Разработка локомотивной системы технического зрения тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Иванов, Юрий Анатольевич

• Иванов, Юрий Анатольевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Иванов, Юрий Анатольевич

ВВЕДЕНИЕ

ГЛАВА 1. АВТОВЕДЕНИЕ

1.1 Обзор локомотивных систем технического зрения

1.2 Контроль световой сигнализации

1.3 Поиск препятствий на пути следования локомотива

1.4 Рассмотрение структуры локомотивной системы технического зрения

1.5 Выводы

ГЛАВА 2. КОМПЛЕКСИРОВАНИЕ ВИДЕОИЗОБРАЖЕНИЯ И ЦКМ

2.1 Оценка координат объектов интереса

2.2 Построение плоскости ректификации с использованием методов цифровой обработки изображения

2.3 Методика комплексирования видеоизображения и ЦКМ

2.4 Выводы

ГЛАВА 3. ОБНАРУЖЕНИЕ И РАСПОЗНАВАНИЕ СВЕТОВОЙ СИГНАЛИЗАЦИИ ЖЕЛЕЗНОДОРОЖНОЙ ИНФРАСТРУКТУРЫ

3.1 Алгоритм грубого обнаружения координат светофора относительно текущего положения локомотива

3.2 Анализ графических систем для распознавания сигнала светофора

3.3 Алгоритм распознавания световой сигнализации на принимаемой видеопоследовательности

3.4 Выводы

ГЛАВА 4. ОБНАРУЖЕНИЕ ПРЕПЯТСТВИЙ НА ПУТИ СЛЕДОВАНИЯ ЛОКОМОТИВА

4.1 Автоматическая система предотвращения столкновений (АСПС)

4.2 Алгоритм выделения посторонних объектов на пути следования локомотива

4.3 Классификация объекта

4.4 Выводы

ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

5.1 Математическое моделирование процессов обнаружения посторонних объектов на рельсах

5.2 Исследования устойчивости алгоритма определения объекта на рельсах

5.3 Оценка результатов исследований

5.4 Выводы

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

ПРИЛОЖЕНИЕ 3

Введение диссертации (часть автореферата) на тему «Разработка локомотивной системы технического зрения»

Введение

Для поддержания высоких параметров экономической эффективности в развитых странах постоянно ведётся поиск новых технических решений, так как уровень развития экономики напрямую связан с ее технологическим развитием. Развитие железных дорог, как основного транспортного оператора страны, напрямую влияет на развитие экономики всей страны в целом, и является стратегической отраслью, в которой необходимо использовать самые современные технологические решения. Для обеспечения лидирующих позиций на рынке транспортных услуг многие компании стремятся к созданию условий безопасного и эффективного функционирования железнодорожного транспорта, к формированию единого информационного пространства, что в свою очередь требует внедрения и использования принципиально новых технических решений [1, 2]. Во многих странах постоянно ведутся работы по модернизации и разработке новых комплексов обеспечения безопасности движения локомотива, включая разработку «интеллектуального поезда» со встроенной системой автоведения и самодиагностики. Разрабатываются принципиально новые системы диагностики и мониторинга объектов инфраструктуры и подвижного состава. Это приводит к повышению безопасности движения и к сокращению сбоев в железнодорожных перевозках.

В данной работе рассматривается возможность реализации функций автоматического видеоконтроля в составе аппаратуры комплексного локомотивного устройства безопасности:

1. Предложен алгоритм обнаружения и распознавания световой сигнализации, основанный на:

• оценке положения светофора относительно текущего положения локомотива;

• распознавание показаний светофора на принимаемой видеопоследовательности.

2. Разработан алгоритм выделения посторонних объектов на пути следования

локомотива.

Актуальность. Современные системы железнодорожной автоматики и телемеханики требуют безаварийной и безотказной работы для обеспечения безопасности провозной способности железных дорог. Такие факторы как расположение населённых пунктов вдоль железнодорожных путей, высокий уровень помех для штатной работы технических средств, высокая насыщенность посторонних объектов (препятствий) на путях следования локомотива, большая скорость поездов и многие другие явления негативно влияют на безопасность окружающей обстановки для движения подвижного состава и способствуют возникновению чрезвычайных ситуаций [3]. На железных дорогах России для передачи сигнальных показаний светофора, оповещающих машиниста, используется автоматическая локомотивная сигнализация (АЛС). Её назначение состоит в том, чтобы проводить анализ информации от напольных устройств путём приёма и анализа кодированного электрического сигнала, который передаётся по рельсовой цепи. Система АЛС с каналом передачи информации по рельсовым цепям не может исключить влияние намагниченных рельсов, наводок от внешних источников, частых отказов передающей и приёмной аппаратуры, а также рельсовой линии [4]. Таким образом, в данном канале передачи информации о состоянии сигнала светофора могут возникать ошибки, которые могут привести к развитию аварийных ситуаций. Решение задачи безопасного передвижения по железным дорогам при увеличении скорости поезда осложняется наличием ошибок человека-оператора. При длительной поездке на больших скоростях человеку очень сложно правильно реагировать на опасную ситуацию, вовремя и безошибочно оценивая (идентифицируя) показания светофора. Решение таких задач как модернизация и дублирование автоматических средств контроля, расширение функциональных возможностей аппаратуры, уменьшение влияния на перевозочный процесс ошибок человека-оператора позволит повысить безопасность передвижения транспортных средств на железных дорогах.

