Телевизионная система объемного зрения для управления движением мобильного робота тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат технических наук Володин, Юрий Сергеевич

• Володин, Юрий Сергеевич
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Володин, Юрий Сергеевич

Введение.

1. Системы объемного технического зрения мобильных роботов.

1.1. Постановка задачи.

1.2. Обзор систем объемного зрения мобильных роботов.

Выводы.Л.

2. Разработка математического обеспечения и алгоритмических средств телевизионной системы объемного зрения.

2.1. Разработка математической модели системы объемного зрения.

2.1.1. Математическая модель приемной системы.

2.1.21 Математическая модель проекционной системы.

2.1.3. Математическая модель системы со структурированной подсветкой.

2.2. Разработка метода кодирования сигнала опорной подсветки.

2.2.1. Обзор методов кодирования структурированной подсветки*.

2.2.2. Метод кодирования структурированной подсветки для системы зрения мобильного робота.:.

2.3. Выбор кодирующих последовательностей.'.

2.3.1. Кодирование подсветки на основе М-последовательностей.

2.3.2. Исследование помехоустойчивости кодирования.49г

2.3.3. Декодирование по расширенному окну.

2.3.4. Генерация последовательностей с заданным минимальным кодовым расстоянием.60'

2.4. Алгоритмическое обеспечение системы объемного зрения.

2.4.1. Алгоритм детектирования сигнала опорной подсветки.

2.4.2. Декодирование подсветки и вычисление координат.

2.4.3. Экспериментальное исследование алгоритмов.

Выводы.-.

3. Калибровка телевизионной системы объемного зрения.

3.1. Обзор методов калибровки.

3.1.1. Выбор калибровочной сцены.

3.1.2. Схемы нанесения реперных элементов.

3.2. Калибровка системы объемного зрения со структурированной подсветкой.

3.3. Анализ точности метода измерения координат.

3.4. Оценка методической погрешности вычисления трехмерных координат объекта.

3.5. Сравнительный анализ .точности методов калибровки.

Выводы.

4. Построение многоракурсного объемного описания сцены.

4.1. Постановка задачи вычисления взаимной ориентации ракурсов.

4.2. Обзор методов вычисления взаимной ориентации трехмерных объектов.

4.2.1. Итеративный метод ближайших точек.

4.2.2. Методы сопоставления особых точек трехмерных' объектов.

4.3. Построение многоракурсного объемного описания.

4.3.1. Описание работы системы.

4.3.2. Алгоритм автоматического вычисления взаимной ориентации.

4.3.3. Помехоустойчивый алгоритм вычисления ориентации.

4.4. Экспериментальное исследование алгоритмов-.

4.4.1. Сравнение методов вычисления взаимной ориентации и совмещения трехмерных моделей.

4.5. Вычисление траектории движения мобильного робота.

4.6. Построение трехмерной модели помещения.

Выводы.

5. Разработка алгоритмов анализа объемного описания сцены.

5.1. Постановка задачи анализа объемного описания сцены.

5.2. Сегментация объемного описания сцены.

5.2.1. Вычисление кривизны поверхностей, заданных полигональными моделями.

5.2.2. Алгоритмы сегментации трехмерных поверхностей.

5.2.3. Алгоритм роста областей.

5.2.4. Алгоритм разделения/слияния областей.

5.2.5. Экспериментальное исследование алгоритмов сегментации.

5.3. Алгоритмы идентификации и измерения параметров препятствий.

5.3.1. Алгоритмы нечеткой идентификации препятствий.

5.3:2. Вычисление параметров препятствий.

5.4. Алгоритмы маневрирования для-обхода препятствий.

Выводы.

6. Экспериментальное исследование телевизионной системы . объемного зрения.

6.1. Описание опытного образца телевизионной системы объемного зрения.

6.2. Автономные испытания системы объемного зрения.

6.2.1. Программа автономных испытаний.

6.2.2. Программное обеспечение измерительного стенда контроля параметров ТСОЗ.

6;2.3. Испытания телевизионной системы объемного зрения.

6.2.4. Выводы по автономным испытаниям системы.

6.3. Испытания опытного образца системы в составе робототехнического комплекса.

Выводы.

