Тип работы:
Предмет:
Язык работы:


ОБРАБОТКА СТЕРЕОИЗОБРАЖЕНИЙ ДЛЯ ИЗМЕРЕНИЯ ДАЛЬНОСТИ ДО ОБЪЕКТОВС УЧЕТОМ ПАРАМЕТРОВ РЕГИСТРИРУЮЩИХ УСТРОЙСТВ

Работа №188723

Тип работы

Дипломные работы, ВКР

Предмет

прочее

Объем работы11
Год сдачи2022
Стоимость4700 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
5
Не подходит работа?

Узнай цену на написание


Аннотация
ВВЕДЕНИЕ 5
1 ИЗМЕРЕНИЕ РАССТОЯНИЯ ДО ОБЪЕКТА 7
1.1 Методы и средства 7
1.2 Стереоскопическое зрение 9
1.3 Эпиполярная геометрия 10
1.4 Определение расстояния на основе стереозрения 11
1.5 Алгоритм построения карты глубины 14
1.6 Постобработка изображений 14
1.7 Аберрации оптических систем 16
1.8 Калибровка камер 19
2 ПОИСК ОСОБЕННОСТЕЙ НА СТЕРЕОИЗОБРАЖЕНИИ 21
2.1 Сдвиг и отклик 21
2.2 Локальные методы 22
2.2.1 Сетка сегментов 22
2.2.2 Блочный метод сопоставления 24
2.3 Глобальные методы 29
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ТЕСТИРОВАНИЕ 30
3.1 Средства разработки 30
3.2 Реализация и тестирование 31
ЗАКЛЮЧЕНИЕ 39
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 40

В настоящее время наблюдается значительное повышение интереса к управлению комплексами взаимодействующих сложных технических систем, что приводит к усовершенствованию компьютерных технологий и сенсоров, которые позволяют принимать, хранить и анализировать информацию из окружающей обстановки, что развивает многие области нашей жизни. На данный момент вычислительные машины способны выполнять множество задач связанных с обработкой данных, в том числе представляемых в виде изображений. К типовым задачам компьютерного зрения относятся распознавание, поиск движения, восстановление сцены и восстановление изображения. В большинстве из них ведется обработка и анализ изображений, полученных с более чем одного устройства. В этом случае, обычно решается задача определения расстояния до различных точек и построения трехмерной сцены. Определение расстояния до различных объектов играет важную роль во многих областях, таких как робототехника, дорожное движение, геодезия, исследования окружающей среды. Для измерения расстояния до объекта, препятствия или цели используется множество методов, разделяющихся по способу измерения на контактные и бесконтактные. Контактные методы основаны на непосредственном измерении расстояния с помощью эталонов. Бесконтактные методы и, в частности, активные, как наиболее распространенные, основаны на взаимодействии электромагнитного излучения (радио или оптического диапазона) с объектом. В такой схеме излучение отражается от объекта и возвращается на приемник, вследствие чего на основе известной скорости распространения в среде, быстро и точно определяется расстояние до объекта. Использование активных систем не всегда является целесообразным, а иногда и невозможным в связи с их существенными размерами и высоким энергопотреблением. Другой класс бесконтактных методов, основанный на применении современных методов пассивной оптической локации, позволяет реализовать возможность измерения дальности до объектов путем компьютерной обработки изображений, полученных с помощью оптоэлектронной системы. Среди пассивных методов наиболее популярны [1-4] те, которые основаны на стереоскопическом методе измерения.
Один из часто используемых активных методов, связан с технологией лидарного зондирования. Измерения, получаемые таким способом, являются достаточно точными, но при этом обладают рядом недостатков. Как правило, информацию, получаемую с помощью лидаров дополняют данными, получаемыми с помощью устройств регистрации изображений. В силу того, что системы компьютерного зрения уже работают с изображением логичным, является использование имеющихся средств регистрации для 5
построения карты расстояний (глубины). Такие данные могут использоваться как самостоятельно, так и совместно с лидарными данными. Решению проблемы определения расстояний по изображению посвящен большой раздел компьютерного зрения - стереозрение.
В технологии стереозрения применяются как минимум две камеры, работающие синхронно. Данные системы находят применение во многих приложениях, например, автоматическое отслеживание и распознавание движущихся целей, автономная автомобильная навигация, распознавание и локализация трехмерных объектов в робототехнике и беспилотной авиаразведке. Применение стереозрения позволяет получать данные о глубине изображения и расстоянии до объектов, строить трехмерную картину окружающего мира.
Объектом исследования в данной работе являются стереоизображения.
Предметом исследования - методы и алгоритмы компьютерного зрения для компенсации оптических искажений и построения карты глубины.
Научная новизна заключается в оптимизации существующих алгоритмов для определения расстояния.
Проблемная ситуация: отсутствие недорогих и эффективных по трудоемкости и времени обработки методов оценки расстояния до объектов анализируемой сцены, особенно в задачах, связанных с зондированием атмосферы.
Целью данной работы является создание программной системы для определения дальности до объектов с учетом геометрических искажений методами компьютерного зрения.
Для достижения поставленной цели необходимо решить следующие задачи:
1. аналитический обзор методов;
2. разработка методики и алгоритма поиска особенностей на изображениях для построения карты глубины;
3. разработка алгоритма компенсации оптических искажений;
4. реализация алгоритмов, тестирование программного обеспечения (ПО), написание отчёта.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе работы на основе обзора методов и средств определения расстояния до объектов сцены сформулирована методика, в соответствии с которой разработан алгоритм и реализованы программные модули. Выявлены и проанализированы основные оптические помехи (искажения), оказывающие влияние на результат измерений, выбран алгоритм их компенсации. В ходе тестирования программы на реальных изображениях выявлено максимальное отклонение около 10 мм на удалении камеры от объекта порядка 2 м. На картах глубины, полученных как с реальных, так и с тестовых изображений, наблюдаются участки с неверно определенными расстояниями. Одним из вариантов решения этой проблемы можно предложить фильтрацию полученных карт глубин, в частности, использование медианного фильтра. Следует отметить, что задача анализа т.н. «облака точек» является весьма трудоемкой и до сих пор не имеет однозначного решения.
Результаты работы представлялись на Восемнадцатой Всероссийская конференции студенческих научно-исследовательских инкубаторов «СНИИ-2021»: Средства и методы построения карты глубины (Томск, 2021) и 9-й Международной научно-практической конференции Актуальные проблемы радиофизики «АПР-2021»: Применение панорамнооптических средств регистрации для исследования оптико-физического состояния атмосферы (Томск, 2021). Также направлен доклад на XV Международную школу молодых учёных «Физика окружающей среды» им. А.Г. Колесника по теме «Методы и средства машинного зрения для определения высоты до нижней границы облачности» (Томск, 2022).