В данной работе рассматривается возможность добавления локомотивной системы технического зрения (ЛСТЗ) к аппаратуре комплексного локомотивного устройства безопасности с целью снижения влияния ошибок человека-оператора в процессе ведения локомотивом. При этом, автоматизируемыми (с помощью ЛСТЗ) процедурами являются поиск (детекция) светофора, распознавание (идентификация) его сигналов и обнаружение препятствий на пути следования локомотива. Реализацию процедур предлагается организовать на основе автоматической обработки и анализа видовой информации, принимаемой системой наблюдения ЛСТЗ.

Использование технологий компьютерного зрения [5, 7, 8, 9] в видеомодуле ЛСТЗ позволит выполнять прогноз чрезвычайных ситуаций во время движения локомотива, в частности, позволит проводить видеоконтроль показаний железнодорожных напольных устройств. С помощью ЛСТЗ появляется возможность круглосуточного анализа видовой информации пути движения локомотива в режиме реального времени.

Особенность алгоритмов компьютерного зрения для ЛСТЗ заключается в том, что они используются в условиях присутствия множества световых огней от рядом стоящей инфраструктуры. Влияние неблагоприятных погодных явлений, изменение суточного освещения и прочие явления увеличивают вероятность появления ошибок в ЛСТЗ типа: ложное срабатывание, пропуск объектов интереса или срыв слежения за детектируемым объектом. В данных условиях многие информативные признаки как, например, яркость и насыщенность цвета детектируемого сигнала светофора, становятся неустойчивыми, что может привести к ошибкам распознавания сигналов. Кроме того, недостаточно точные оценки координат детектируемых объектов на изображении приводят к ошибочному обнаружению объектов интереса и, следовательно, к ошибочной работе всего алгоритма видеоанализа ЛСТЗ.

Таким образом, рассматриваемые в диссертации вопросы, связанные с повышением надежности автоматической оценки световой сигнализации и обнаружения препятствий являются актуальными и практически важными.

Целью работы является повышение безопасности движения локомотива за счёт разработки программно-аппаратного комплекса локомотивной системы технического зрения (ПАК ЛСТЗ) для видеоконтроля безопасности путей следования локомотива и работы напольных устройств железнодорожной инфраструктуры в режиме реального времени.

Объектом исследования является локомотивная система безопасности движения.

Предметом исследования является разработка методики построения алгоритмов обработки и анализа видеоинформации для локомотивной системы технического зрения.

Методы исследования. Исследования выполнены с использованием аппарата математического моделирования и технологий компьютерного зрения. Научная новизна работы состоит в следующем:

1. Предложена и разработана структура локомотивной системы технического зрения, позволяющая выполнять мониторинг пути следования локомотива и проводить контроль объектов железнодорожной инфраструктуры в режиме реального времени;

2. Разработана методика комплексирования информации, полученной от видеокамеры с цифровой картой местности (ЦКМ);

3. Предложен алгоритм обнаружения и распознавания световой сигнализации основанный на:

• оценке положения светофора относительно текущего положения локомотива;

• распознавание показаний светофора на принимаемой видеопоследовательности.

4. Разработан алгоритм обнаружения посторонних объектов на пути следования локомотива.

Достоверность результатов, полученных в работе, подтверждается математическим моделированием процессов обнаружения и распознавания сигналов светофоров, а также процессов обнаружения посторонних объектов на рельсах.

Практическая значимость заключается в том, что на основе использования методов компьютерного зрения определен состав и структура программно-аппаратного комплекса, позволяющего повысить безопасность железнодорожного движения.

Апробация работы. Результаты работы докладывались на шести конференциях: Научно-практической конференции студентов и молодых учёных МАИ, г. Москва, 2010г., научно-технической международной молодёжной конференции «Системы, методы, техника и технологии обработки медиаконтента», г.Москва, 2011г., научно-практической интернет конференции «Перспективные инновации в науке, образовании, производстве и транспорте '2011». 2011г., научно-технической конференции «Техническое зрение в системах управления - 2012», г.Москва, 2012г., Первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте ИСУЖТ-2012», г.Москва, 2012г., Научно-технической конференции «Техническое зрение в системах управления - 2013», г.Москва, 2013г.

Публикации. По результатам диссертационной работы опубликовано 15 работ, в том числе 7 научно-технических статьи в изданиях, включённых в перечень ВАК.

Объём и структура работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы. Работа изложена на 137 страницах текста, содержит 69 рисунков, 5 таблиц и 78 наименований литературных источников.

