Методы вычисления параметров и сопоставления характерных точек объектов

Сопоставление необходимо для решения серии задач в рамках формирования единого трехмерного пространства:

- нахождении общих участков изображений,

- идентификации объектов,

- вычисления калибровочных точек,

- решении задачи вычисления координат точек в пространстве.

При этом разрабатываемые методы сопоставления должны быть легко реализуемыми в виде портативного автономного вычислительного модуля, располагаемого непосредственно вблизи источника изображений.

Рассмотрим метод выделения особенностей на изображениях [33].

Метод состоит в том, что обрабатывают текущий пиксель окнами заданного размера при смешении окон на несколько пикселей.

Выявление особенностей проводят следующим образом [34]:

Формируют опорное начальное значение координат текущей анализируемой точки (х,у), задают значения на которые итерационно смещают окно анализа (u, v). Вычисляют промежуточную величину функции:

где (a,b)- итерацинно изменяемые индексы движения окна.

Вычисляют минимум функции [35]:

C(х, у) = min (E (х, у)).

На основе сравнения с априрори заданным порогом приводя значения C(х,у):= 0, при условии не превышения заданного порога.

Вычисляют локальные экстремумы C(х,у), эти экстремумы далее используют как опорное значения для координат характерной точки.

Рассчитывают:

Преобразуют формулу :

Далее на основе методов SIFT [36] и SURF [37] рассчиывают координаты и формируют вектора-описатели характерных точек.

Фактически дескриптор SURF это многомерный вектор, который определяет совокупность параметров точки и совокупность параметров окрестности точки, в том числе взаимное расположение данной характерный точки относительно других точек.

Для сопоставления дескрипторов на разных кадрах и, как следствие сопоставления, точек объектов на разных кадрах выполняют расчет расстояния по одной из метрик. Традиционно вычисляют декартово расстояние [41]. Однако в нашем случае будет необходимо дополнительно рассчитывать ряд вспомогательных параметров, определяющих степень близости соответствия точек [42].

где m- количество признаков.

Дале производят индексацию точек для реализации быстрой индексной обработки данных. Фактически какждая точка описывается указателем на область памяти, где хранится вектор-описатель точки.

Индексация позволяет производить быстрый поиск схожих точек в общем массиве обработанных пикселей и сократить время обработки без уменьшения точности сопоставления. Следует отметить, что это не влияет на вычислительную сложность и вероятность появления ошибок 2 рода при проведении вычислений.

Отдельно следует отметить про необходимость разработки либо адаптации известных протоколов и аппаратных модулей для передачи данных между оптико-электронным датчиками и вычислительным средством, входящим в состав разрабатываемого оптико-электронного устройства.

Так, полученный массив характерных точек должен быть передан от оптико-электронного датчика и модуля, его сформировавшего, непосредственно в вычислительный модуль, который будет обрабатывать с множества оптико-электронных датчико. Причём, вследствие потенциального наличия помех в канале передачи данных должны быть проанализированы возможные пути уменьшения потерь данных при передаче, а также обеспечена возможность повторного запроса параметров характерных точек и кадров изображений целиком.

Это обеспечит формирование множества описаний кадров изображений, поступающих с различных точек расположения рабочего пространства, и передачу их в отдельный вычислительный модуль и решение задачи вычисления параметров объектов рабочей сцены в реальном времени.

Определено, что в интересах реализации задач, связанных с транспортировкой грузов и перемещением транспортной системы внутри

значительных по площади промышленных объектов, а также при решении задач анализа и распознавания объектов на открытой местности и при значительных по объему рабочих сцен необходимо размещение нескольких ОЭД с целью получения изображений объектов с различных точек наблюдения.

При этом известные математические методы, алгоритмы и технические решения не обеспечивают возможности вычисления трехмерных координат объектов или характеризуются крайне низкой и не достаточной для практического применения точностью.

Определено, что перспективным подходом к построению разработываемого устройства является подход, базирующийся на основе модульной архитектуры специализированного оптико-электронного устройства, включающего совокупность отдельных автономных модулей получения и первичной обработки изображений и их последующую передачу в вычислительный модуль оптико-электронного устройства, что обеспечит распределенную обработку изображений непосредственно при их получении и решение задачи повышения точности трехмерного восприятия при множественных источниках изображений. Использование

специализированных протоколов передачи данных в совокупности с методами выделения информативных признаков на изображениях позволяет реализовать модульную распределенную архитектуру обработки визуальных данных и обеспечить решение задачи синтеза трехмерной модели исследуемого пространства.