // Мир. - Москва, 2006. - С. 383.

Кочетков, Г.Б. Могущество и бессилие компьтера [Текст]. / Г.Б. Кочетков // Политиздат. - Москва, 1988. - С. 78.

Пью, А. Техническое зрение роботов [Текст]. - Пер. с англ. / А. Пью // Машиностроение. - Москва, 1987. - С. 319.

Рассел, С. Искусственный интеллект: современный подход [Текст], 2-е издание. - Пер. с англ. / С. Рассел, П. Норвиг // Издательский дом "Вильяме". - Москва, 2006. - С. 1408.

Захарова, В.И. Промышленные роботы [Текст]. / В.И. Захарова, М.П. Васильева // - Москва, 1992. - С. 286.

Булгаков, А.Г. Промышленные роботы. Кинематика, динамика, контроль и управление [Текст] / А.Г. Булгаков, В.А. Воробьев // Солон-Пресс. -Москва, 2007. - С. 488.

Матюхин, В.И. Управление механическими системами [Текст] / В.И. Матюхин // - ФИЗМАТЛИТ. - Москва, 2009. - С. 320. Guilherme N. DeSouza and Avinash С. Как. Vision for Mobile Robot Navigation: A Survey. IEEE transactions on pattern analysis and machine intellegence, vol. 24, no.2, 2002

Лорьер, Ж.-Л. Системы искусственного интеллекта [Текст] - Пер. с франц. / Ж.-Л. Лорьер // Мир. - Москва, 1991. - С. 568. Люгер, Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем [Текст], 4-е издание. - Пер. с англ. / Дж. Ф. Люгер // Издательский дом «Вильяме». - Москва, 2003. - С. 864.

76 Бабич, A.M. Определение пространственных параметров объекта при помощи анализа сигналов, полученных монокуляром [Текст] / A.M. Бабич // Современные методы и средства обработки пространственно-временных сигналов: сб. ст. VIII Всеросс. науч.-техн. конф. - Пенза, 2010.-С. 95-97.

77 Алексеева, И.Ю. Знание как объект компьютерного моделирования [Текст]. / И.Ю. Алексеева // Вопросы философии №3. - 1987. - С. 42-49.

78 Арнхейм, Р. Искусство и визуальное восприятие [Текст] / Р. Арнхейм // -Прогресс. - Москва, 1974. - С. 180.

79 Горьян, И.С. Введение в цифровую обработку изображений [Текст]. Учебное пособие. / И.С. Горьян, Ф.Д. Межов, В.Т. Фисенко // ЭИС им. М.Бонч-Бруевича. - Санкт-Петербург, 1992. - С. 60.

80 Горьян, И.С., Распознавание изображений по их статистическим свойствам [Текст] / И.С. Горьян, И.И. Цуккерман // Техника кино и телевидения №2. - 1966. - С. 57.

81 Бабич, A.M. Методы определения характеристик окружающего пространства при помощи монокулярных систем технического зрения [Текст] / A.M. Бабич // Вопросы радиоэлектроники. Серия «Системы отображения информации и управления спецтехникой». - 2012. - Вып. 1. -С. 156-162.

82 Szeliski R. Computer Vision: Algorithms and Applications. Springer. 2010. 979 p.

83 Пасяда, A.B. Распознавание глубины изображения по затенению и поляризации [Текст] / А.В. Пасяда // Исследование в области приборостроения: научно-технический вестник СПбГИТМО. Выпуск 26 / Изд-во СПбГУИТМО. - Санкт-Петербург, 2006. - С. 81-86.

84 Хорн, Б.К.П. Зрение роботов [Текст]. - Пер. с англ. / Б.К.П. Хорн // Мир. -Москва, 1987.-С. 487.

85 Mariofanna Milanova, Paulo Е. М. Almeida, Jun Okamoto Jr., Marcelo Godoy Simoes. Applications of Cellular Neural Networks for Shape from Shading Problem. Lecture Notes in Artificial Intelligence - Machine Learning and Data Mining in Pattern Recognition. 1999. pp. 51-63

86 Chua, L.O. and Yang, L. "Cellular Neural Networks: Theory and

Applications", IEEE Trans, on Circuits and Systems, (CAS), Vol.35 (1988), 1257-1290

87 Wheeler, M. D., Sato, Y., and Ikeuchi, K. (1998). Consensus surfaces for modeling 3D objects from multiple range images. In Sixth International Conference on Computer Vision (ICCV'98), pp. 917-924, Bombay.

88 Koltsov P.P. Comparative Analysis of Image Processing Algorithms // Pattern Recognition and Image Analysis. - 2012 - Vol. 22, no. 1- Pp. 39-43.

89 Trucco E., Verri A. Introductory techniques for 3-d computer vision. Prentice Hall. 1998.343 p.

90 Авдеев, В.П. Сокращенное описание некоторых текстурных характеристик изображений [Текст]. / В.П. Авдеев, И.С., Горьян, В.Т., Фисенко // Техника средств связи, сер. "Техника телевидения". - 1980. -Вып. 4.-С. 33.