Введение диссертации (часть автореферата) на тему «Телевизионная система объемного зрения для управления движением мобильного робота»

Разработка робототехнических систем для работы в экстремальных, опасных для жизни, вредных для здоровья человека условиях является приоритетной задачей робототехники. Робототехнические системы призваны полностью заменить человека при выполнении работ в средах, оказывающих неблагоприятное воздействие на человеческий , организм. Мобильные роботы сегодня используются при проведении спасательных операций, разборе завалов после землетрясений, выполняют широкий спектр работ для ликвидации последствий разрушений. В промышленной сфере большое внимание уделяется автоматизации и комплексной механизации транспортных операций на основе мобильных робототехнических систем. Круг задач, решаемых автономными мобильными роботами, непрерывно расширяется, и это требует разработки' новых робототехнических?. комплексов, обладающих более широкими функциональными возможностями. Большинство существующих мобильных роботов способны., функционировать только в строго детерминированной среде с заранее: заданными алгоритмами движения, либо под непосредственным; управлением оператора1. Однако« благодаря» новейшим^ сенсорным; и: вычислительным системам все большее количество» задач может быть выполнено мобильным роботом в автоматическом режиме.

Непременным звеном системы очувствления современных мобильных робототехнических комплексов является техническое зрение. Системам технического зрения (СТЗ) отводится важная роль: получение, обработка визуальной информации о рабочей среде робота, передача этой информации системе управления и оператору для решения текущей* тактической задачи. От полноты описания и адекватности моделей внешнего мира робота, формируемых СТЗ, существенным образом зависит возможность оперативного реагирования на изменения окружающей обстановки и в конечном* итоге успех выполнения роботом поставленной задачи. При дистанционном управлении роботом в сложных условиях .видимости оператор, управляющий мобильным роботом по визуальной информации телевизионной системы, сталкивается с серьезными трудностями из-за недостаточной информативности получаемого описания сцены. Эта проблема стоит еще более остро при создании робототехнических систем, предназначенных для автономной работы в условиях недетерминированной среды. Актуальной является разработка систем технического зрения, обеспечивающих возможность работы в сложных условиях видимости.

Одним из перспективных направлений исследования является использование систем объемного технического зрения* в мобильной робототехнике. Системы объемного зрения являются эффективным средством измерения обстановки в рабочей зоне робота для принятия решений в задачах навигации, дистанционного управления мобильным роботом, благодаря их возможности измерять дальность до объектов рабочей, сцены и формировать объемное описание сцены для визуализации на посту оператора или автоматического анализа. Разработками систем, объемного зрения для мобильной робототехники заняты ведущие исследовательские центры в. нашей стране и за* рубежом. Среди крупнейших академических, учреждений, ведущих подобные работы, нужно отметить Стэндфордский университет (США), Оксфордский университет (Великобритания),« ШЮА (Франция). В нашей стране это: ЦНИИ РТК, ИПМ им. Келдыша, НИИ СМ МГТУ им. Н.Э. Баумана.

В диссертации рассмотрены вопросы, связанные с разработкой телевизионной системы объемного зрения (ТСОЗ), основанной* на методе структурированной подсветки. Использование телевизионной системы объемного технического зрения расширяет возможности человека-оператора по управлению мобильным роботом, поиску и манипулированию объектами рабочей среды за счет предоставления дополнительных сведений о положении И' дальности до объектов, а также воссоздания трехмерной структуры наблюдаемой сцены. Достоинством такой системы является возможность работать при недостаточном освещении и в полной темноте. Разработанная система осуществляет съемку с высокой скоростью, что позволяет получать объемное описание сцены при движении мобильного робота без остановки. По объемному описанию сцены, формируемому системой, можно проводить измерения, осуществлять поиск объектов на сложном фоне, осуществлять автоматическую идентификацию объектов и сцен для принятия решений в системе управления мобильным роботом. В этой связи тема диссертации представляется актуальной.

Целью диссертационной работы является разработка телевизионной системы объемного зрения для мобильного робота; создание программно-алгоритмического обеспечения, необходимого для ее работы. В соответствии с этим в работе были поставлены и решены следующие задачи:

1. Разработка метода измерения координат точек поверхности сцены^. алгоритмического обеспечения и программных средств формирования объемного описания рабочей сцены.

