Система определения параметров движения необитаемого подводного аппарата на основе обработки видеоинформации тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Борейко, Алексей Анатольевич

• Борейко, Алексей Анатольевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Борейко, Алексей Анатольевич

СОКРАЩЕНИЯ ЧАСТО ИСПОЛЬЗУЕМЫХ НАЗВАНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ДВИЖЕНИЯ НА ОСНОВЕ ОБРАБОТКИ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ.

1.1. Методы, основанные на выделении признаков.

1.2. Корреляционные методы сопоставления текущего и эталонного изображений.

1.3. Методы, основанные на вычислении оптического потока.

1.4. Выводы по первой главе.

ГЛАВА 2. РАЗРАБОТКА АЛГОРИТМОВ ОПРЕДЕЛЕНИЯ

ПАРАМЕТРОВ ДВИЖЕНИЯ НПА С ИСПОЛЬЗОВАНИЕМ ВИДЕОИНФОРМАЦИИ.

2.1. Алгоритм, использующий информацию о форме границ донных объектов.

2.2. Алгоритм, использующий последовательные решения.

2.3. Алгоритм на основе детектора Харриса.

2.4. Исследование влияния параметров движения НПА и трех мерности рельефа дна на геометрические характеристики изображений донных объектов в системе технического зрения НПА.

2.5. Выводы по второй главе.

ГЛАВА 3. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ И РЕЗУЛЬТАТЫ

НАТУРНЫХ ИСПЫТАНИЙ СИСТЕМЫ ЛОКАЛЬНОЙ НАВИГАЦИИ НПА

3.1. Структура навигационно-управляющего комплекса, предназначенного для локальной навигации НПА.

3.2. Реализация системы высокоточного определения параметров движения на основе системы технического зрения НПА TSL.

3.3. Результаты натурных испытаний системы высокоточного позиционирования НПА, использующей видеоинформацию.

3.4. Выводы по третьей главе.

Введение диссертации (часть автореферата) на тему «Система определения параметров движения необитаемого подводного аппарата на основе обработки видеоинформации»

Потребности в проведении глубоководных научных измерений, поиске глубоководных объектов, а также исследовании морских полезных ископаемых обусловили появление и развитие необитаемых подводных аппаратов. Наибольшее распространение получили три типа необитаемых подводных аппаратов (НПА): буксируемые, телеуправляемые и автономные. Работы по созданию и использованию автономных НПА в нашей стране были начаты в 1972 году под руководством М.Д. Агеева. Первоначально они велись в Институте автоматики и процессов управления Дальневосточного научного центра, ас 1988 года были продолжены во вновь организованном Институте проблем морских технологий ДВО РАН.

С помощью НПА в настоящее время выполняются обзорно-поисковые, обследовательские и картографические работы на больших глубинах и в условиях сложного рельефа дна, подлёдные работы, прокладка оптических кабелей, мониторинг состояния водной среды и экологической обстановки,, обследование водозаполненных тоннелей и многие другие [63, 2, 3]. Решение указанных задач требует перехода навигационного обеспечения НПА на новый качественный уровень. В связи с этим, актуальной является проблема повышения точностных характеристик бортовой навигационной системы (БНС) НПА. Высокоточное определение параметров движения НПА является важной задачей в процессе выполнения им целенаправленных поисковых движений при наличии внешних возмущений, а также при реализации режима позиционирования. Режим позиционирования предназначен для поддержания определенных местоположения и ориентации НПА и необходим при выполнении им операций, связанных с осмотром подводных сооружений, стыковкой, а также сбором данных вблизи дна [65, 74, 28, 36,

41, 44, 45, 51]. В последнее время все большее внимание разработчиков привлекает задача автоматической сшивки подводных изображений, для решения которой также необходимо прецизионное определение траектории движения НПА [19, 42, 52, 54].