91 Авдеев, В.П. Статистические свойства изображений и адаптивные методы выделения признаков объектов [Текст]. // В.П. Авдеев, И.С., Горьян, В.Т., Фисенко // Тезисы докладов Всесоюзного симпозиума «Проблемы цифрового кодирования и преобразования изображений». -Тбилиси, 1980.

92 Назаров, А.С. Фотограмметрия: учеб. пособие для студентов вузов [Текст] / А.С. Назаров // ТетраСистемс. - Минск, 2006. - С. 368.

93 Кольцов, П.П. Использование метрик при сравнительном исследовании качества работы алгоритмов сегментации изображений [Текст] / П.П. Кольцов // Информатика и её применения. - 2011- Т. 5, вып. 3. - С. 5161.

94 Бегунов, А. С., Заказнов Н. П. Теория оптических систем [Текст]. / А.С. Бегунов, Н.П. Заказнов // Машиностроение. - Москва, 1973. - С. 431.

95 Кольцов, П.П. Оценка размытия изображения [Текст] / П.П. Кольцов // Компьютерная оптика. - 2011. - Т. 35, №1. - С. 95-102

96 Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений [Текст]. - Пер. с англ. / Р.А. Шовенгердт // Техносфера - Москва, 2010. - С. 560.

97 Thrun S., Burgard W., Fox D. Probabilistic robotics. The MIT Press. 2005. 672 p.

98 Поляков, А.Ю. Методы и алгоритмы компьютерной графики в примерах на Visual С++ [Текст], 2-е издание. / А.Ю. Поляков, В.А. Брусенцев // БХВ-Петербург. - Санкт-Петербург, 2003. - С. 560.

99 Сиденко, JI.A. Компьютерная графика и геометрическое моделирование [Текст] / JI.A. Сиденко // Питер. - Санкт-Петербург, 2009. - С.224.

100 Петров, М.Н. Компьютерная графика, 3-е издание [Текст] / М.Н. Петров // Питер - Санкт-Петербург, 2011. - С. 544.

101 Алпатов, Б.А. Алгоритм оценивания местоположения изменяющего яркость объекта в последовательности изображений [Текст] / Б.А. Алпатов // Изв. вузов. Сер. Приборостроение. №7. - 1991. - С. 76-81.

102 Алпатов, Б.А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений [Текст] / Б.А. Алпатов // Автометрия. №2. - 1994. - С. 32-37.

103 Алпатов, Б.А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений [Текст] / Б.А. Алпатов // Автометрия. №3. - 1991. - С. 21-24.

104 Козлов, В.Н. Элементы математической теории зрительного восприятия [Текст] / В.Н. Козлов // МГУ. - Москва, 2001.- 122 с.

105 Бабич, A.M. Использование монокулярной системы технического зрения при оценке расстояния до препятствий [Текст] / A.M. Бабич, В.Р. Роганов // Вопросы радиоэлектроники. Серия «Электронная вычислительная техника». - 2008. - Вып. 5. - С. 107-111.

106 Бабич, A.M. Один из подходов к созданию монокулярной системы технического зрения [Текст] / A.M. Бабич // Вопросы радиоэлектроники. Серия «Электронная вычислительная техника». - 2010. - Вып. 5. - С. 124-129.

107 Бабич, A.M. Подходы к разработке систем навигации мобильных роботов [Текст] / A.M. Бабич, В.Р. Роганов // Проблемы развития боеприпасов, средств поражения и систем управления: труды 6-ой науч.-техн. конф. PAP АН. - Пенза, 2008. - С. 361-364.

108 http://alglib.sources.ru/interpolation/polynomial.php

109 Беляев, Н.Р. Введение в теорию приближенных вычислений [Текст] / Н.Р. Беляев, И.В. Танатаров. - 2011. - С. 203.

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

Бахвалов, H.C. Численные методы [Текст] / Н.С. Бахвалов, Н.П. Жидков, Г.М. Кобельков // БИНОМ. Лаборатория знаний. - Москва, 2003. - С. 630.

Павлидис, Т. Алгоритмы машинной графики и обработки изображений [Текст] - Пер. с англ. / Т. Павлидис // Радио и связь. - Москва, 1986. - С. 400.

Е. Chown, S. Kaplan, and D. Kortenkamp. Prototypes, location, and associative networks (plan): Towards a unified theory of cognitive mapping. Cognitive Science, 19:1-51, 1995.

Тарасевич, Ю.Ю. Численные методы на Mathcad [Текст]. / Ю.Ю.

