Восстановление формы объектов по полутоновой информации тема диссертации и автореферата по ВАК РФ 05.01.01, кандидат технических наук Цыдыков, Цыбик Цырендоржиевич

• Цыдыков, Цыбик Цырендоржиевич
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Цыдыков, Цыбик Цырендоржиевич

ОГЛАВЛЕНИЕ

Стр.

Введение

Глава 1. Автоматизация калибровки камеры

1.1 Анализ методов и способов калибровки камеры

1.2 Разработка способа автоматической калибровки камеры на базе

проективной геометрии

1.2.1 Определение точки пересечения оптической оси объектива камеры с плоскостью изображения

1.2.2 Определение расстояния от центра проецирования до плоскости изображения и коэффициента преобразования

1.2.3 Определение смещения системы координат камеры и углов поворота относительно системы координат предметного пространства

Выводы к главе 1

Глава 2. Исследование и разработка алгоритма восстановления

объектов сложной формы по полутонам.'

2.1. Анализ методов восстановления пространственных характеристик

объектов

2.2 Метод восстановления объектов сложной формы по полутоновой

информации

2.2.1. Разработка методики выделения на цифровом снимке зоны, относящейся к изображению одного объекта

2.2.2.Формирование математических моделей яркостных поверхностей

2.2.3.Определение координат базисной точки, инцидентной

восстанавливаемой поверхности

2.2.4. Восстановление формы объектов

Выводы к главе 2

Глава 3. Моделирование яркостной поверхности

3.1. Описание экспериментальной установки

3.2. Исследование влияния различных факторов на форму яркостной поверхности

3.3. Моделирование яркостной поверхности каркасно-кинематическим способом

3.4. Моделирование яркостной поверхности при помощи определения диффузионных и зеркальных составляющих отраженного света

3.5. Исследования на точность восстановления поверхности объекта

Выводы к главе 3

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

Введение диссертации (часть автореферата) на тему «Восстановление формы объектов по полутоновой информации»

ВВЕДЕНИЕ

Благодаря быстрому научно-техническому прогрессу в таких областях, как автоматика, радиоэлектроника, вычислительная техника, информатика, появилась возможность рассматривать комплексную автоматизацию производственных процессов по-новому - как систему автоматизации, охватывающую все производство, от проектирования изделий и технологии их производства до изготовления продукции и доставки потребителю. Эта тенденция ведет к созданию высокоавтоматизированных цехов и заводов-автоматов, главными особенностями которых являются широкое применение вычислительной техники практически во всех звеньях производства, высокий уровень автоматизации технологического оборудования на базе числового программного управления, устранение в значительной степени ручного труда за счет применения робототехники. Широкое внедрение робототехнических комплексов (РТК) на промышленных предприятиях позволяет: создавать технологические линии с легко перестраиваемым производством; повысить производительность труда; повысить качество выпускаемой продукции, что, в свою очередь, ведет к повышению конкурентоспособности выпускаемых изделий; освободить человека от выполнения тяжелых монотонных операций на участках с повышенной вредностью, загрязненностью и высокой опасностью травматизма. В машиностроительной отрасли наибольшее распространение РТК получило в механообработке - в таких областях, как металлообработка резанием и формовкой, и хорошо автоматизируются сварочные работы. Также следует отметить, что в этой же отрасли плохо автоматизированы сборочные процессы, это прежде всего обусловлено многообразием и сложностью разрабатываемых изделий, трудностью автоматизации, которая во многом объясняется недостаточной интеллектуальностью сборочных автоматов. В сборочных операциях необходимо, чтобы роботы обладали развитой

сенсорикой и достаточно высоким уровнем машинного интеллекта. Это позволит существенно расширить функциональные возможности роботов, автоматизировать большинство технологических операций. Такие РТК с развитой сенсорикой и с высоким уровнем интеллекта смогут самостоятельно анализировать окружающую обстановку, распознавать различные объекты, принимать и реализовывать оптимальные решения, нацеленные на выполнение производственных заданий. При создании таких РТК возникает много научно-технических задач, связанных с разработкой и аппаратно-программной реализацией теории адаптивного управления и искусственного интеллекта, а также созданием различных датчиков внешней и внутренней информации.