Опыт разработки навигационных систем (НС) для НПА показывает, что в навигационном обеспечении современных многоцелевых аппаратов имеет место устойчивая тенденция к применению навигационных комплексов, в которых точность и надежность навигации обеспечиваются путем интегральной обработки информации от бортовых автономных, гидроакустических и спутниковых систем. Для достижения высокой точности навигации в алгоритмы БНС включаются циклы коррекции координат на основе позиционной информации для устранения накапливающейся погрешности счисления и сглаживания результатов траекторных измерений при наличии случайных и систематических ошибок навигационных данных. При разработке архитектуры бортового навигационного комплекса НПА необходимо учитывать ряд особенностей, в том числе требование минимизации габаритов, веса, энергопотребления и вычислительных ресурсов БНС.

Одним из наиболее емких источников позиционной информации являются системы технического зрения НПА. На сегодняшний день практически все современные НПА оборудованы различными системами технического зрения. В состав системы технического зрения НПА, как правило, входят гидролокаторы бокового, кругового и секторного обзора, фото и видео камеры, лазерные сканирующие системы.

Обычно визуальная навигация подразделяется на три уровня: дальняя, средняя и ближняя [89, 64]. На "дальнем" уровне сначала грубо выбирается маршрут движения с учетом данных о крупномасштабных свойствах местности и наличия вблизи маршрута характерных ориентиров. Далее в процессе движения выполняется сверка маршрута по карте путем визуального выделения характерных ориентиров и сличения их положения с соответствующими метками на карте. Собственное положение определяется относительно этих опознанных характерных ориентиров. Иначе процедуры данного уровня называют ориентированием на местности.

На "среднем" уровне выбирается направление движения на текущем участке местности. Размеры этой зоны ограничены дальностью действия локационных датчиков НПА. При выборе текущей траектории НПА учитываются такие факторы как безопасность движения (выбор зоны свободного пространства), близость к "генеральной" траектории движения и характерным ориентирам.

Ближняя" или локальная навигация подразумевает обеспечение высокоточного определения линейных и угловых скоростей перемещений НПА. Указанные параметры движения НПА определяются на основе анализа видеоинформации и данных от эхолота путем сопоставления последовательных кадров изображения, при этом учитываются микроособенности рельефа и донных объектов, расположенных непосредственно под НПА или вблизи него, этот уровень активизируется для стабилизации положения НПА при выполнении им прецизионных работ, например, при съемке или проведении монтажных работ посредством манипуляторов и т. д.

В настоящее время остается нерешенным вопрос точной локальной навигации НПА вблизи объекта работ в условиях воздействия внешних возмущений в виде подводного течения, морского волнения, силовых реакций со стороны кабеля или собственных механизмов (манипуляторов и т. д.). Высокоточное определение параметров движения необитаемого подводного аппарата является важной задачей при проведении операций, связанных с осмотром подводных сооружений, стыковкой с донной станцией, а также выполнением прецизионных измерений [6, 21].

Основная проблема обеспечения точной локальной навигации связана с отсутствием надежных измерителей локальных перемещений НПА. Попытки использовать в качестве датчиков обратных связей в контуре позиционирования НПА информацию о скорости перемещения от абсолютных гидроакустических лагов или о линейных ускорениях от устройств инерциальной навигации не обеспечивают требуемую точность. Также не обладают необходимой точностью и гидроакустические дальномерные системы подводной навигации. Именно поэтому чрезвычайно актуальны работы по поиску новых принципов построения систем локальной навигации.

В последние годы проводятся обширные исследования в области использования видеоинформации для решения задачи позиционирования НПА (S. Negahdaripour, J. Santos-Victor, Т. Ura, H. Singh, А.Ф.Щербатюк и др.)[62, 11, 14, 28, 30, 43, 46, 59, 81, 86, 87, 94]. Сложности формирования подводных изображений связаны с сильным затуханием света под водой, что уменьшает дальность действия видеосистем, и необходимостью использовать точечные источники освещения, что приводит к неравномерной подсветке донных объектов. В отличие от подобных сухопутных систем, в которых для навигации, как правило, используются изображения искусственных объектов с четкими границами, на подводных изображениях искусственные объекты заилены и подвержены обрастанию, что искажает границы и формы объектов. В связи с этим актуально решение поставленной в диссертации задачи определения параметров движения НПА на основе обработки последовательных видеоизображений, содержащих случайные объекты на морском дне, без применения искусственных маркеров. Традиционно применяемый в наземных системах метод оценки оптического потока сложно использовать под водой в условиях невысокой прозрачности воды и невысокой четкости изображений. В работе предложены алгоритмы, основанные на сопоставлении локальных признаков изображений донных объектов, которые более устойчивы к колебаниям освещенности и низкой контрастности объектов на изображения [65, 68, 69, 12, 10].