Во введении обосновывается актуальность темы, проводится анализ литературы, даётся общая характеристика работы. В первой главе диссертации проведён обзор существующих систем технического зрения на железнодорожном транспорте и обоснованы основные причины использования технического зрения в системах автоведения на железнодорожном транспорте. Рассматриваются причины необходимости роботизации систем управления локомотивом и основные проблемы, связанные с автоматизацией процессов управления. Описана постановка задачи контроля железнодорожной световой сигнализации и мониторинга путей следования локомотива. Предложена структура локомотивной системы технического зрения. Вторая глава посвящена разработке и исследованию

методики комплексирования видеоизображения (ВИ) и цифровой карты местности (ЦКМ) при использовании гиростабилизируемой платформы и информации от спутниковой навигационной системы (СНС). Третья глава посвящена исследованиям алгоритмов обнаружения и распознавания световой сигнализации железнодорожной инфраструктуры. В четвертой главе исследуется задача обнаружения посторонних объектов на рельсах. Представлена структура системы технического зрения, устанавливаемой на локомотиве. Предложен комплексный алгоритм обнаружения посторонних объектов, основанный на анализе контурных изображений рельс. Пятая глава работы содержит результаты проведённых исследований комплексного алгоритма обнаружения объектов интереса (типа автомобиль), основанного на оценке непрерывности изображений рельс. При этом появление разрывов трактуется как возможное присутствие объекта интереса.

Глава 1. Автоведение

1.1 Обзор локомотивных систем технического зрения

Большинство чрезвычайных происшествий на железной дороге происходит по ряду обстоятельств. Например, многочисленные проезды на запрещающий сигнал светофоров, особенно на тепловозах ЧМЭЗ, подтверждаются во всех официальных документах. После расследования указываются одни и те же причины: отвлечение локомотивной бригады, не проводилось наблюдение за показаниями светофоров, положениями стрелочных переводов, нарушение регламента служебных переговоров [10]. К сожалению, даже многие опытные машинисты, давно работающие на этих маневровых тепловозах, не выполняют полностью все правила технической эксплуатации, а работают во многих случаях по интуиции. Главное правило машиниста: «сначала посмотри на сигнал, а потом приводи тепловоз в движение» нарушается неосознанно. Современные тенденции развития железнодорожного транспорта непосредственно связаны с модернизацией и внедрением новых технологий с целью минимизации ошибок человека-оператора в управлении транспортным средством. Обзор мирового опыта по применению технологий компьютерного зрения для обнаружения и распознавания световой сигнализации показывает эффективность использования подобных решений [11, 12]. Применение контроля световой сигнализации с целью недопущения проезда локомотивом запрещающего сигнала светофора на сегодня является одной из актуальных задач на железной дороге.

Сейчас на рынке современных систем видеоконтроля существует множество типов видеосистем. Каждая видеосистема имеет свои преимущества и свои

недостатки. Для видеоконтроля световой сигнализации на железной дороге необходимо использование системы, позволяющей эффективно применять технологии компьютерного зрения, что в свою очередь предъявляет повышенные технические требования для такой системы.

Например, известно стационарное устройство видеоконтроля состояния объектов железнодорожной автоматики (светофоров, стрелок, рельсовых участков пути и др.), которое состоит из каналообразующей аппаратуры телеуправления и телесигнализации системы диспетчерской централизации, расположенной на центральном пункте и на линейных пунктах (патент 1Ш 43521). Недостаток устройства заключается в том, что использование стационарной видеоаппаратуры для наблюдения за световой сигнализацией имеет ограниченную площадь контролируемого участка и карликовые светофоры часто перекрываются рядом стоящими составами, также устройство видеоконтроля состояния объектов железнодорожной автоматики не имеет интеллектуального контроля световой сигнализацией. Для решения задачи контроля световой сигнализации, известна модель системы передачи информации о поездной обстановке в кабину машиниста локомотива, описанная в патенте 1Ш 102928. Недостатками системы управления по радиоканалу являются сложности монтажа, обслуживания и высокая стоимость. Кроме того, отсутствие радиооборудования на протяжении большинства линий железных дорог не позволяет обеспечить полноценный контроль световой сигнализации.

Имеющиеся системы контроля световой сигнализации не позволяют обеспечить необходимые требования безопасности при проезде на запрещающий сигнал светофора. Множество ситуаций, когда автоматическая локомотивная сигнализация переключалась или передавала сигнал белого цвета, но машинист не принимал мер по снижению скорости, показывают на то, что локомотивными бригадами часто не принимаются необходимые требования к выполнению нормативных документов по управлению транспортным средством. И если на перегонах сигнал белого цвета на автоматической локомотивной сигнализации, как правило, сразу вызывает у локомотивной бригады чувство обеспокоенности, то на

станциях переключение автоматической локомотивной сигнализации на белый цвет некоторые машинисты считают, как обычный сбой в работе или присутствие в маршруте следования некодированной секции или пути. При этом меры по снижению скорости движения не принимаются, хотя при проследовании станции следует быть особенно внимательным. Так же, как показывает эксплуатационная практика, некоторые дежурные по станции, чтобы не фиксировать в эфире и на регистраторе задержки поездов у входных сигналов или на станции, не оповещают об этом машинистов поездов, а машинисты после приезда в депо не записывают эти нарушения в книге замечаний. В результате, проезд на запрещающий сигнал светофоров зафиксирован в 70% таких случаев [13].