На сегодняшний день одними из актуальных задач в этом направлении являются работы по разработке, созданию и внедрению в производство систем, способных самостоятельно ориентироваться в окружающей обстановке и распознавать объекты различной формы. Решение задачи распознавания объектов невозможно без решения задачи автоматического восстановления формы распознаваемого объекта. Следует отметить, что обе эти задачи требуют разработки более совершенных средств и методов очувствления роботов. Из всего многообразия средств очувствления роботов наиболее перспективными и успешно используемыми в РТК являются системы технического зрения (СТЗ). Это объясняется тем, что системы технического зрения для роботов могут стать такими же мощными поставщиками информации, как и для человека глаза, через которые человек получает до 85% от всего объема получаемой им информации об окружающей среде [46,47]. Существуют различные методы восстановления формы поверхностей объектов на базе СТЗ: фотограмметрический, метод основанный на структурном освещении, очерковым линиям и по полутоновой информаци. Первые три метода достаточно хорошо исследованы, особенно хорошие результаты по

восстановлению поверхности объектов получены в методе с использованием структурного освещения. Из всех вышеперечисленных методов менее всего исследован метод восстановления формы поверхностей по полутоновой информации. Одно из требований данного метода заключается в том, чтобы вся поверхность восстанавливаемых деталей была покрыта краской с минимальными зеркальными характеристиками. Данное требование выполняется на промышленных предприятиях, где детали и узлы покрывают технологической краской, в особенности на предприятиях авиационной промышленности. Следует отметить, что для решения задачи восстановления формы объектов по полутоновой информации необходимо произвести калибровку системы технического зрения. Задача калибровки системы технического зрения предусматривает определение положения, ориентации и внутренних характеристик телевизионной камеры, с помощью которой производится восстановление объектов.

Проанализировав состояние РТК с интеллектуальными системами технического зрения, можно сделать вывод, что на сегодня одними из актуальных задач в этом направлении являются исследования по оснащению роботов надежными системами калибровки СТЗ и разработка метода восстановления форм объемных деталей. Исходя из этого можно сформулировать цель диссертационной работы.

Целью диссертационной работы является разработка геометрической модели калибровки систем технического зрения и исследование вопросов восстановления формы объектов по полутоновой информации.

Поставленная цель и сформулированные проблемы требуют решения следующих теоретических и прикладных задач:

- разработка метода калибровки системы технического зрения;

- усовершенствование метода восстановления видимой части поверхности объектов сложной формы по полутоновой информации;

- разработка метода моделирования яркостной поверхности калибровочной сферы, который позволил бы восстанавливать форму распознаваемых деталей без калибровочного объекта;

- разработка программно-технического комплекса, реализующего разработанные методы и алгоритмы.

Методы исследования. Результаты исследований, полученные в работе, базируются на основных положениях начертательной, проективной, дифференциальной и вычислительной геометрий, математического анализа, теории дифференциальных уравнений и других смежных наук.

Теоретической базой для выполнения основной части диссертационной работы послужили исследования К. Ватанабе, Р. Гонсалеса, К. Канатани, К. Фу, Б.К.П. Хорна, С.С. Ванга, JLJI. Ванга, Р.К. Ленз, М. А. Пенна, В.Х. Цая, Д.Е. Охацимского, А.Н. Писаревского, Н.Ф. Четверухина, В.В. Найханова и др.

Теоретической основой для решения задач по моделированию кривых и поверхностей послужили работы Н.Ф. Четверухина, И.И. Котова, A.M. Тевлина, С.А. Фролова, H.H. Рыжова, В.И. Якунина, Г.С. Иванова, В.Е. Михайленко, В.А. Бусыгина, А.Д. Тузова, Дж. Альберга, Р. Безье, П. Фюргесона, А. Фокса, М. Пратта и др.

Научная новизна работы заключается:

- в разработке метода калибровки системы технического зрения с использованием проективной геометрии, позволяющего автоматизировать определение внутренних и внешних параметров калибровки;

- в усовершенствовании метода восстановления видимой части поверхности объектов сложной формы по полутоновой информации;

- в разработке методов моделирования яркостной поверхности калибровочной сферы, и в установлении закономерности образования формы яркостной поверхности калибровочной сферы в зависимости от различных факторов;.

Практическая значимость. Разработанные в диссертационной работе методы и алгоритмы калибровки систем технического зрения и восстановления формы объектов по полутоновой информации могут быть использованы при создании робототехнических комплексов. В ходе работы над диссертационной работой были созданы программные пакеты:

- программный комплекс, позволяющий восстанавливать форму видимой части различных объектов по полутоновой информации. При создании данного комплекса в качестве восстанавливаемых деталей использовались реальные детали, покрытые технологическими авиационными грунтами. В ходе экспериментов были получены хорошие результаты восстановления формы деталей;

- программный модуль для калибровки камеры, который позволяет в автоматическом режиме определять положение и ориентацию телевизионной камеры в пространстве (приложение 2);

разработан способ, позволяющий моделировать яркостную поверхность калибровочного объекта.

Результаты, полученные в ходе выполнения диссертационной работы, были внедрены на предприятиях авиационной и обувной промышленности, а также в научно-исследовательских институтах. Действующие системы используются в учебном процессе Восточно-Сибирского государственного технологического университета при изучении студентами курсов по машинной графике и САПР. Имеются акты внедрения (приложение 1).