Целью работы является разработка и исследование алгоритмов автоматической локальной навигации НПА на основе обработки видеоинформации.

Основные задачи исследования: анализ современных методов определения параметров движения НПА с использованием видеоданных; разработка и исследование алгоритмов локальной навигации НПА на основе обработки последовательных видеоизображений с использованием модельных и реальных данных; разработка комплекса программ, реализующего работу предложенных алгоритмов в составе бортовой навигационной системы подводного аппарата; экспериментальная проверка и натурные испытания системы определения параметров движения КОПА, основанной на обработке видеоизображений.

Методы исследования. При выполнении работы применялись методы теории управления, распознавания образов, принятия решений, математического моделирования, теории фильтрации, а также производились лабораторные и морские эксперименты.

Положения, выносимые на защиту: алгоритмы локальной навигации НПА на основе обработки последовательных видеоизображений; программная реализация алгоритмов в составе НПА, обеспечивающая определение параметров движения НПА на основе обработки последовательных видеоизображений; результаты модельных исследований и натурных испытаний системы определения параметров движения НПА, основанной на обработке видеоизображений.

Научная новизна диссертационной работы заключается в том, что, на основании анализа современных методов и средств, разработаны и исследованы алгоритмы локальной навигации для нового класса транспортных систем - НПА - на основе обработки последовательных видеоизображений, которые характеризуются низкой контрастностью, высокой зашумленностью и отсутствием искусственных эталонных маркеров. Выполнены лабораторные и натурные испытания разработанной системы с использованием НПА ТБЬ, которые выявили ее более высокую точность по сравнению с современными системами определения параметров движения подводных объектов, а также подтвердили возможность, определения смещения НПА относительно фиксированного участка дна без накопления ошибки в зависимости от времени.

Практическая значимость работы заключается в разработке и реализации на борту НПА высокоточной системы определения параметров движения на основе обработки видеоинформации. Использование данной системы обеспечивает выполнение прецизионных операций при работе с использованием манипуляторов при применении телеуправляемых НПА, осуществление стыковки автономных НПА, а также высокоточное маневрирование их среди подводных конструкций. Система позволяет с высоким качеством стабилизировать положение НПА и выполнять измерения параметров водной среды и съемку подводных объектов. Работа выполнялась в рамках НИР «Разработка технологии создания интеллектуальных подводных роботов на основе реконфигурируемых системных архитектур и высокоточных методов навигации и управления» N гос. регистрации 01.2006 06513, а также при поддержке грантов N 050833333а, 060807501к, 060896928рофи и 070800596а.

Достоверность исследований обеспечивается обоснованием выбора используемых теоретических методов и подтверждается результатами модельных исследований и натурных испытаний.

Апробация результатов работы. Основные научные и практические результаты работы докладывались и обсуждались на научно-технических семинарах ИПМТ ДВО РАН, а также следующих международных и отечественных конференциях:

Workshop on Sensors and Sensing Technology for Autonomous Ocean Systems. Hawaii, Oct 29-Nov 03, 2000;

Underwater Technologies -2000", Tokyo, 22-25 May, 2000; 4-я Дальневосточная конференция студентов и аспирантов по математическому моделированию. Владивосток, 2000;

Вторая Международная НТК «Технические проблемы освоения Мирового океана», Владивосток, 2007;

The 8th ISOPE Pacific/Asia Offshore Mechanics Symposium. Bangkok, Thailand, November 10-13, 2008,

Третья Всероссийская НТК «Технические проблемы освоения мирового океана», Владивосток, 2009.

Публикация результатов работы. По теме диссертации опубликовано 14 печатных работ, из которых шесть работ - доклады на российских и четыре работы - доклады на зарубежных конференциях, две работы — в научных сборниках и две работы опубликованы в журналах из списка, рекомендованного ВАК.