Тарасевич // АГПУ. - Астрахань, 2000. - С. 70.

http://alghb.sources.rn/interpolation/rational.php

http://www.statsoft.ru/home/textbook/modules/stcluan.html

Ландсберг, Г.С. Оптика [Текст], 6-е издание. / Г.С. Ландсберг //

Физматлит. - Москва, 2003. - С. 848.

Preparata Е. Р., Shamos М. I. Computational geometry. An introduction. — New York: Springer, 1985. — 390 p.

Шеннон, P. Проектирование оптических систем [Текст]. - Пер. с англ. /

Р. Шеннон, Дж. Вайант // Мир. - Москва, 1983. - С. 432.

Ким, Н.В. Обработка и анализ изображений в системах технического

зрения [Текст] / Н.В. Ким // МАИ. - Москва, 2001. - С. 163.

Rogers D. F., Earnshaw R. A. Techniques for computer graphics. — Berlin:

Springer-Verlag, 1987. — 512 p.

Круглов, B.B. Искусственные нейронные сети. Теория и практика [Текст]. / В.В. Круглов, В.В. Борисов // Горячая линия - Телеком. -Москва, 2001.-С. 382.

Костенко, Б.Б. История и актуальные проблемы темпоральных баз данных [Текст] / Б.Б. Костенко, С.Д. Кузнецов // citforum.ru /database/articles/temporal

Korvint. Групповой искусственный интеллект для роботов-штабелеров на Oracl SQL ХЕ [Текст] / pvsm.ru/programmirovanie/17503 Добсон, Р. Что такое MSDE? [Текст] Журнал «SQL SERVER Magazine ONLINE», №1, 2000. ospo.ru/data/www2/win2000/sql/2000/01/001.htm

125 Заде, JI. Понятие лингвистической переменной и его применение к принятию приближенных решений [Текст] / Л. Заде // Наука. - Москва, 1976.-С. 165.

126 Дюбуа, Д. Теория возможностей [Текст] / Д. Дюбуа, А. Прад // Радио и связь. - Москва, 1990. - С. 288.

127 Корченко, А.Г. Построение систем защиты информации на нечетких множествах [Текст] / А.Г. Корченко // МК-Пресс. - Киев, 2006. - С. 320.

128 Борисов, В.В. Нечеткие модели и сети [Текст] / В.В. Борисов, В.В. Круглов, A.C. Федулов // Горячая линия. Телеком. - Москва, 2007. - С. 284.

129 Юрков, В.Ю. Нечеткая геометрия как модель и средство развития визуального мышления [Текст]. / В.Ю. Юрков, О.В. Лукина // Наука и образование. Электронное научно-техническое издание. №3. - 2007. -http://www.technomag.edu.ru/index.html.

130 Бабич, М.Ю. Применение нечеткого расстояния в процессе запросов к базе данных картографической информации [Текст] / М.Ю. Бабич // Вопросы радиоэлектроники. Серия ЭВТ. - Москва, 2010. - Вып. 5 - С. 169-180.

131 Бабич, A.M. Алгоритм использования нейронной сети в системе технического зрения мобильного робота [Текст] / A.M. Бабич // Вопросы радиоэлектроники. Серия «Общетехническая». - 2011. - Вып. 2. - С. 116-122.

132 Исследование и оптимизация технологий изготовления светоделительных пластин и сферических зеркал для одноканальных и многоканальных безочковых индикаторов псевдообъемного изображения с узким зрачком [Текст]: отчёт по НИОКР (заключит.): ООО «ВидеоЗ»; рук. Роганов В.Р. - Пенза, 2010. - 108 с. - Исполн.: Роганова Э.В., Шиповский Р.П., Новосельцева М.Е., Казанцев A.A., Бабич A.M., Тарасова O.B. -№8009р/8265. -Инв.№ 01201057279.

133 Дьяконов, В. MATLAB. Обработка сигналов и изображений. Специальный справочник [Текст]. / В. Дьяконов, И. Абраменкова // -Питер. - Санкт-Петербург, 2002. - С. 608.

134 Бабич, A.M. Экспериментальный стенд для отработки алгоритма

монокулярной системы технического зрения для определения размера и дистанции до стационарного объекта [Текст] / A.M. Бабич // Радиолокация навигация связь: сб. ст. XIX междунар. науч.-техн. конф. (г. Воронеж, 1618 апреля 2013 г.). - Воронеж: Изд-во НПФ «САКВОЕЕ» ООО, 2013. - С. 161-169.

135 Бабич, A.M. Базовый исследовательский модуль [Текст] / A.M. Бабич, И.Г. Турыгин // Проблемы автоматизации и управления в технических системах: сб. ст. Междунар. науч.-техн. конф. (г. Пенза, 19-22 апреля 2011 г.). - Пенза: Изд-во ПТУ, 2011. - 2 т. - С. 232-233.

136 http://opencv.org/

137 http://leenissen.dk/fann/wp/

138 http://www.ixbt.com/cm/robofest2012.shtml

139 http://www.technovision.ru/netshop/prof