Апробация работы. Результаты, полученные в ходе выполнения диссертационной работы, докладывались и были представлены в виде тезисов в различных конференциях: в Межгосударственной научной конференции "Геометрические вопросы САПР" (Улан-Удэ, 1993), в Международной конференции по компьютерной геометрии и графике "КОГРАФ-96" (Н-Новгород, 1996), во Всероссийской научной конференции "Нейроинформатика и ее приложения" (Красноярск, 1996), во

Всероссийской научной конференции "Роль геометрии в системах искусственного интеллекта и САПР" (Улан-Удэ, 1996), в шестой Международной конференции "С0МРи011АРН1С8-97" (Виламора, Португалия, 1997).

Публикации. Результаты теоретических и прикладных исследований были опубликованы в 12 научных статьях, отражены в отчете по госбюджетной теме ЕЗН 1.4.96 "Исследование геометрических вопросов проблемы искусственного интеллекта" и была подана заявка на патент РФ №98103621/28, 8 приоритет от 24 февраля 1998 г. "Способ автоматического расчета формы объемных тел по полутоновым изображениям".

Диссертационная работа состоит из введения, трех глав, заключения, списка использованной литературы и приложения. Работа содержит 121 страниц основного текста, 75 рисунков, 5 таблиц и 113 наименований использованных литературных источников.

Заключение диссертации по теме «Инженерная геометрия и компьютерная графика», Цыдыков, Цыбик Цырендоржиевич

Выводы по главе 3

В этой главе разработаны методы моделирования яркостных поверхностей калибровочной сферы, исследованы факторы влияющие на форму яркостной поверхности и были проведены исследования на точность восстановления сферы. Применение методов математического моделирования яркостных поверхностей позволяет отказаться от калибровочных объектов при восстановлении формы объектов.

1. Проведенные исследования, показали, что факторы влияющие на форму яркостной поверхности, можно подразделить на три группы. К первой группе факторов, которые значимо влияют на форму яркостной поверхности, можно отнести такие факторы как расстояние между калибровочным объектом и источником освещения и угол между оптической осью телевизионной камеры и световым лучом, направленным на центр калибровочной сферы. Ко второй группе относятся те факторы, которые можно задать константами, подобрав их таким образом, чтобы они позволяли работать системе в достаточно широком диапазоне значимых факторов. К данной группе относятся такие факторы как мощность освещения, величина диафрагмы объектива телевизионной камеры, вид покрытий деталей и предметов фона. К третьей группе факторов, влияние которых не столь значительно на форму яркостной поверхности, а следовательно, влияние которых можно определить корреляционными зависимостями, можно отнести: расстояние от источника освещения до предметов фона и расстояние от телевизионной камеры до объектов.

2. Разработана методика моделирования яркостных поверхностей каркасно-кинематическим способом. Методика позволяет моделировать любые яркостные поверхности сферических калибровочных объектов, но имеет существенный недостаток - это необходимость проведения экспериментов для получения коэффициентов моделирующих функций.

3. Разработана методика моделирования яркостной поверхности основанная на определении интенсивности отражательного света. Интенсивность отражательного света определяется через диффузионные и зеркальные составляющие отраженного света.

4. Проведены исследования на точность восстановления сферы. Исследования показали возможность использования смоделированных яркостных поверхностей калибровочного объекта при восстановлении формы поверхностей объектов по полутоновой информации.

122

ЗАКЛЮЧЕНИЕ

Исследования проведенные в данной диссертационной работе по восстановлению формы трехмерных объектов по полутоновой информации позволили получить следующие основные теоретические и практические результаты:

1. Разработана методика калибровки системы технического зрения с использованием проективной геометрии. Проведенные эксперименты подтвердили правильность предложенной методики. Поэтому система автоматизированной калибровки систем технического зрения может успешно использоваться в реальных робототехнических комплексах, что подтверждено актами внедрения.

2. Анализ научных работ, посвященных исследованиям вопроса по автоматизации процесса расчета форм объектов по зрительной информации, показал, что учеными нашей страны достаточно хорошо проработаны теоретические вопросы восстановления форм объектов методами фотограмметрии и структурного освещения. Эти методы уже сегодня находят широкое применение в автоматизированных системах обработки снимков, полученных с космических спутников, и в автоматизированных системах обмера объемных параметров сложной формы. Исследования же по автоматизации процесса расчета форм объемных тел на базе полутоновой информации в нашей стране не проводились.

3. Усовершенствована методика восстановления формы объектов по полутоновой информации. Использование яркостных поверхностей позволило значительно повысить точность восстановления формы поверхностей.