Структура и объем работы: Диссертация состоит из введения, трех глав, заключения и списка литературы. Объём диссертации составляет 121 страницу, в том числе 32 иллюстрации. Список литературы включает 98 наименований.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Борейко, Алексей Анатольевич

3.4. Выводы по третьей главе

1. Разработана структура системы программного управления НПА ТБЬ, на основе которой реализованы алгоритмы формирования управления для выполнении прецизионного перемещения (единицы мм) и зависания НПА над донным объектом, работа которых основана на показаниях системы высокоточного определения параметров движения.

2. Разработаны алгоритмы предобработки изображений, которые подтвердили свою работоспособность на реальных снимках морского дна. Однако использование фиксированного порога в методе Канне, который был выбран в результате серии экспериментов, является целесообразным только для определенных «типов» морского дна. В дальнейшем предполагается реализовать процедуру адаптивного подбора этого порога. В качестве входных параметров для выбора адаптивного порога можно использовать промежуточные данные блока аппроксимации границ.

3. Разработан программный модуль, реализующий предложенные алгоритмы определения параметров движения НПА на основе обработки последовательных видеоизображений, который интегрирован в бортовой навигационно-управляющий комплекс НПА ТБЬ.

4. Выполнены лабораторные, с использованием реальных данных, и натурные (в составе НПА ТБЬ) испытания программной системы определения параметров движения на основе обработки последовательных видеоизображений, которые выявили работоспособность и высокую точность разработанной системы.

ЗАКЛЮЧЕНИЕ

В диссертационной работе на основании выполненных исследований получены научные результаты, изложены научно и экспериментально обоснованные технические решения, внедрение которых приведет к решению вопроса точной локальной навигации НПА вблизи объекта работ. Это позволит значительно облегчить работу операторов НПА при проведении операций, связанных с осмотром подводных сооружений, работой манипуляционного комплекса НПА, стыковкой с донной станцией, а также выполнением прецизионных измерений.

В диссертационной работе получены следующие основные научные результаты:

1. На основе анализа современных подходов к определению параметров движения объектов с использованием обработки видеоинформации, обоснован выбор подхода к определению параметров движения НПА, учитывающий особенности подводных видеоизображений.

2. Разработано и исследовано алгоритмическое обеспечение, предназначенное для решения задачи высокоточного определения параметров движения НПА на основе обработки видеоизображений, содержащих случайные объекты на морском дне, без применения искусственных маркеров. Разработанные алгоритмы устойчивы к колебаниям освещенности и низкой контрастности объектов на подводных изображениях.

3. Создан аппаратно-программный модуль, реализующий разработанное алгоритмическое обеспечение, который интегрирован в навигационно-управляющий комплекс действующего НПА. Это позволило реализовать такие режимы управления, как прецизионное перемещение и зависание подводного аппарата над заданным донным объектом.

4. В составе НПА Т8Ь выполнены лабораторные и натурные испытания разработанного модуля высокоточного определения параметров движения на основе обработки видеоизображений. Испытания выявили работоспособность и более высокую точность модуля, по сравнению с современными системами определения параметров движения подводных объектов, а также подтвердили возможность определения смещения НПА относительно фиксированного участка дна без накопления ошибки.

Список литературы диссертационного исследования кандидат технических наук Борейко, Алексей Анатольевич, 2010 год

1. Ackerman F. High precision digital image correlation // IPSUS. 1984. №9. P. 231-243.

2. Ageev M.D. IMTP Experience in AUV Design and Operations. International Workshop on Mobile Robotics for Subsea Environments, Monterey, California, May3-6, 1994.

3. Ageev M.D., Boreyko A.A., Gornak V.E., Matvienko Yu.V., Scherbatyuk A.Ph., Vaulin Yu.V., Zolotarev V.V. Modernized TSL-Underwater Robot for Tunnel and Shallow-Water Inspection. //Proc. of Intern. Conference. "Underwater Technologies -2000", Tokyo, 2000.

4. Aggarwal, JK, Nandhakumar, N (1988). "On the Computation of Motion from Sequences of Images — A Review", Proc. IEEE, Vol. 76, pp.917-935.