1. Соколов С.М., Богуславский А.А., Гаврилов М.Г., Трифонов О.В. Методические и практические аспекты использования стереосистем компьютерного видения для наземных мобильных средств // Известия ЮФУ. Технические науки. - 2013. - № 3. - С. 112-122.
2. Robot Operating System (ROS): documentation, support,
tutorials. - URL: http://wiki.ros.org/ (дата обращения: 24.05.2021 г.).
3. Szpytko J., Hyla P. Stereovision 3D type workspace mapping system architecture for transport devices // Journal of KONES. Powertrain and transport. - 2010. - No. 4 - P. 495-503.
4. Котов А.П., Фурсов В.А., Гошин Е.В. Гибридная CPU/GPU реализация сквозной информационной технологии построения цифровых моделей местности по космическим снимкам // Труды международной конференции «Суперкомпьютерные дни в России». М.: Изд-во МГУ. 2017. - C. 354-362.
5. Киселев В.Н., Кузнецов А.Д. Методы зондирования окружающей среды (атмосферы). - Спб.: РГГМУ. 2004. - 429 c.
6. Моргунов В. К. Основы метеорологии, климатологии. Метеорологические приборы и методу наблюдений. - Ростов/Д.: Феникс, 2005. - 331 с.
7. Тимофеев Ю.М., Васильев А.В. Теоретические основы атмосферной оптики. - СПб.: Наука. 2003. - 474 с.
8. Kanade T., Yoshida A., Oda K., Kano H., Tanaka M. A stereo machine for video-rate dense depth mapping and its new applications // Proceedings CVPR IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos: IEEE Computer Society Press. 1996. - P.196-202.
9. Карта глубины. - URL: https://neerc.ifmo.ru/wiki/index.php/ (дата обращения 25.04.2021 г.).
10. Stereo Depth. - URL: https://www.intelrealsense.com/ (дата обращения 09.05.2022 г.).
11. Обзор Intel® RealSense™. - URL: https://special.habrahabr.ru/intel/realsense/review/ (дата обращения 09.05.2022 г.).
12. Параллакс. - URL: https://ru.wikipedia.org/ (дата обращения 09.02.2021 г.).
13. Документация по библиотеке OpenCV. - URL: http://opencv.org/ (дата обращения: 05.03.2021 г.).
14. Python OpenCV: Epipolar Geometry. - URL: https://www.geeksforgeeks.org/ (дата обращения 12.04.2022 г.).
15. Bradski G., Kaehler A. Learning OpenCV - computer vision with the OpenCV library. - Sebastopol: O'Reilly Media. 2008. 556 p....30



Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