2. Разработка методики калибровки, системы объемного зрения; . исследование точности измерений координатной информации.

3. Разработка метода построения многоракурсного объемного описания«, для осмотра сцены.

4. Разработка алгоритмов анализа объемного описания сцены, сегментации сцены на отдельные объекты, идентификации ситуации по объемному описанию.

5. Проведение экспериментального исследования системы объемного зрения. Разработка макета ТСОЗ, проверка работоспособности макета и системы управления мобильным роботом. Проведение испытаний системы в составе робототехнического »комплекса.

Поставленные задачи решаются с привлечением методов теории кодирования и передачи информации, теории графов, математического аппарата цифровой обработки изображений, методов математической статистики и теории распознавания образов. Проверка работоспособности системы и алгоритмов осуществлялась при помощи численного моделирования, проведением экспериментального исследования в лабораторных условиях, испытаниях системы на мобильном роботе.

В работе получены новые научно-технические результаты. Разработан информационно-измерительный комплекс объемного технического зрения, основанный на методе структурированной подсветки, предназначенный для управления движением мобильного робота, работающего автономно в условиях недетерминированной среды. Предложены новые методы кодирования сигнала опорной подсветки и представлены эффективные алгоритмы обработки изображений и декодирования сигнала: Разработан метод объединения результатов измерений- сцены с нескольких неизвестных ракурсов для построения многоракурсного объемного описания для осмотра* объекта. На основе данного метода реализованы алгоритмы регистрации траектории перемещения'мобильного робота, сборки интегральной модели" сцены из отдельных фрагментов, построения трехмерной карты помещения:-Разработана математическая модель системы объемного зрения и предложен^ метод калибровки. Проведен анализ точности* метода« регистрации; координатной информации и метода калибровки. Предложен способ использования объемного описания сцены для управления движением мобильного робота. Полученное описание рабочей- зоны мобильного робота позволило решить задачи обнаружения препятствий, их идентификации, измерения линейных размеров, определения положения и ориентации препятствий. Подробная информация о препятствиях в направлении движения робота дает возможность осуществлять корректировку курса и планирование траектории мобильного робота в обход препятствий.

Практическая ценность работы заключается в том, что предлагаемая система объемного зрения получает и анализирует трехмерную координатную информацию в масштабе реального времени, что позволяет использовать результаты анализа для- управления движением мобильного робота. Предоставление объемного описания сцены и результатов измерения координат объектов оператору на посту управления помогает принимать решения при дистанционном управлении мобильным роботом, облегчает труд оператора, повышает эффективность управления.

Изложение материалов исследования в диссертации построено следующим* образом. В первой главе диссертационной работы рассматривается задача движения мобильного робота внутри помещения в недетерминированной среде. Представлен обзор существующих разработок робототехнических комплексов и проведен анализ проблем, возникающих при решении данной задачи при помощи традиционных систем технического зрения: Дан аналитический обзор систем объемного зрения и методов измерения дальности, рельефа и формы объектов. Значительное внимание уделено особенностям существующих систем объемного зрения: сканирующих лазерных дальномеров, стереосистем, систем- ' со структурированной подсветкой. На основе проведенного анализа в первой-главе делается вывод о том, что использование структурированной подсветки' позволит реализовать систему зрения для решения описанной задачи- на существующей аппаратной базе и доступных вычислительных мощностях?.

Вторая глава посвящена методу получения объемного описания сцены, математическому обеспечению и алгоритмам, необходимым для вычисления трехмерных координат объектов. В данной главе предложена кодированная структура подсветки, разработаны алгоритмы обработки изображений для детектирования структуры на изображениях сцены. Исследуются кодовые последовательности, алгоритмы декодирования и коррекции ошибок, позволяющие повысить помехозащищенность системы. Дан состав алгоритмических средств, необходимых для формирования объемного описания сцены, приведено описание алгоритмов системы.