5. Aguirre F., Boucher J., Hue J., Jacq J. Underwater Optical Navigation System: A New Concept. Conf. Proc. Marine Instrumentation'90, Feb. 27 -March 1, San Diego, California, 1990.

6. Allen B., Austin T. at al. Autonomous Docking Demonstrations with Enhanced REMUS Technology. Proceedings of the OCEANS 2006 MTS/IEEE Conference, September 18-21, 2006, Boston, USA.

7. Beghdadi A., Monteil J. A New Interpretation and Improvement of the Nonlinear Anisotropic Diffusion for Image Enhancement. IEEE Trans, on PAMI, vol.21, N9, 1999,pp.940-946.

8. Bernardino A., Gracias N. R. Santos-Victor J. and Zwaan S. Mosaic based navigation for autonomous underwater vehicles // IEEE Journal of Oceanic Engineering, vol. 28, p. 609-624, 2003.

9. Blokhinov, Y., Gribov, D. "A new approach to automatic junction of overlapping aerial imagery data", State Research Institute of Aviation System, Moscow, Russia, 2000.

10. Boreyko A.A., Scherbatyuk A.Ph., Vaulin Yu.V. AUV Operation Based on Video Data Processing: Some IMTP Experience. //Workshop on Sensors and Sensing Technology for Autonomous Ocean Systems. Hawaii, 2000.

11. Boreyko A.A., Scherbatyuk A.Ph., Zolotarev A.V. (2003). "Real time digital photo system for semi AUV TSL", Proc. of the 13th Int. Symp. on Unmanned Untethered Submersible Technology, New Hampshire, USA.

12. Boreyko Alexey A., Moun Sergey A., Scherbatyuk Alexander Ph. Precise UUV positioning based on images processing for underwater construction inspection. The 8th ISOPE Pacific/Asia Offshore Mechanics Symposium. Bangkok, Thailand, 2008.

13. Burns J., Hanson A., Riseman E. Extracting Straight Lines // IEEE Trans. On Patt. Analysis and Machine Intel. 1986. V. 8, №4. P. 425-455.

14. Campani M., Giachetti A., Torre V. The use of optical flow for the autonomous navigation. In Proceedings of Third European Conference on Computer Vision.

15. Chellappa R. and Qinfen Zheng Automatic feature point extraction and tracking in image sequences for arbitrary camera motion // International Journal of Computer Vision. June 1995. V. 15(1-2). P. 31-76.

16. Chin T.M., Karl W.C., Willsky ,4.S. Probabilistic and sequential computation of optical flow using temporal coherence // IEEE Transactions on Image Processing. 1994. V.3(6). P. 773-88.

17. Cipolla R., Lawn J. Camera motion determination from dynamic perceptual grouping of line segments. In Proceeding of the 5th British Machine Vision Conference, V. 812 of 2, pages 711-20, September 1994.

18. Davies E.R. Machine Vision: Theory, Algorithms, Practicalities. Academic Press. 2-nd Edition, San Diego, 1997. P. 750.

19. Distante C., Indiveri G., Leone A., Mastrolia A. "A fully automated approach for underwater mosaicking". Proceedings of the OCEANS 2006 MTS/IEEE Conference, September 18-21, 2006, Boston, USA.

20. Eustice R., Pizarro O., Singh H. Visually Augmented Navigation for Autonomous Underwater Vehicles. IEEE J. Oceanic Eng., vol. 33, no. 2, pp. 103— 122, Apr. 2008.

21. Evans J., Lane D. at al. Autonomous docking for intervention-auvs using sonar and video-based real-time 3d pose estimation. Proceedings of the UUST 2003, August 24 27, 2003, Durham, New Hampshire, USA.

22. Fischl B., Schwartz E. Adoptic Nonlocal Filtering: A Fast Alternative to Anisotropic Diffusion for Image Enhancement. IEEE Trans, on PAMI, vol.21, N1, 1999, pp.42-48.