Многие локомотивные бригады изначально не настраиваются на ответственную работу, допускают поспешность и элементарное невыполнение должностных обязанностей: грубейшие нарушения правил технической эксплуатации, инструкций и указаний, отсутствие плана манёвров, ненаблюдение за показаниями сигналов светофоров, стрелочных переводов и много другое. В большинстве проездов на запрещающий знак светофора автостоп или автоматическая локомотивная сигнализация не предотвратили проезды, так как машинисты рефлекторно нажимали рукоятку бдительности и отменяли действия автоматических систем, не наблюдая за показаниями локомотивных и путевых светофоров [14].

Отклонения по расстоянию видимости сигналов выходных светофоров, которые не соответствуют требованиям правил технической эксплуатации железной дороги Российской Федерации, приводят к попаданию локомотивных бригад в места с плохой видимостью сигналов [15, 16]. Наличие этих и подобных факторов нарушений приводят к возникновению ошибок человека-оператора и к несанкционированному проезду на запрещающий знак светофора.

Таким образом, дополнение комплексного локомотивного устройства безопасности аппаратурой для анализа показаний светофора с помощью технологий компьютерного зрения позволит обеспечить снижение ошибок человека-оператора во время управления локомотивом.

На примере зарубежных компаний рассмотрим последние разработки, повышающие экономическую эффективность железнодорожного транспорта.

Австралийско-британский концерн RioTinto принял решение применять при транспортировке железной руды от западных австралийских шахт до порта автоматизированные поезда. Исследования, проведённые при разработке автоматизированных поездов на базе системы «автомашинист», показали, что в дальнейшем такое железнодорожное развитие сможет удовлетворить требования Азии. Многие разработчики компании Rio Tinto считают, что развитие проекта автоведения - это важный шаг, который позволит увеличить поставки руды для Китая и других экономически развивающихся стран. Автоматизацию проекта перевозок планируется объединять с существующей системой управления поездом для повышения эффективности процесса интеграции системы автоведения в существующий процесс перевозок. С развитием и внедрением технологии автоведения проводятся дополнительные разработки систем безопасности, в частности, модернизируются железнодорожные переезды, разрабатываются новые стандарты для грузовых перевозок [17, 18, 19].

Немецкий концерн Siemens TS разработал моторный вагон CargoMover, который предназначен для перевозки грузов на короткие расстояния в полностью автоматическом режиме. Система мониторинга путей позволяет в режиме реального времени безошибочно определять наличие на пути человека или препятствия и при любой погоде обеспечивает необходимую безопасность. Инновационный проект железнодорожного транспорта позволяет комбинировать в себе преимущества грузового автомобиля и грузового поезда. Каждое транспортное средство имеет полезный груз до 60 тонн, но использует энергии меньше чем два грузовых автомобиля. Этот вагон очень выгоден для использования его в железнодорожных грузовых перевозках на расстоянии до 150 км, что экономически непривлекательно для перевозок на обычном грузовом поезде. Коммерческая привлекательность такого вагона состоит в том, что доставка груза может быть заказана индивидуально клиентом. Как только заказ будет введён в компьютер управляющей системы CargoMover, система автоведения автоматически определяет свой маршрут

движения, согласовываясь с маршрутным расписанием движения поездов. Передвижение вагона Саг§оМоуег не блокирует движение других поездов, и работает без ограничения по времени на железнодорожное передвижение ночью.

Для обнаружения препятствий на пути следования вагон СащоМоуег использует систему автоматического мониторинга путей, оснащённую лазерными, радарными и видео датчиками. Установленные на вагоне лазерные сканеры и радиолокационный радар позволяет в режиме реального времени вести мониторинг пути следования вагона Саг§оМоуег, а система видеонаблюдения даёт возможность уточнять цифровую модель пути следования вагона, пространство которой отображено в виде кристаллической решётки, сформированной лазерным сканером и радаром. Распознавание препятствий осуществляется путём сопровождения фрагментов изображения в определённых ячейках решётки. Этот способ распознавания позволяет во время движения поезда вести простое согласование цифровой модели следования вагона с цифровой картой пути, такой тип корреляционного анализа значительно ускоряет обработку результатов для принятия решения системой автоведения. Использование видовой информации от видеокамер позволяет получать дополнительные признаки препятствий перед вагоном на расстоянии до 50 метров, местоположение стрелочных переводов, а также проводить обнаружение объектов на пути и в междупутьях. Для получения качественного детектирования движущихся объектов, используя информацию от видеокамер, необходимо иметь достаточную освещённость. Из-за этого информация от видеокамер на данный момент используется только в дневное время, но есть возможность усовершенствования системы путём оснащения её мощными инфракрасными прожекторами для работы в тёмное время суток. Параллельно с процессом анализа видовой информации система мониторинга путей вагона Саг§оМоуег ведёт передачу видеоинформации в ситуационный центр, где контролируется движение вагон. Использование вагона Саг§оМоуег позволяет провозить грузы в автоматическом режиме по обычным железнодорожным сетям, на которых определяются «временные окна» в движении графиков поездов. Таким образом, Саг§оМоуег стал универсальным железнодорожным транспортным

средством, для перевоза переработанных грузов на малые расстояния и является серьёзным конкурентом грузовым автомобильным транспортным средствам [20, 21].