4. Разработан реально действующий программно-технический комплекс, позволяющий восстанавливать видимую часть поверхности объемных тел сложной формы по полутоновой информации, который позволил убедиться в том, что по полутоновой информации можно восстанавливать форму объектов и с достаточно высокой точностью.

5. Анализ методики восстановления формы поверхностей по полутоновой информации показал, что основным ее недостатком является необходимость использования калибровочного объекта« Проведенные в диссертационной работе исследования, целью которых было получение ответа на вопрос «Возможно ли создать такую методику, которая позволила бы отказаться от калибровочных объектов за счет математического моделирования их яркостных поверхностей?», однозначно показали - это возможно. Данный факт открывает хорошие перспективы использования данного метода в робототехнике, так как предпосылки по ее применению на производстве имеются. Например, на многих предприятиях все детали, поступающие на сборку, покрыты технологическими грунтами, позволяющими восстанавливать форму деталей по полутоновой информации с высокой точностью.

6. Анализ влияния факторов на форму яркостной поверхности калибровочной сферы позволил разработать методику ее моделирования. Проведенные исследования показали, что часть факторов, определяющих форму яркостной поверхности, можно принять за значимые, другую часть факторов можно задать константами, подобрав их таким образом, чтобы они позволяли работать системе в достаточно широком диапозоне значимых факторов, а влияние третьей группы факторов можно определить корреляционными зависимостями. Так, за факторы, значимо влияющие на форму яркостной поверхности, целесообразно принять расстояние между калибровочным объектом и источником освещения, а также угол между оптической осью телевизионной камеры и световым лучом, направленным на центр калибровочной сферы. А за факторы, которые можно установить константами, рекомендуется принять, мощность освещения, величину диафрагмы объектива, вид покрытий деталей и предметов фона. К третьей группе факторов, влияние которых не столь значительно на форму яркостной поверхности, а следовательно, влияние которых можно определить корреляционными зависимостями, можно отнести: расстояние от источника освещения до предметов фона и расстояние от телевизионной камеры до объектов.

Список литературы диссертационного исследования кандидат технических наук Цыдыков, Цыбик Цырендоржиевич, 1998 год

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1.АлбергДж., Нильсон Э., Уолш Дж. Теория сплайнов и ее применения. -М: Мир, 1972.

2. Аюшеев Т.В., Цыдыпов Ц.Ц. Численный способ построения линии откоса на поверхности, заданной дискретным каркасом. "Геометрические вопросы САПР" (тезисы докладов межгосударственной научной конференции) ВСТИ. Улан-Удэ 1993г .

3. Вершинин В.В., Завьялов Ю.С., Павлов H.H. Экстремальные свойства сплайнов и задач сглаживания. -Новосибирск: Наука, 1988.

4. Гильберт Д., Кон-Фоссен С. Наглядная геометрия. Пер. с нем. - М.: Наука, 1981. -344 с.

5. Гребенников А.И., Метод сплайнов и решение некорректных задач теории приближений. -М: Мир, 1983.

6. Дамдинова Т.Ц., Цыдыпов Ц.Ц., Кузменко Д.В. Повышение точности распознования контуров системами технического зрения на основе анализа яркости граничных точек изображения. //«Образование в условиях реформ опыт, проблемы, научных исследования» Рос. науч.- практ. конф. ч.2. -Кемерово, КТИПП, 1997, -С. 108.

7. Жермен-Лакур П., Жорж П.Л., Пистер Ф., Безье П. Математика и САПР. В 2-х кн. Кн.2 Пер. с франц. -М: Мир, 1988. - 264 с.

8. Завьялов Ю.С., Квасов Б.И., Мирошниченко В.Л., Методы сплайн-функций. -М: Наука, 1980.

9. Завьялов Ю.С., Леус В.А., Скороспелов В.А., Сплайны в инженерной геометрии. -М: Машиностроение, 1985.

Ю.Иванов В.П., Батраков A.C. Трехмерная компьютерная графика. - М.: Радио и связь, 1995 - 224 с.

11 .Игнатов М.И., Певный А.Б. Натуральные сплайны многих переменных. -Ленинград: Наука, 1991.

12.Климов В.А., Гочаренко В.Н., Ганулич A.A. и др. Робототехнические системы в легкой промышленности. -М.: Легпромбытиздат, 1991. - 312 с.

13.Климухин А.Г. Начертательная геометрия. -М: Стройиздат, 1973. - 368 с.

14.Козырев Ю.Г., Кудинов A.A., Булатов В.Э. и др. Роботизированные производственные комплексы. -М.: Машиностроение, 1987. - 272 с. ил.

15.Колесник М.И. Автоматическое восстановление пространственных характеристик сцены по стереопаре изображений. Дисс. к.т.н. -М.: 1993.