23. Fischl B., Schwartz E. Learning on Integral Equation Approximation to Nonlinear Anisotropic Diffusion in Image Processing. IEEE Trans, on PAMI, vol.19, N4, 1997, pp.342-352.

24. Fisher R.B., Fitzgibbon A.W., Pilu M. Direct Least Squares Fitting of Ellipses. IEEE Trans. PAMI, Vol. 21, pages 476-480, 1999.

25. Forstner W. Mid-level vision processes for automatic building extraction, Automatic Extraction of Man-Made Objects from Aerial and Space Images. Birkhauser Verlag, Basel, 1995. P. 179-188.

26. Freeman H. and Chakravarty. The use if characteristic views in the recognition of three- dimensional objects. In E.Gelsema and Kanal (Eds.), Pattern Recognition in Practice. Amsterdam: North-Holland, 1980.

27. Gonzalez R. and Woods R. Digital Image Processing (editors) — 2nd edition, Prentice Hall, 2002.

28. Grosset D., Sotiropoulos P. at al. AUV docking system for existing underwater control panel. Proceedings of the OCEANS 2009 IEEE Conference, May 11-14, 2009, Bremen, Germany.

29. Gruen A. Adaptive Least Squares Correlation: A powerful imagematching technique // South African Journal of photogrammetiy, Remoute Sensing and Cartography. 1985. V. 14, Part 3. June.

30. Gruen A., Baltsavias E. Adaptive least squares con-elation with geometrical constraints. SPIE. 1985. V.595. P. 72-82.

31. Haralick R.M. and Shapiro L. G. Machine vision. — Addison-Wesley, 1991.

32. Heeger D.J. Optical flow using spatiotemporal filters // International Journal of Computer Vision. 1987. V 1(4). P. 279-302.

33. Hildreth E.C. Computations underlying the measurement of visual motion // Artificial Intelligence. August 1984. V.23(3). P. 309-54.

34. Horn B.K.P., Shunck B.G. Determining optical flow // Artificial Intelligence. August 1981. V. 17(1-3). P. 185-203.

35. Insarov V., Fedosov E. The structural and statistical algorithm for recognition of images of 3D-Scenes. 1 International Conference on Information Technologies for Images Analysis and Pattern Recognition. ITIAPR-90 г., Львов

36. Jain R, Shah M.A. Detecting time-varying corners // Computer Vision, Graphics, and Image Processing. December 1984. V. 28(3). P. 345-55.

37. Jain R., Sethi I. K. Finding trajectories of feature points in a monocular image sequence // IEEE (Transactions on Pattern Analysis and Machine Intelligence). January 1987. V.9(l). P. 56-73.

38. Jain A. K. Fundamentals of Digital Image Processing. — Prentice-Hall International Editions. 1989.

39. John Canny. A Computation Approach to Edge Detection. // IEEE Transaction on Pattern Analysis and Machine Intelligence. №6. vol. pami-8 November 1986. pp. 679-698.

40. Jun B.H., Park J.Y. at al. Improvement of vision guided underwater docking for small AUV ISiMI. Proceedings of the OCEANS 2009 MTS/ÏEEE Conference, October 26-29, 2009, Biloxi, USA.

41. Kanatani K., Kanazawa Y. "Image mosaicing by stratified matching", Image and Vision Computing 22 (2004) 93-103.

42. Kondo H., Maki T., Sakamaki T. and Ura T. (2006). "Navigation of an autonomous underwater vehicle for photo mosaicing of shallow vent areas" Int. Conf. Proc. of OCEANS'06, Sept. 18-21, Boston, USA.

43. Krupinski S., Maurelli F. at al. Towards AUV docking on sub-sea structures. Proceedings of the OCEANS 2009 IEEE Conference, May 11-14, 2009, Bremen, Germany.

44. Malik J., Perona P. Scale-Space and Edge Detection Using Anisotropic Diffusion. IEEE Trans, on PAMI, vol.12, N7,1990, pp.629-639.

45. Michael Carsten Bosse. A Vision Augmented Navigation System for an Autonomous Helicopter. Thesis. Boston University. College of Engineering. 1997.