Менеджеры крупнейшей в мире американской компании General Electric, заинтересованные в повышении эффективности грузовых перевозок и снижении издержек из-за недостатка квалифицированного персонала, пришли к выводу, что разработка средств автоматического контроля и управления движением локомотива в автоматическом режиме позволит повысить эффективность и качество грузовых перевозок на железнодорожном транспорте. Использование беспроводных технологий для передачи информации на расстояние позволяет контролировать характеристики движения локомотива и техническое состояние его основных систем в режиме реального времени. Установленная на локомотиве система «интеллектуальный поезд» позволяет записывать на регистрирующее устройство текущую информацию от датчиков диагностики, видовую информацию, звуковую информацию и траекторные параметры движения поезда. В случае происшествия чрезвычайных обстоятельств во время движения поезда по радиоканалу в режиме реального времени осуществляется передача «тревожного сообщения» в ситуационный центр. Полученные «тревожные сообщения» обрабатываются диспетчером ситуационного центра, который принимает решение о возможности предотвращения чрезвычайного происшествия. С помощью технологии беспроводной связи из ситуационного центра возможно формирование запроса в виде «диагностического сообщения» на диагностику основных систем локомотива. Система «интеллектуальный поезд» после получения «диагностического сообщения» проводит диагностику поезда и передаёт в ситуационный центр ответное сообщение о состоянии основных ходовых частей и систем поезда. Информация, получаемая в ситуационном центре от тестируемого локомотива, анализируется диспетчером. В систему «интеллектуальный поезд» входит система мониторинга путей LocoCAM, которая позволяет проводить анализ видовой информации на наличие чрезвычайных ситуаций на путях следования локомотива. Видеокамера, установленная в кабине локомотива, позволяет выполнять оптическое приближение подозрительных объектов, а алгоритм системы мониторинга путей

определяет степень важности ситуации для безопасного движения локомотива. В частности реализованы «алгоритм брошенных предметов с моста» и «алгоритм определения препятствий на пути локомотива». Система мониторинга путей производит регистрацию всей видовой информации на бортовом самописце в режиме реального времени [22].

Шведская транспортная компания СгеепСаг§о внедрила систему автоведения грузовым локомотивом с помощью технологии дистанционного управления по радиоканалу. Локомотив в основном используется для выполнения маневровых работ. Управление локомотивом осуществляется оператором с переносной станции, подвешенной на груди, или из диспетчерского пункта. Использование данной системы дистанционного вождения по радиоканалу увеличило безопасность выполнения маневровых работ и сократило число обслуживающего персонала при проведении маневровых работ [23, 24].

Анализируя тенденции развития систем технического зрения в системах автоведения на железнодорожном транспорте, можно заключить, что поиск решений таких задач, как контроль световой сигнализации и обнаружение посторонних объектов на пути следования локомотива, актуален и практически важен с точки зрения повышения безопасности.

1.2 Контроль световой сигнализации

Множественные нарушения правил транспортной эксплуатации локомотивными бригадами, неудовлетворительный контроль их работы со стороны руководителей и ревизоров требуют внедрения новых автоматических и полуавтоматических средств управления подвижным составом с целью повышения безопасности движения. На сегодня технические разработки в области автоматических и полуавтоматических систем контроля состояния напольных железнодорожных устройств (светофоры и стрелочные переводы) не позволяют полностью исключить отказы передающей и приёмной аппаратуры. Фильтрация

Список литературы диссертационного исследования кандидат наук Иванов, Юрий Анатольевич, 2014 год

Литература

1. Иванов, Ю.А. Использование технологий компьютерного зрения в системах автоведения на железнодорожном транспорте [Электронный ресурс]. - Режим доступа http://www.sworld.com.ua/index.php/ru/transportation/rail/3442-ivanov-sa: .

2. Иванов, Ю.А. Технологии компьютерного зрения в системах автоведения [Текст] / Ю.А.Иванов // Автоматика, связь, информатика. - 2011. - №6. - С. 4648.

3. Рязанов, С.Н. Транспортная безопасность объектов железнодорожной инфраструктуры [Текст] / С.Н.Рязанов // Автоматика, связь, информатика. -2011.-№6.-С. 23-25.

4. Власенко, С. Системы АЛС для высокоскоростного сообщения [Текст] / С.Власенко, А.Лабренц, С.Протцнер // Автоматика связь информатика. -№3.-2011.-39 с.

5. Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения [Текст]: Курс лекций и практических занятий / Ю.В. Визильтер, С.Ю.Желтов, А.В.Бондаренко, М.В.Ососков, А.В.Моржин. -М.: Физматкнига, 2010.

6. Гонсалес, Р. Цифровая обработка изображений [Текст] / Р.Гонсалес, Р.Вудс. - М. ¡Техносфера, 2005.

7. Прэтт,У. Цифровая обработки изображений [Текст]: Пер. с анг / У. Прэтт. - М.: Мир, 1982.

8. Форсайт, А. Компьютерное зрение. Современный подход [Текст] / А.Форсайт, Дж.Понс. -М.: Вильяме, 2004.

9. Ярославский, Л.П. Введение в цифровую обработку изображений [Текст] / Л.П.Ярославский. -М.: Советское Радио, 1979.

10. Драч, А.А. Чем оборачивается беспечность [Текст] / А.А.Драч // Локомотив. -2011.-№12.-12 с.

