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. Данные дескрипторы удобны с точки зрения аппаратной реализации на программируемых логических интегральных схемах (ПЛИС) [40].

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.