46. Negahdaripour S. at al (2003). "An Integrated Vision-Based Positioning System for Video Stabilization and Accurate Local Navigation and Terrain Mapping", Int. Conf. Proc. of OCEANS'03, Sept. 22-26, San Diego, USA.

47. Negahdaripour S., Xu X., Jin L. Detect Estimation of Motion from Sea Floor Images for Automatic Station-Keeping of Submersible Platforms. IEEE Journal of Oceanic Engineering N3, 1999, pp.370-382.

48. Nitzberg M., Shiota P. Nonlinear Image Filtering with Edge and Corner Enhancement. IEEE Trans, on PAMI, vol.14, N8, 1992, pp.826-833

49. Palmer T., Ribas D. at al. Vision Based Localization System for AUV Docking on Subsea Intervention Panels. Proceedings of the OCEANS 2009 IEEE Conference, May 11-14, 2009, Bremen, Germany.

50. Pizarro O., Singh. H. Toward Large-Area Mosaicing for Underwater Scientific Applications. IEEE Journal of Oceanic Engineering, vol. 28, No 4, October 2003.

51. Prazdny K. On the information in optical flow 11 Computer Vision, Graphics, and Image Processing. May 1983. V.22(2). P. 239-59.

52. Rendas Maria-Joao "Construction of video mosaics using the Minimum Description Length". Proceedings of the OCEANS 2006 MTS/IEEE Conference, September 18-21, 2006, Boston, USA.

53. Schenk, Automatic Generation of DEM's, Digital Photogrammetry: An Addentum to the Manual of Photogrammetry. — American Society for Photogrammetry & Remote Sensing, 1996. P. 145-150.

54. Scherbatyuk A.Ph. Comparison of Methods for Identifying Objects with Rectilinear Edges on Underwater Video Images. Pattern Recognition and Image Analysis, Vol.8, N 3, 1998, pp. 467 469.

55. Ura Т., Yu S. at al. Navigation of Autonomous Underwater Vehicle based on image recognition of Artificial Underwater Landmarks. Proceedings of the UUST 2001, August 24 27, 2001, Durham, New Hampshire, USA.

56. Walker E.L., Herman M. Geometric Reasoning for Constructing 3D Scene Descriptions from Images // Artifical Intellgence. 1988. V. 37, № 1-3.

57. Zheltov S. Yu., Sibiryakov A. V. Adaptive Subpixel Cross-Correlation in a Point Correspondence Problem, Optical 3D Measurement Techniques / Eds. by A. Gruen, O. Kuhbler, Zurich, 29 September-2 October, 1997. P. 86-95.

58. Zuniga O.A. and Haralick R.M. Corner detection using the facet model. — Proc. IEEE Comput. Vision Pattern Recogn. Conf., 1983. P. 30-37.

59. Аггарвал Дж., Наидхакумар K.H. Определение параметров движения по последовательности изображений: Обзор, ТИИЭР, N8, 1988, с.69-89.

60. Агеев М.Д., Борейко А.А., Ваулин Ю.В., Горнак В.Е., Золотарев В.В., Матвиенко Ю.В., А.Ф.Щербатюк. Модернизированный TSL -подводный аппарат для работы на шельфе и в тоннелях. //В сб. "Морские технологии" Вып.З, Владивосток: Дальнаука, 2000 г. С. 23-38.

61. Алгоритмы визуальной автономной навигации. ЭИ «Робототехника» 1987 №35.

62. Борейко A.A., Мун С.А., Щербатюк А.Ф. Определение движения подводного аппарата на основе обработки видео изображений. Мехатроника, автоматизация и управление, N8, 2008, Приложение с. 2-8.

63. Борейко A.A., Щербатюк А.Ф. Об одном алгоритме определения параметров движения на основе обработки телевизионных изображений. Морские технологии. Вып.З. Владивосток: Дальнаука, 2000, с.68-79.

64. Бочкарев A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника. 1981. №9. С. 28-53.

65. Ван Трис Г. Теория обнаружения, оценок и модуляции. — М.: Советское радио, 1972. Т. 1. с.344. Василенко Г. И., Цибулькин JIM. Голографические распознающие устройства. — М.: Радио и связь, 1985. 312 с.