11. Chiang, Cheng-Chin. Detecting and recognizing traffic lights by genetic approximate ellipse detection and spatial texture layouts [Text] / Cheng-Chin Chiang, Ho Ming-

Che, Liao Hong-Sheng, Pratama Andi, Syu Wei-Cheng // ICIC International. - 2011. -ISSN 1349-4198. -pp. 6919-6934.

12. Paletta, Lucas. Detection of Traffic Signs Using Posterior Classifier Combination [Text] / Lucas Paletta // Institute of Digital Image Processing: Joanneum Research Wastiangasse. - №6, A-8010 Graz. - Austria. - 2002.

13. Рудаков, JI.E. Цена безответственности [Текст] / Л.Е.Рудаков, В.А.Ермишин // Локомотив. - 2011. - №9. - 15 с.

14. Дорошенко, A.A. Почему происходят проезды запрещающих сигналов [Текст] / А.А.Дорошенко // Локомотив-информ. - 2012. - ноябрь. - № 11. - С. 16-17.

15. Киселёв, И.В. Расследованием установлено [Текст] / И.В.Киселёв // Локомотив. -2011.-№1._ 14с.

16. По материалам ЦТ ОАО «РЖД». Обстоятельства проезда и схода на станции Давыдово [Текст] / Локомотив. - 2011. - №10. - 10 с.

17. Иванов, Ю.А. Использование технологий компьютерного зрения в системах автоведения на железнодорожном транспорте [Текст] / Ю.А.Иванов // Научно-практическая интернет конференция «Перспективные инновации в науке, образовании, производстве и транспорте "2011».

18. RioTinto [Электронный ресурс]. - Режим доступа: http://www.riotinto.eom/documents/Media-Speeches/5._Jack_Sato_presentation.pdf

19. The Telegraph [Электронный ресурс]. - Режим доступа: http://www.telegraph.co.uk/finance/newsbysector/energy/2791727/Rio-Tinto-invests-190m-in-driverless-trains-to-boost-iron-ore.html

20. Bahnbilder [Электронный ресурс]. - Режим доступа: http://www.bahnbilder.de/name/einzelbild/number/467577/kategorie/deutschland~guet erwagen~sonstige.html

21. Siemens [Электронный ресурс]. - Режим доступа: http://www.siemens.com/innovation/en/publikationen/publications pof/pof fall 2002/ cargomover.htm

22. GE Transportation [Электронный ресурс]. - Режим доступа: http://www.getransportation.com/rail/rail-products/iocornotives/on-board-systems/lococam.html

23. Akerstroms [Электронный ресурс]. - Режим доступа: http://www.akerstroms.com/en/products/locomote 627

24. Akerstroms [Электронный ресурс]. - Режим доступа: http://www.akerstroms.com/UserFiles/Archive/645/Greencargocase.pdf

25. Броневич, А.Г. Детекция и идентификация опор контактной сети по данным лазерного сканирования [Текст] / А.Г.Броневич, Ю.А.Иванов, В.И.Уманский, Д.А.Якушев // Труды первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте ИСУЖТ-2012». - Москва. - 2012. - С.182-185.

26. Иванов, Ю.А.. Алгоритм обнаружения посторонних объектов на рельсах с помощью системы технического зрения [Текст] / Ю.А.Иванов, Н.В.Ким // Научно-техническая конференция «Техническое зрение в системах управления -2013». - Москва. -2013.

27. Посмитюха, А.А. Ещё раз о проездах [Текст] / А.А.Посмитюха // Локомотив. -2012.-№2.- 13 с.

28. Иванов, Ю.А. О безопасности на железнодорожном транспорте [Текст] / Ю.А.Иванов // Локомотив-информ. - 2013. - №9. - С.4-6.

29. Соколов, С.М. Компьютерное видение в составе систем интеллектуального управления на железнодорожном транспорте [Текст] / С.М.Соколов, А.А.Богуславский, О.В.Трифонов // Труды первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте ИСУЖТ-2012». - Москва. - 2012. - 256 с.

30. Соколов, С.М. Интеллектуальные алгоритмы обработки изображений для решения задачи распознавания в реальном времени бортовыми системами [Текст] / С.М.Соколов, А.А.Богуславский // Тезисы докладов научно-технической конференции-семинара. Техническое зрение в системах управления мобильными объектами. - М.: КДУ. - 2011. - С.86-88.

31.Sokolov, S.M. Intellectual Images Processing for a Realtime Recognition Problem. [Text] / S.M.Sokolov, A.A.Boguslavsky // Proc. The 2nd Intern. Multi-Conf. on Complexity, Informatics and Cybernetics IMCIC 2011). - Orlando. - Florida. - USA., -2011.-Vol. II. -p.406-411.

32. Иванов, Ю.А. Технологии компьютерного зрения для наблюдения за объектами путевой инфраструктуры [Текст] // Вестник Института проблем естественных монополий: Техника железных дорог. -2011.- №4( 16). - С.57-61.

33. Визильтер, Ю.В. Проблемы технического зрения в современных авиационных системах [Текст] / Ю.В.Визильтер, С.Ю. Желтов // Техническое зрение в системах управления мобильными объектами. - 2011. - С. 11-44.