Третья глава диссертационной работы посвящена калибровке телевизионной системы объемного зрения и исследованию точности измерения координат. В главе проанализированы различные подходы к построению калибровочной сцены. В результате анализа была выбрана методика калибровки и созданы алгоритмы и программное обеспечение для калибровки системы. В результате калибровки определены параметры математической модели, необходимые для измерения координат, линейных размеров и геометрических характеристик объектов рабочей зоны при помощи ТСОЗ. Для определения систематической и случайной составляющих ошибки, вносимой каждым из используемых методов, был проведен анализ точности системы., В частности, были получены зависимости для методической погрешности5 измерения трехмерных координат при использовании триангуляционного метода и параметры распределения случайной-составляющей ошибки в зависимости от дальности до объекта и его положения в поле зрения системы. Было проведено сравнительное исследование точности нескольких методов калибровки. Исследование точности методов калибровки и вычисления координат подтвердило достаточную точность измерения параметров рабочей сцены для решения поставленной задачи управления мобильным роботом.

В четвертой главе диссертации решается задача построения многоракурсного объемного' описания для осмотра рабочей! сцены робота. Описан предлагаемый метод автоматического вычисления взаимной ориентации ракурсов съемки. Приводятся структуры алгоритмов и результаты численного моделирования. Разработанный метод построения многоракурсного объемного описания дает возможность вычислять траекторию движения камеры, что может быть использовано в качестве дополнительного источника информации для навигации. Многоракурсное объемное описание, полученное при осмотре сцены или помещения, представляет собой трехмерную карту, удобную для принятия решений о прокладке маршрута. Получение многоракурсного объемного описания сцены проиллюстрировано результатами экспериментов.

Для принятия решения о возможности движения в выбранном направлении необходимо выполнить анализ сцены перед роботом. Он заключается в идентификации объектов, измерении их координат и геометрических размеров, а также обнаружении препятствий, преодоление которых невозможно. В пятой главе диссертации представлены алгоритмы анализа объемного описания сцены. Приводится описание разработанных алгоритмов сегментации сцены, идентификации типовых ситуаций, измерения параметров препятствий. Показаны алгоритмы обхода препятствий на примере модели трехколесного мобильного робота.

Шестая глава диссертации содержит результаты экспериментального исследования телевизионной системы объемного зрения. Приведены основные технические характеристики созданного опытного образца системы, дано сравнение технических характеристик с характеристиками существующих систем объемного зрения. Описаны испытания ТСОЗ в составе мобильного робототехнического комплекса для обнаружения препятствий на пути движения робота, измерения их размеров и положения.

Приложение к диссертационной работе содержит подробные схемы типовых ситуаций для алгоритмов идентификации.

В заключение работы делаются основные выводы по результатам диссертации.

Заключение диссертации по теме «Роботы, мехатроника и робототехнические системы», Володин, Юрий Сергеевич

Выводы и заключение

В диссертационной работе разработана телевизионная система объемного технического зрения, основанная на методе структурированной подсветки и предназначенная для управления движением мобильного робота, работающего автономно- в условиях недетерминированной среды. Информация о координатах объектов, предоставляемая системой объемного зрения, позволяет эффективно решать задачи, связанные с оцениванием размеров, положения и ориентации объектов рабочей зоны робота, описанием формы поверхности и идентификацией объектов, составлением базы знаний о сцене.

На основе проведенного исследования предложен оригинальный метод кодирования структурированной подсветки, позволяющий осуществлять съемку с высокой скоростью и получать объемное описание сцены при движении мобильного робота без остановки. Эта задача решена при помощи позиционного пространственного кодирования подсветки с использованием кодовых последовательностей с заданным минимальным кодовым расстоянием: Исследована помехоустойчивость кодирования- - для последовательностей со свойством «скользящего окна». Для разработанной структуры подсветки предложены алгоритмы обработки изображений и декодирования сигнала.

В диссертации предложен метод объединения результатов измерений сцены с нескольких произвольных ракурсов для построения объемного описания объектов сцены. Наглядное представление объемного описания сцены человеку-оператору и наличие результатов измерения координат объектов помогают принимать решения при дистанционном управлении мобильным роботом и повышают эффективность управления. Разработанный алгоритм, не требует хорошего начального приближения для взаимной ориентации ракурсов. Данный метод может использоваться для сцен, инвариантных к сдвигу или повороту, например, в случае движения робота вдоль плоской стены. В ходе эксперимента предложенный способ продемонстрировал более устойчивую работу в условиях неполных и зашумленных данных по сравнению с другими методами. На основе данного метода реализованы алгоритмы сборки трехмерной интегральной, модели сцены из отдельных фрагментов, построения трехмерной карты помещения и вычисления траектории мобильного робота.