66. Василенко Г.И., Цибулькин JI.M. Голографические распознающие устройства. — М.: Радио и связь, 1985. 312 с.

67. Васильев В.И. Распознающие системы: Справочник. — Киев: Наукова думка, 1983, с.424.

68. Ваулин Ю.В., Щербатюк А.Ф. Система отслеживания протяженных объектов на основе ТВ информации для подводного робота. //В сб. "Морские технологии" Вып.З, Вла-дивосток: Дальнаука, 2000 г. С. 23-38.

69. Владимиров Н.В., Кузнецов П.К., Семовин В.И. Оценивание скорости по характеристикам последовательности кадров телевизионного изображения. Изв. вузов. Приборостроение, 1997, N2, сс.58-61.

70. Горелик А.Г., Скрипкин В.А. Методы распознавания. — М.: Высшая школа, 1984. 208 с.

71. Денисов Д.А., Низовкин В.А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника. 1985. № 10.

72. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с анг. — М.:Мир, 1976. 511 с.

73. Инсаров В.В., Себряков Г.Г., Высокоточное управление JIA с использованием технологий компьютерного зрения // Вестник компьютерных и информационных технологий. М.: Машиностроение. 2004. № 1. С. 5-14.

74. Красовский A.A. Белоглазов И.Н. Чигин Г.П. Теория корреляционно-экстремальных навигационных систем. М: Наука 1979.

75. Методы компьютерной обработки изображений / Под ред. Сойфера В. В. — 2-е изд. —М.: Физматгиз, 2003. 783 с.

76. Обухов Д.А., Щербатюк А.Ф. Исследование методов фильтрации, сохраняющих резкие перепады двумерного сигнала, применительно к обработке подводных изображений // Морские технологии. Вып. 4. Владивосток: Дальнаука, 2001, с. 91-101.

77. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с анг. — М.: Радио и связь, 1986. 400 с.

78. Перетяган Г.И., Попов С.А. Алгоритм сглаживания зашумленных изображений с сохранением резких перепадов двумерного сигнала. Автометрия, N1,1996, сс.64-71.

79. Прэтт У. Цифровая обработка изображений: Пер. с анг. — М.: Мир, 1982. 1 кн. 525 е., 2 кн. - 474 с.

80. Розенфельд А. Машинное зрение: Основные принципы // ТИИЭР. 1988. Т. 76. №8.

81. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с анг. —М.: Мир, 1972. 230 с.

82. Рубцов А.В., Тришечкин С.И., Ходкин А.С. Определение параметров движения телевизионной камеры по интегральным характеристикам изображений. М.: НИИ СМ МГТУ им. Баумана, 2005.

83. Стереозрение и навигация мобильного робота в задании. ЭИ «Робототехника» 1989 №23.

84. Ульман ИГ. Принципы восприятия подвижных объектов. М: Радио и связь 1983.

85. Управление и наведение беспилотных маневренных летательных аппаратов на основе современных информационных технологий / Под ред. Красилыцикова М.Н. и Себрякова Г.Г. — М.: Физматлит, 2003. — 280 с. — 1BSN 5-9221-0409-8.

86. Форсайт Дэвид А., Понс Жан. Компьютерное зрение. Современный подход.: Пер. с англ. — М.: Издательский дом «Вильяме», 2004. — 928 е.: ил. — Парал. тит. англ.

87. Хорн Б.К. Зрение роботов. М.: Мир, 1989. 487 с.

88. Щербатюк А.Ф. Определение смещения и разворота автономного подводного робота над грунтом по данным видеосистемы // Всб. "Подводные роботы и их системы", Владивосток: ДВО АН СССР, 1990, с.84-94.

89. Щербатюк А.Ф. Сравнение методов выделения объектов с прямолинейными границами на подводных видео изображениях. РОАИ'97, 1997.

90. Ярославский Л.П. Введение в цифровую обработку изображений // М: Советское радио, 1979, 312 с.

91. Ярославский Л.П. Точность и достоверность измерения положения двумерного объекта на плоскости // Радиотехника и электроника. 1972. №4.

92. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. — М.: Радио и связь, 1987. 296 с.ч