34. Stepanov, А.А. (1995) The Object-Oriented Frame Approach to Image Processing and Management in the Multisensory Remote Sensing [Text] / A.A.Stepanov, Yu.V.Visilter, Yu.V.Morzeev, S.Yu.Zheltov // SPIE Proc. Intern. Archives of Photogrammetry and Remote Sensing. - 1995. - V.2587.

35. Stepanov, A.A. (1996) Frames Based Analysis of Multisensor Image Sequences [Text] / A.A.Stepanov, Yu.V.Visilter, Yu.V.Morzeev, S.Yu.Zheltov // ISPRS Proc. Inter. Archives of Photogrammetry and Remote Sensing. - 1996. - V.31. -Pt. -B2.

36. Иванов, Ю.А. Система видеонаблюдения с транспортного средства для контроля целостности рельсовой колеи [Текст] / Ю.А.Иванов // Вестник Института проблем естественных монополий: Техника железных дорог. - 2014. - №03(27). - С.72-75.

37. Ковалёв, В.А. Метод эластичных экспоненциальных деформаций для совмещения цифровых изображений [Текст] / В.А.Ковалёв // Сб. науч. Тр. «Цифровая обработка изображений». - Минск. - Ин-т тхн. Киберн. НАН Беларуси. - 1999. - С. 147-156.

38. Hassanien, А.Е. Image morphing with scattered data point based on snakes and thin plate spline transformation [Text] / A.E.Hassanien, M.Nakajima // Machine Graphics & Vision. - 1997. - Vol.6. - No. 3. - P.341-451.

39. Hassanien, A.E. An efficient cross-dissolve transformation with elastic body spline warping interpolation for facial image morphing [Text] / A.E.Hassanien, M.Nakajima // Machine Graphics & Vision. - 1998. - Vol.7. - Nos. У2. - P.397-408.

40. Zhang, Y. A fuzzy approach to digital image warping [Text] / Y.Zhang // IEEE Computer Graphics and Applications. - 1996. - No.7. -P.34-41.

41. Харитонова, E.H. Математическая модель выходного сигнала и геометрического шума матричных фотоприёмных устройств, учитывающая нелинейность характеристики чувствительности пикселей [Text] / Е.Н.Харитонова // Вестник поморского университета: Естественные науки. - 2010. — 1. - С.117-122.

42. Титаров, П.С. Фотограмметрическая обработка снимков ADS 40 в системе PHOTOMOD [Текст] / П.С.Титаров // Пространственные данные. - 2007. - № 4.

- С.40-44.

43. Ким, Н.В.Автоматическая система предотвращения столкновений локомотива, основанная на техническом зрении [Текст] / Н.В.Ким, Ю.А.Иванов // Вестник Института проблем естественных монополий: Техника железных дорог. — 2013. -№1(21). - С.67-70.

44. Костяшкин, JI.H. Технологии систем улучшенного/синтезированного зрения для управления летательными аппаратами [Текст] / Л.Н.Костяшкин, С.И.Бабаев, А.А.Логинов, О.В.Павлов // Техническое зрение в системах управления мобильными объектами. - 2011. - С.45-56.

45. Александров, П.С. Курс Аналитической геометрии и линейной алгебры [Текст] / П.С.Александров // Наука. Главная редакция физико-математической литературы. - 1979.

46. Гонсалес, Р. Цифровая обработка изображений [Текст] / Р.Гонсалес, Р.Вудс // Техносфера. - 2005. - 209с.

47. Argyle, Е. Techniques for edge detection [Text] / E.Argyle // Proceedings of the IEEE.

- 1971. - Vol.59. - P.285 - 287.

48. Jain, A.K. Fundamentals of Digital Image Processing [Text] / A.K.Jain // Prentice Hall, Englewood Cliffs. - 1989. - P.570.

I

a 136

49. Klette, R. Handbook of image processing operators [Text] / R.Klette, P.Zamperoni // I John Wiley & Sons. - Chichester. - 1996. - P.398.

50. Parker, J.R. Practical Computer Vision Using С [Text] / J.R.Parker // Wiley & Sons. I - New York. - 1993. - P.476.

* 51. Pitas, I. Nonlinear digital filters [Text] / I.Pitas, A.N.Venetsanopoulos // Kluwer

* Academic Publishers. - Boston. - 1990. - P.392.

I 52. Pitas, I. Digital Image Processing Algorithms [Text] / I.Pitas // Prentice Hall. - New York.- 1993.-P.361.

1 53. Umbaugh, S.E. Computer Vision and Image Processing [Text] / S.E.Umbaugh // » Prentice Hall PTR. - Upper Saddle River. - 1999. - P.504.

54. Otsu, N. A threshold selection method from gray-level histograms [Text] / N.Otsu 1 // IEEE Trans. Sys. - Man. - Cyber. -9.-1979. - C.62-66.

55. Иванов, Ю.А. Оптимальный специализированный детектор контуров для Щ выделения рельс [Текст] / Ю.А.Иванов // Научно-техническая международная

* молодёжная конференция «Системы, методы, техника и технологии обработки медиаконтента». - Москва. - 2011.