Разработана математическая модель системы объемного зрения и предложен метод калибровки. Схема нанесения реперных точек и алгоритм их выделения на-изображении* калибровочной сцены позволяют выполнять калибровку в автоматическом режиме. Алгоритм вычисления координат центров проекций реперов на изображении имеет субпиксельную точность. Проведенное исследование погрешности измерений трехмерных координат объектов показало достаточно высокую точность определения параметров . рабочей сцены для решения поставленной задачи управления роботом:

Полученное объемное описание рабочей сцены позволило, решить, задачу . автономного управления движением мобильного робота в недетерминированной среде. Для, этого были решены задачи обнаружения препятствий, измерения их линейных размеров; определения их положения и ориентации. Распознавание ситуации перед мобильным» роботом выполняется при помощи системы нечеткого логического вывода, оперирующей с набором правил классификации и нечеткими признаками объектов-эталонов, которые составляют базу знаний о препятствиях. Наличие подробной информации о препятствиях позволяет осуществлять автоматическую корректировку курса и параметрическую адаптацию траектории движения мобильного робота.

Для подтверждения полученных результатов был разработан макетный образец телевизионной системы объемного зрения, на котором проведены экспериментальные исследования. Результаты автономных испытаний системы показали, что она устойчиво распознает различные ситуации, которые могут возникать при движении мобильного робота. Погрешность измерения размеров и координат объектов сцены не превышала 30мм, что вполне достаточно для управления мобильным роботом.

На втором этапе испытаний система была установлена на реальном мобильном роботе и сопряжена с его системой управления. Теперь робот мог автономно принимать решение о возможности движения по заданной траектории и выбирать маневр объезда при появлении препятствий. Результаты испытаний подтвердили эффективность использования разработанной системы зрения для управления движением робота.

Результаты экспериментального исследования- макетного образца системы свидетельствуют о правильности заложенных технических и алгоритмических решений. Достигнутые тактико-технические характеристики системы соответствуют современным требоватш^ робототехники. Результаты исследования могут быть использованы- при? создании робототехнических комплексов, оснащенных системами трехмерного зрения, для решения конкретных задач в различных областях применения, в том числе в промышленности, при исследовании космического пространства, работе в экстремальных ситуациях.

Материалы диссертации были, использованы- в- НИР, проводимой. НУЦ; «Робототехника» МГТУ им. Н.Э. Баумана в рамках темы «Разработка-технологий и создание робототехнических и кибернетических систем обеспечения безопасности и противодействия терроризму» в 2006 году. Созданный экспериментальный образец телевизионной системы объемного зрения используется в НУЦ «Робототехника» МГТУ им. Н.Э. Баумана при выполнении научно-исследовательских работ, а также в учебном процессе при изучении курсов «Сенсорные системы роботов» и «Интеллектуальные системы управления».

Список литературы диссертационного исследования кандидат технических наук Володин, Юрий Сергеевич, 2011 год

1. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. 584 с.

2. Jahne В., Hausseker Н. Computer vision and applications. San Diego: Academic Press, 2000.702 p.

3. Носков A.B., Носков В.П: Распознавание ориентиров в дальнометрических изображениях. Мобильные роботы и мехатронные системы: Сб. М.: Изд-во МГУ, 2001. С. 179-192.

4. Носков В.П., Носков А.В: Навигация мобильных роботов по дальнометрическим изображениям // Мехатроника, автоматизация, управление. 2005. №12. С.16-21.

5. Cang Ye, Borenstein J. Characterization of a 2-D laser scanner for mobile robot obstacle negotiation // Proceedings of the 2002 IEEE International Conference on Robotics and Automation. Washington DC (USA), 2002. P. 2512-2518.

6. Stereo-Vision Products // Point Grey Research, Inc., Canada: сайт. URL. http://www.ptgrey.com/products/stereo.asp (дата обращения 20.04.2011).

7. Posdamer J. L., Altschuler M. D. Surface measurement by space-encoded projected beam systems // Computer Vision, Graphics, Image Processing. 1982. Vol. 18, №1. P. 1-17.