16.Комиссаров А.Г. Разработка методов и средств измерения, проектирования и обработки поверхностей сложной формы. -Санкт-Петербург: 1992.

17.Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. -М.: Наука, 1983. - 831 с.

18.Корнейчук Н.П. Сплайны в теории приближения. -М.: Наука, 1984. - 352 с.

19.Крот В.М. Разработка и исследование методов автоматического определения пространственных координат поверхностей по стереопаре изображений в фотограмметрии и робототехнике. -Киев: 1988.

20.Крылов В.И., Бобков В.В., Монастырский П.И. Вычислительные методы, том 1и 2. -М.: Наука, 1976. -304 с.

21.Макаров В.Л., Хлобыстов В.В. Сплайн-аппроксимация функций. -М: Высшая школа, 1983.

22.Малов С.Н. Голографическое вычитание изображений. - Иркутск: Изд-во Иркут. ун-та, 1990.-136 с.

23.Малоземов В.М., Певный А.Б. Полиномиальные сплайны. -Ленинград: ЛГУ, 1986.

24.Марков И.М. Робототехника и гибкие автоматизированные производства. В 9-ти кн. Учеб. пособие для вузов. -М.: Высш. шк., 1986. - 175 с. ил.

25.Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов: Пер с англ. - М.: Радио и связь, 1987 - 400 с.

26.Мартинес Ф. Синтез изображений. Принципы, аппаратное и программное обеспечение: Пер с фран. -М.: Радио и связь, 1990. - 192 с.

27.Митчел Э. Фотография: Пер. с англ. М: Мир, 1988. - 420 с.

28.Мошкин В.И., Петров A.A., Титов B.C., Якушенков Ю.Г. Техническое зрение роботов. -М.: Машиностроение, 1990. -272 с.

29.Найханов В.В., Цыдыпов Ц.Ц. Автоматизация ввода геометрической информации по объемным техническим объектам сложной формы. //Геометрические вопросы САПР. Тезисы докладов межгосударственной научной конференции, ВСТИ, Улан-Удэ 1993г. - С. 31.

30.Найханов В.В., Цыдыпов Ц.Ц. Восстановление формы объектов по полутоновой информации.// IV Всероссийский семинар «Нейроинформатика и ее приложения». - Красноярск, КГТУ, 1996г. С.66.

31.Найханов В.В., Цыдыпов Ц.Ц. Восстановление формы трехмерных объектов по полутоновой информации. //Сборник научных трудов ВСГТУ, серия: Технические науки, вып.З. - Улан-Удэ, ВСГТУ, 1996, С.164-168.

32.Найханов В.В., Цыдыпов Ц.Ц. Методика восстановления формы предметов сложной конфигурации по полутоновому изображению.//Научная конференция преподавателей, научных работников и аспирантов с участием специалистов проектных и производственных организаций. - Улан-Удэ, ВСГТУ, 1995 г.

33.Найханов В.В., Цыдыпов Ц.Ц., Дампилов H.H. Методика автоматического определения расстояния от оптического центра до фотослоя камеры и

коэффициента преобразования между единицами измерения на ее фотослое. //Роль геометрии в искусственном интеллекте и САПР: Сб. докладов Всероссийской научной конференции. -Улан-Удэ, ВСГТУ, 1996, С. 15-20.

34.Найханов В.В., Цыдыпов Ц.Ц., Дампилов H.H. Определение внешних параметров калибровки камеры. // Роль геометрии в искусственном интеллекте и системах автоматизированного проектирования : Сб. док. Всерос. науч.-тех. конф. -Улан-Удэ, ВСГТУ, 1996г . С.36-38.

35.Найханов В.В., Цыдыпов Ц.Ц., Аюшеев Т.В. "Исследование точностных характеристик систем технического зрения, используемых для автоматической оцифровки поверхностей объемных объектов сложной формы на основе полутоновой информации". Отчет по НИР выполненной по единому заказ-наряду N 1.4.96 Исследование геометрических вопросов проблемы искусственного интеллекта. - Улан-Удэ, 1998 г.

36.Найханов В.В., Цыдыпов Ц.Ц., Дампилов H.H. Определение точки пересечения оптической оси объектива камеры с плоскостью изображения. //Роль геометрии в искусственном интеллекте и САПР: Сб. Док. Всерос. науч.-тех. конф. -Улан-Удэ, ВСГТУ, 1996г . С.24-25.

37.Найханов В.В., Якунин В.И., Цыдыпов Ц.Ц. Автоматизация калибровки камеры. //Совершенствование подготовки учащихся и студентов в области графики, конструирования и стандартизации Науч.-метод. сборник докладов. - Саратов, СГТУ, 1996г.