I 56. Pat. 3069654 U.S.A. Hough, P.V.C. Method and means for recognizing complex

patterns [Text] / P.V.C.Hough. - 1962. ф 57. Guild, John. The colorimetric properties of the spectrum [Text] / John Guild // Philos. . Trans. Roy. Soc. - London. - 1931. - Ser. A 230. - p. 149-187.

58. Fairman, H.S. How the CIE 1931 Color-Matching Functions Were Derived from the I Wright-Guild Data [Text] / H.S.Fairman, M.H.Brill. H.Hemmendinger //Color

Research and Application. - 1997. - 22 (1). - C.l 1-23. I 59. Мельниченко, A.C. Автоматическая аннотация изображений на основе щ выделения низкоуровневых текстурных признаков [Текст] / А.С.Мельниченко //

Известия ЮФУ. Технические науки. Тематический выпуск «Актуальные ■ проблемы математического моделирования». - №8. - 2009. - С. 193.

60. Иванов, Ю.А. Детекция и идентификация световой сигнализации на железной В дороге [Текст] / Ю.А.Иванов // Научно-техническая конференция «Техническое

щ зрение в системах управления - 2012». - г.Москва. - 2012г.

61. Иванов, Ю.А. Технологии компьютерного зрения для детекции световой сигнализации [Текст] / Ю.А.Иванов // Железнодорожный транспорт. - 2012. -№12. - с.49.

62. ГОСТ 24179-80. Светофильтры, светофильтры-линзы, линзы, рассеиватели и отклоняющие вставки стеклянные для сигнальных приборов железнодорожного транспорта. Технические условия [Текст].

63. Агафонов, Д.Р. Исследования визуального восприятия красных железнодорожных светофоров на основе светодиодов [Текст] / Д.Р.Агафонов, М.А.Мурашова, С.Г.Никифоров, О.П.Пинчук, Р.И.Столяревская // Светотехника. - №6. - 2003. — С.22-27.

64. Айвазян, С.А. Прикладная статистика. Статистическое оценивание зависимостей [Текст] / С.А.Айвазян, И.С.Ешоков, А.Д.Мешалкин // - М.: ФиС, - 1985. - 484с.

65. Ким, Н.В. Обработка и анализ изображений в системах технического зрения [Текст] / Н.В.Ким // Издательство МАИ. -М. - 2001. - С.65.

66. Патент на полезную модель №120619 Российская Федерация, В 61 С 17/12. Устройство для управления локомотивом [Текст] / Иванов Ю.А., Розенберг E.H.; Заявитель и патентообладатель Москва. Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте. - 6 с.

67. Патент на полезную модель №120936 Российская Федерация, В 61 К 9/02. Система для контроля негабаритное™ подвижного состава [Текст] / Галушкин А.Б., Иванов Ю.А., Иконников Е.А, Миронов B.C., Раков В.В., Розенберг E.H.; Заявитель и патентообладатель Москва. Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте. — 6 с.

68. Иванов, Ю.А. Система управления маневровым локомотивом, основанная на техническом зрении [Текст] / Ю.А.Иванов // Локомотив-информ. - 2013. - №4. -С.74-77.

69. Li, J. Real-time computerized annotation of pictures [Text] / Jia Li, James Z. Wang // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 2008. — Vol. 30, no. 6. —Pp. 985-1002.

70. Zhai, C. The dual role of smoothing in the language modeling approach [Text] / Chengxiang Zhai, John Lafferty // Proceedings of the Workshop on Language Models for Information Retrieval (LMIR) 2001. — 2001. — Pp. 31-36.

71.Вальд, А. Последовательный анализ [Текст] / А.Вальд // Пер. с англ. - М.: Физматгиз. - 1960.

72. Журавлёв, Ю.И. Распознавание образов и анализ изображений [Текст] / Ю.И.Журавлёв, И.Б.Гуревич // Радио и связь. Справочник. Искусственный интеллект. - Книга 2. - 1990. - С. 169.

73. Иванов, Ю.А. Повышение эффективности алгоритмов слежения [Текст] / Ю.А.Иванов // Научно-практическая конференция студентов и молодых учёных МАИ.-Москва.-2010.

74. Ким, Н.В. Обработка и анализ изображений в системах технического зрения [Текст] / Н.В.Ким // Издательство МАИ. -М. - 2001. - С.76.

75. Шабиро, Л. Компьютерное зрение [Текст] / Л.Шабиро, Дж.Стокман // Пер. с англ. - М.: БИНОМ. - Лаборатория знаний. - 2006. - С. 192;

76. Иванов, Е.Л. Слияние изображений в многоканальной системе наблюдения местности [Текст] / Е.Л.Иванов, Смагин М.С // Датчики и системы. - 2006. -№11.- С.6-9.

77. Костяшкин, Л.Н. Технология систем улучшенного/синтезированного зрения для управления летательными аппаратами [Текст] / Л.Н.Костяшкин, А.А.Логинов, О.В.Павлов // Труды научно-технической конференции-семинара «Техническое зрение в системах управления мобильными объектами-2010». - М.: КДУ. — 2011.

78. Blum, R.S. Multi-Sensor Image Fusion and Its Applications [Text] / R.S.Blum, Z.Liu // Signal Processing and Communications. - 2006. -C.40-42.