8. Carrihill В., Hummel R. Experiments with the intensity ratio depth sensor // Computer Vision, Graphics, Image Processing. 1985. Vol. 32, №3. P. 337358.

9. Vuylsteke P., Oosterlinck A. Range image acquisition with single binary-encoded light pattern // IEEE Pattern Analysis and Machine Intelligence. 1990. №12. P. 143-164

10. Сырский Г.В., Михайлов Б.Б. Трехмерная система технического зрения // Робототехника для экстремальных условий: Сб. тр. VI научно-технической конференции / Под ред: Е.И. Юревича. СПбГТУ, 1996. С.246-255.

11. Besl1 P. J. Active, optical range imaging sensors // Machine Vision and Applications. 1988. №2. P.127-152.

12. Valkenburg R. J., Mclvor A. M. Accurate 3D measurement using a structured light system // Image and Vision Computing. 1996. Vol. 16. P. 99-110:

13. Zhang' Z. A flexible new technique for camera calibration- // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. Vol. 22. P. 1330-1334.

14. Heikkila J., Silven O. A Four-step Camera Calibration Procedure with Implicit Image Correction // Proceedings of the 1997 Conference on Computer Vision and Pattern Recognition (CVPR '97): San Juan (Puerto Rico), 1997. P. 1106-1112.

15. Huynh, D. Q., Owens, R. A., Hartmann, P. E. Calibrating a Structured Light Stripe System: A Novel Approach // International Journal of Computer Vision. 1999. №1. P. 73-86.

16. Horn E., Kiiyati N. Toward optimal structured light patterns // Image and Vision Computing: 1999. Vol. 17. P. 87-97.

17. Optimised De Bruijn patterns for one-shot shape acquisition / J. Pages et al. // Image and Vision Computing: 2005. Vol. 23. P. 707-720.

18. Zhang; L., Curless В., Seitz S.M. Rapid shape acquisition using color structured light and multi-pass dynamic programming' // International5 Symposium on 3D Data Processing Visualization and Transmission. Padova (Italy), 2002. P. 24—36.

19. Де Ванса: Викрамаратне B.K. Автоматизированная? система ■•• .¿-. реконструирования и анализа текстурированных 3D моделей человеческих лиц: Дис. . канд. тех. наук. М:: МИРЭА, 2009. 189 с. у.■

20. MoritaTL, Yajima К., Sakata S; Reconstruction of surfaces of 3D objects by M-array pattern projection method // IEEE International Conference on v. Computer Vision. Tampa (USA), 1988. P. 468-473'.

21. Structured light using pseudorandom codes / R. A. Morano et al. // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998: Vol: 20. №3. P: 322-327.

22. Paterson K. G. On sequences and arrays with specific window properties: PhD Thesis. London, 1993. 246 p.

23. De Bruijn N. G. A combinatorial problem // Nederl. Akad. Wetensch: 1946. Vol: 49; P. 758-764.

24. Kumar P. V., Wey V. K. Minimum distance of logarithmic and fractional partial m-sequences // IEEE Transactions on Information Theory. 1992. Vol. 38. №5. P: 1474-1482.

25. Мак-Вильямс Ф. Дж., Слоэн H. Дж. А. Теория кодов, исправляющих ошибки: Пер; с англ. М.: Связь, 1979. 744 с.

26. Варакин JI.E. Системы связи с шумоподобными сигналами. М.: Радио и связь, 1985.384 с.

27. Питерсон У., Уэлдон Э. Коды, исправляющие ошибки: Пер. с англ./Под ред. P. JI. Добрушина, С. И. Самойленко. М.: Мир, 1976. 594 с.

28. Теория и применение псевдослучайных сигналов / А. И. Алексеев и др.. М.: Наука; 1969. 368 с.

29. Combinatorial Object Server: сайт. URL. http://theory.cs.uvic.ca (дата обращения 20.04.2011).

30. Золотарёв В. В., Овечкин Г. В. Помехоустойчивое кодирование. Методы и алгоритмы: Справочник / Под «ред. Ю. Б. Зубарева. М.: Горячая линия-Телеком, 2004. 126 с:

31. Lin S., Costello D. J. Error. Control Coding: Fundamentals and'Applications. 2nd ed: New Jersey: Prentice-Hall, 2004. 1260 p.