38.Найханов В.В., Якунин В.И., Цыдыпов Ц.Ц. Автоматизация калибровки камеры. //Международная конференция по компьютерной геометрии и графике «КОГРАФ 96»: Тез. науч. Конф.- Нижний Новгород, 1996г., С.66-68.

39.Найханов В.В., Якунин В.И., Цыдыпов Ц.Ц., Дампилов H.H. Заявка на патент РФ №98103621/28, 8 приоритет от 24 февраля 1998 г. "Способ автоматического расчета формы объемных тел по полутоновым изображениям".

40.Носач В.В. Решение задач аппроксимации с помощью персональных компьютеров. - М. МИКАП, 1994. - 382 с.

41.Останин А.Н., Гугля В.А., Гурский H.H., Фурунжиев Р.И., Опейко А.Ф., Ломако Г.А., Тюленев В.П. Применение математических методов и ЭВМ. Вычислительные методы П76 проектирования оптимальных конструкций: Уч. пособие для вузов. Минск.: Выш.шк., 1989.-279

42.Павлидис Т. Алгоритмы машинной графики и обработки изображений. Пер с англ. - М.: Радио и связь, 1986. -400 с.

43.Писаревский А.Н., Чернявский А.Ф., Афанасьев Г.К., Кухарчик П.Д., Лебедев В.И., Потапов A.B., Ревинский В.В., Тихоненко О.М. Системы технического зрения. -Л.: Машиностроение. Ленингр. отд-ние, 1988. - 424 с.

44.Препарата Ф., Шеймос М. Вычислительная геометрия: Введение: Пер с англ. -М.: Мир, 1989. -478 с.

45.Пью А. Техническое зрение роботов. Пер. с англ. Миронов Д.Ф. -М.: Машиностроение, 1987.-320 с.

46.Рафаэл.Б. Думающий компьютер. М: Мир, 1979. - 407 с.

47.Рычков И.Л. Пространственное зрение человека и животных. - Иркутск: Изд-во Иркут. ун-та, 1990.-216 с.

48.Сидоренко С.М., Соловьев Л.П., Пронюшкина Т.Г., Сидоренко Е.Г. Вычислительная геометрия. -М.: Луч, 1995. -205 с.

49.Стечкин С.Б., Субботин Ю.Н. Сплайны в вычислительной математике. -М: Наука, 1976.

50.Фишер Р. От поверхности к объектам : машинное зрение и анализ трехмерных сцен / Пер с англ. Под ред. Д.А. Денисова. - М.: Радио и связь, 1993 г. - 288 с.

51. Фокс А., Пратт М. Вычислительная геометрия. Применение в проектировании и на производстве. -М: Мир, 1982. - 304 с.

52.Фоли Дж., вэн Дэм А. Основы интерактивной машинной графики: В 2-х нигах. -М: Мир, 1985.-368 с.

53.Фу К.,Гонсалес Р., Ли К. Робототехника. - М: Мир, 1989. - 624 с.

W

54.Хорн Б., Минский М., Сираи И., Уолц Д., Уинстон П. Психология машинного зрения. -М: Мир 1978. - 340 с.

55.Хорн Б.К.П. Зрение роботов. - М.: Мир,1989.-487 с.

56.Четверухин Н.Ф. Проективная геометрия. -М: Просвещение, 1969.- 368 с.

57.Шишкин Е.В., Боресков A.B. Компьютерная графика. Динамика, реалистические изображения. - М.: Диалог-Мифи, 1995. - 288 с.

58.Шпур Г., Краузе Ф.-Л. Автоматизированное проектирование в машиностроении. Пер с нем. Волковой Г.Д. и др. - М.: Машиностроение, 1988. - 648 с.

59.Якунин В.И., Найханов В.В., Дамдинова Т.Ц. Применение СТЗ для автоматизации ввода в ЭВМ информации по контурам плоских деталей сложной формы // Совершенствование подготовки учащихся и студентов в области графики, конструирования и стандартизации : Сб. на

60.Якунин В.И., Найханов В.В., Дамдинова Т.Ц. Состав и структура программного обеспечения обработки информации, введенной в ЭВМ на базе СТЗ по контурам плоских деталей. В кн. Совершенствование подготовки учащихся и студентов в области графики, конструиров.

61.Blake A., McCowen D., Lo H.R., Lindsey. Trinocular Active Range-Sensing.IEEE Trans. on Pattern Analysis and Machine Intelligence.Vol. 15, No.5, pp. 477-483, 1993.

62."Brooks, Flynn A.M., Marill T., "Self calibration of motion and stereo vision for mobile robots", in 4th Int. Symp. Robotics Res (Santa Crus, CA, Aug. 1987). Cambridge, MA: MIT Press, 1987, pp. 277-286."