32. Хэмминг P. В. Теория кодирования и теория информации: Пер:, с англ. М.: Радио и связь, 1983. 176 с.

33. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision. 2nd ed. Cambridge: Cambridge University Press, 2003. 655 p.

34. Bouguet J.-Y. Visual methods for three-dimensional modeling: PhD Thesis. Pasadena: California Institute of Technology, 1999. 214 p.

35. Trobina M. Error Model of a Coded-Light Range Sensor: Technical Report: BIWI-TR-164 / ETH-Zentrum. Zurich, 1995. 36 p.

36. Camera Calibration with a Motorized Zoom Lens / Y.-S. Chen et al. //International Conference on Pattern Recognition (ICPR'00): Barcelona (Spain), 2000. Vol. 4. 4495 p.

37. Bouguet J-Y. Camera Calibration Toolbox for Matlab: электронный ресурс., http://www.vision.caltech.edu/bouguetj/calibdoc/ (дата обращения 18.09:2009).

38. Bakstein Н., Halir R. Camera Calibration with a Simulated Three Dimensional? Calibration Object // Czech Pattern Recognition Workshop (CPRW2000). Prague, 2000. P. 99-106.

39. Pao C.P. Линейные статистические методы и их применения. М.: Наука, 1968. 548 с.

40. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. 368 с.

41. Clarke J.C. Modeling uncertainty: A primer // Image and Vision Computing. 1996. 21 p.

42. Исаев C.B., Кашуба JI.A. Моделирование выходных геометрических параметров // Компьютерная хроника. 2000. № 8. С. 57-85.

43. Погребинский А.В. Математическое обеспечение автоматизированного проектирования изделий сложной, формы с учетом реальной геометрии:. Дис. канд. тех. наук. М., 2001. 196 с.

44. Besl, P. and McKay N. A Method for Registration, of 3-D Shapes // IEEE Trans. РАМГ. 1992: Vol. 14. №2. P.239-256.

45. Chen Y., MedioniiG. Object Modeling by Registration of Multiple* Range Images // Proc. IEEE Conf; on Robotics and-Automation. Sacramento, 1991. P. 145-155.

46. Johnson1 A., Hebert M: Using spin images for efficient object recognition in cluttered 3d scenes // IEEE Trans. PAMI. .1999. Vol: 21. №5. P. 433^49.

47. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход.: Пер. с англ. М.: Издательский дом «Вильяме», 2004. 928 с.

48. Велижев А.Б. Разработка и исследование алгоритмов автоматического взаимного ориентирования трехмерных дискретных моделей объектов, полученных в результате трехмерного сканирования: Дис. . канд. тех. наук. М.: МИИГАиК, 2008. 78с.

49. Malassiotis S., Strintzis M.G. Snapshots: A Novel Local Surface Descriptor and Matching Algorithm for Robust 3D Surface Alignment // IEEE Trans. PAMI. 2007. Vol. 29. №7. P. 1285-1290.

50. Recognizing Objects in Range Data Using Regional Point Descriptors /Frome A. et al. // Proc. European Conf. Computer Vision (ECCV'04). Prague, 2004. P. 224-237.

51. Discrete Differential Geometry / A.I. Bobenko et al. eds. (Oberwolfach Seminars). Basel (Switzerland): Birkhauser Verlag, 2008. Vol. 38. P. 175188.

52. Polygon Mesh Processing / M. Botsch et al.. Natick (USA): AK Peters, 2010. 230 p.

53. Products and Services: Stereo Vision Products: Bumblebee®2 CCD Camera //Point Grey Research, Inc., 2000: сайт. URL. http://www.ptgrey.com/ products/bumblebee2/bumblebee2stereocamera.asp (дата обращения 20.04.2011)

54. PrimeSense, Reference Design: сайт. URL. http://www.primesense.com/ ?p=514 (дата обращения 20.04.2011)

55. Тищенко А. С., Михайлов Б. Б. Навигация мобильного робота на основе бортовой системы технического зрения // Мехатроника, автоматизация, управление. 2009. №12. С. 44 50.