63.Demetri T. The Computation of Visible-Surface Representations. IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.10, No.4, pp.417-436,1988.

64.Ernest M.S., Shang Y.W. Surface Parameterization and Curvature Measurement of Arbitrary 3-D Objekts: Five Practica Methods. IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.14, No.8, pp.833-839, 1992.

65.Fatih U., Ramakant N. Perception of 3-d Surfaces from 2-d Contours. IEEE Trans, on Pattern Analysis and Machine Intelligence, Vol.15, No.l, pp.3-16, 1993.

66.Faugeras O.D. Toscani G., "The calibration problem for stereo", in Proc. Comput. Vision Pattern Recognit. (Miami Beach, FL), June 1986, pp. 15-20."

67.Fu K.S., Gonzalez R.C., Lee C.S.G. Robotics: Control, Sensing, Vision and Intelligence: Translation from english. Moscow: Mir, 1989.- 624 p.

68.Gongzhu H.,George S. 3-D Surface Solution Using Structured Light and Constraint Propagation.IEEE Trans. on Pattern Analysis and Machine Intelligence. Vol.11, No.4, pp.390-402, 1989.

69.Gremban K.D., Fedkamp L.A., "Camera calibration metrology based on a linear perspective transformation error model", in Proc. 1988 IEEE Int. Conf. Robotics Automat.

70.Grosky W., Tamburino L.A., "A unified approach to the linear camera calibration problem", IEEE Trans. Pattern Anal. Machine Intell., vol. 12, no. 7, pp. 663-671, July 1990."

71.Hartly R., A Gaussian-Weighted Multi-Recolution Edge Detector, Computer Vsion, Graphikcs and Image Processing 30, No.l, 70-83 (1985).

72.Herbert B., Helmut. S. Avtomated X-Ray Inspection of Aluminum Castings.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.10, No.l, pp.79-85, 1988.

73.Horaud R., Mohr R., Lorecki B., "On single-scanline camera calibration", IEEE Trans. On Robotics and Automat., vol. 9, no.l, pp. 71-75, Feb. 1993.

74.Horn B K.P. Robot vision: Translation from english. - Moscow: Mir, 1989.-487-p.

75.Horn B.K.P., Image Intensity Understanding, Artificial Intelligence, 8, No2, 201-23 lpp, 1977.

76.Horn B.K.P., Sjoberg R.W. Calculating the Reflectance Map. Applied Optics, 18,Noll, 1770-1779pp, June, 1979.

77.Horn B.K.P., Woodham R.J., Silver W. Determining Shape and Reflectance Using Multiple Images, MIT AI Laboratory Memo 490, Aug., 1978.

78Jeans-Mars.L.,Gerard.R.,Michel.D. Three-Dimensional Reconstruction by Zooming. IEEE Trans, on Robotics and Avtomation, Vol.9, No.2, pp. 196207,1993.

79.Julesz B., Foundations of Cyclopean Preception, Univ. of Chicago, 1971.

80.Kanatani K. "Statistical analysis of focal-length calibration using vanishing points", IEEE Trans, on Robotics and Automation, vol. 8, no.6, pp.767-775, 1992.

81.Kanatani K., "Computation projective geometry", CVGIP: Image understanding, vol. 54 pp. 333-348, 1991.

82.Kanatani K., "Statical analisis of geometric computation", CVGIP: Image understanding, submited for publication.

83.Kanatani K., Geometric Computation for Machine Vision. Oxford, U.K.: Oxford university Press, 1993.

84.Kanatani K., Watanabe K., "Reconstruction of 3-D road geometry from images for autonomous land vehicles", IEEE Trans. Robotics Automat., vol. 6 pp. 127132, 1990.

85.Kenichi.K. Statistical Analysis Focal-Length Calibration Using Vanishing Points.IEEE Trans, on Robotics and Avtomation. Vol.8, No.6, pp.767-775, 1992.

86.Krishnapuram R., Casasent D. "Determination of 3-D object location and orientation from range image", IEEE Trans. Pattern Anal. Machine Intell., vol. 11, pp. 1158-1167, Nov. 1989.

87.Lenz R.K., Tsai R.Y., "A new techniques for fully autonomous and efficient 3D robotics hand/eye calibration", IEEE Trans. Robotics Automat., vol. 5 pp. 345358, 1989

88.Lenz R.K., Tsai R.Y., "Real time versatile robotics hand/eye calibration using 3D machine vision", in Proc. IEEE Int. Conf. Robotics Automat.(Philadelphia, PA), Apr. 1988, pp. 554-561.

89.Lenz R.K., Tsai R.Y., "Techniques for calibration if the scale factor and image conter for high-accuracy 3-D machine vision metrology", IEEE Trans. Pattern Anal. Machine Intell., vol. 10, pp. 713-720, 1988.

90.Ling-Ling Wang, Wen-Hsiang Tsai. Camera calibration by Vanishing Lines for 3-D Computer Vision. IEEE Trans. On Pattern Analysis and Machine Intelligence. Vol.13, No.4, April, 1991.

91.Lingxiao L., James H.D. 3-D Translational Motion and Structure from Binocular Image Flows. IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.15, No.7, pp. 657-667, 1993.

92.Masanobu Y., Pierre B., J.-Angelo B., Mars R. Direct Estimation of Range Flow on Deformable Shape from a Video Rate Range Camera.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.15, No.l, pp. 82-88, 1993.

93.Mohr R., Morin L., "Relative positioning from geometric invariants", in Proc. Comput. Vision Pattern Recognit. Conf. (Lahaina, Maui, HI), June 1991, pp. 139-144.

94.Naikhanov V.V., Tsydypov Ts. Ts., Zhimbueva L.D. Automation of the camera calibration. EDUGRAPHICS'97 and COMPUGRAPfflCS'97 , Vilamoura Algarce Portugal, 1997. pp. 410-420.

95.Penna M. A., "Camera calibration: A quick and easy way to determine the scale factor", IEEE Trans. Pattern Anal. Machine Intell., vol. 13, pp. 1240-1245, 1991.

96.Peter T.S., Steven W.Z. Inferring Surface Trace and Differential Structure from 3-D Images. IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.12, No.9, pp. 833-853, 1990.

97.Qinfen Z., Rama C. Estimation of Illuminant Direction, Albedo, and Shape from Shading.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.13, No.7, pp.833-839, 1991.

98.Robert T.F., Rama.C. A Method for Enforcing Integrability in Shape from Shading Algorithms.IEEE Trans. on Pattern Analysis and Machine Intelligence. Vol.10, No.4, pp.439 - 450, 1988.

99.Saint-Mars P., Jezouin J.L., Medioni G. A Versatile PC-Based Range Finding System. IEEE Transactions on Robotics and Automation Vol.7, No.2, pp.250256, 1991.

lOO.Silver W.M., Determining Shape and Reflection Using Multiple Images, S.M.Thesis, Dept of Eltctrical Enginerring and Computer Science, MIT, Cambridge, Massachusetts, June, 1980.

101.Sing B.K., Katsushi I. The Complex EGI: A New Representation for 3-D Pose Determination.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.15, No.7,pp.707-721, 1993. 102.Soren.I.O. Stereo Correspondence by Surface Reconstruction. IEEE Trans, on

Pattern Analysis and Machine Intelligence. Vol.12, No.3, pp.309-361, 1990. 103.Sutro L.L., Lerman J.B., Robot Vision, Internal Report R-635, Charles Stark Draper Laboratry, Cambridge, Massachusetts, Apr., 1973.

104.Tsai R.Y., "A versatile camera calibration technique for high accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses", IBM T. J. Watson Res. Center, Yorktown Heights, NY, Res. Rep. RC 11413, Sept. 1985.

105.Tsai R.Y., "A versatile camera calibration techniques for high-accuracy 3-D machine vision metrology using off-the-shelf TV cameras and lenses", IEEE J. Robotics Automat., vol. RA-3, no. 4, pp. 323-344, Aug. 1987

106.Tuong-Phong B., Illumination for Computer-Generated Images. Communications of the ACM 18, No.6, 311-317 pp. 1975.

107.Vuylsteke P., Oosterlinck A. Range Image Acquistion with a Single Binary-Encoded Light Pattern.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.12, No.2, pp. 148-163, 1990.

108.Wang C-C., "Extrinsic calibration of a vision sensor mounted on a robot" IEEE Trans. On Robotics and Automat., vol. 8, no. 2, pp. 161-167, April 1992.

109.Woodham R.J. Photometric Stereo: A Reflectance Map Technique for Determining Surfase Orientation from a Single View, Image Understanding. System and Industrial Applications. Proc. SPIE 22nd Annual Technical Symp., San Diego, California, 155,

110.Woodham R.J. Photometric Method for Determining Surface Orientation from Multiple Images. Optical Engineering, 19, No.l, 139-144 pp. Jan. 1980.

111 .Worf P.R., Elements of Photogrammetry, McGraw-Hill Book Co., New York, 1974.

112.Wu W., Iyengar S.S. Efficient Data Structures for Model-Based 3-D Object Recognition and Localization from Range Images.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.14, No 10, pp.1035-1042, 1992.

113.Yoshihiko N., Michihiro S., Hiroshi N., Atsushi I. Simple Calibration Algorithm for Nigh-Distortion-Lens Camera.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.14, No. 11, pp. 1095-1099, 1992.