WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 19 | 20 || 22 | 23 |   ...   | 58 |

F Список литературы Ca NО 1. Persaud K., Dodd G.N. Nature, 1982, v. 299, p. 352 – 355.

2. Власов Ю.Г., Легин А.В., Рудницкая А.М. Рос.

Рис.6 Конденсат испытуемого после хим. ж., 2008, т. LII, № 2, с..101-112.

выздоровления 3. Легин А.В., Рудницкая А.М., Власов Ю.Г.

Проблемы аналитической химии, 2011, Т.14, с. 79Из представленных данных видно, 126.

что каждый исследованный образец.

конденсата имеет свой «образ» в зависимости от функционального 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» ТРЕХМЕРНОЕ ВОСПРИЯТИЕ И НАВИГАЦИОННОЕ ПОВЕДЕНИЕ МОБИЛЬНЫХ РОБОТОВ И.В. Клочков1, О.В. Мангутов2, Л.А. Станкевич1. ЗАО «Интел», Санкт-Петербург 2. ЗАО «Сименс», Санкт-Петербург 3. Санкт-Петербургский государственный технический университет Stankevich_lev@inbox.ru The important problem of artificial intelligence and Трехмерное восприятие robotics is the implementation of 3D perception of the world for a mobile robot. This problem solving requires Среди возможных вариантов by usage of stereovision system. Other problem is установки камер в стереопаре была organization of navigation behavior of the robot. In this work algorithms of solving these problems are выбрана модель фронтальной параллельной presented and results of experiments with mobile установки, обладающая следующими sensory platform are described.

свойствами:

- плоскости изображения Введение компланарны, оптические оси точно параллельны;

Важной задачей искусственного - камеры удалены друг от друга на интеллекта и робототехники является известное расстояние;

реализация трехмерного восприятия - камеры обладают равными окружения мобильного робота. Эта задача фокальными расстояниями fl=fr;

может быть решена с использованием left right - главные точки cx и cx стереопары как источника информации об откалиброваны и имеют одинаковые окружающем мире и алгоритмов оценки координаты на левой и правой матрице расстояния до объектов среды, их соответственно;

классификации и восстановления - некоторая точка P пространства трехмерного представления сцены.

отображается на плоскостях изображения в точках pl и pr и обладает горизонтальными координатами xl и xr соответственно.

Вид фронтальной параллельной установки приведен на рис. 2.

Рис. 1 – Мобильная сенсорная платформа с установленной стереопарой Результаты такого восприятия позволяют решать задачу организации навигационного поведения робота в условиях среды, т.е.

локализации его по отношению к объектам Рис. 2 – Фронтальная параллельная установка камер среды и траекторного перемещения среди этих объектов. В данной работе Обладание координатами xl и xr представлены алгоритмы решения этих позволяют оценить глубину изображения задач и описаны результаты экспериментов через рассогласование в изображениях, с мобильной сенсорной платформой (рис.

поступающих от левой и правой камеры, 1) [1].

где разница вычисляется как d=xl-xr. На рис. 2 можно довольно просто вычислить Материалы XVI Международной конференции по нейрокибернетике глубину изображения Z с использованием стереопары, то есть, осуществить их fT полинейное выравнивание и сделать подобных треугольников: Z =.

компланарными плоскости изображений xl - xr обеих камер. В нашем случае для В действительности параметры предварительной калибровке камер, устройства отличаются от идеальных из-за использован алгоритм Буге.

искажений, вносимых линзой и матрицей Для ректифицированных каждой камеры, кроме того, осуществить изображений от стереокамеры становится точную сборку стереокамеры также возможным эффективное использование затруднительно. Для приведения алгоритма блокового соответствия для имеющейся стереокамеры к описанной поиска соответствующих точек на двух выше модели необходима математическая снимках. Алгоритм обладает малым корректировка изображений, получаемых с временем работы и может быть применен камеры. Для этого необходимо проведение для мобильного робота. После определения операций калибровки, стереокалибровки и соответствия вычисляется рассогласование ректификации стереокамеры.

между точками, что позволяет получить Процедура калибровки заключается в информацию о глубине снимаемой сцены.

нахождении 9 параметров каждой камеры:

По данным о рассогласовании 5 элементов вектора радиальных и производится трехмерная реконструкция тангенциальных искажений [k1,k2,p1,p2,k3]T окружения.

и 4 элемента матрицы внутренних характеристик камеры M. Вычисление В общих чертах алгоритм включает в данных параметров производится при себя 3 основных этапа:

решение системы линейных 1. Префильтрация для нормализации алгебраических уравнений, образованной света на изображении и усиления текстуры.

при съемке с различных ракурсов объекта 2. Поиск соответствия вдоль калибровки – плоскости с переменно горизонтальных эпиполярных линий с расположенными черными и белыми использованием SAD-окна.

квадратами, часто называемого 3. Постфильтрация для исключения “шахматной доской”.

ложных соответствий.

После получения вектора искажений Результатом работы данного камеры можно произвести корректировку алгоритма является информация о радиального:

рассогласовании d для каждой точки из x = x(1+ k r2 + k2r4 + k3r6), corrected перекрывающихся зон обзора левой и y = y(1+ k r2 + k2r4 + k3r6) и corrected правой камеры стереопары.

тангенциального искажений:

Реконструкция параметров окружающего пространства происходит x = x +[2 p1y + p2(r2 + 2x2 )], corrected при перемножении следующих матриц:

ycorrected = y +[ p1(r2 + 2y2) + 2 p2x].

x W Процедура стереокалибровки Y y заключается в поиске вектора смещения T и Q =, где матрицы вращения R между плоскостями d Z изображения камер. Для стереокалибровки 1 W также требуется несколько снимков 1 0 0 -cx шахматной доски с различных ракурсов.

0 1 0 -cy Вычисление искомых значений Q =.

происходит из следующих соотношений:

0 0 0 f Pl = Rl P + Tl, Pr = RrP + Tr Pl = RT (Pr -T ). 0 0 -1/ Tx (cx - c 'x ) / Tx Следовательно: R = Rr (Rl )T, T = Tr - RTl.

Для реализации описанных Обладание вектором смещения T и алгоритмов были созданы программы с матрицей вращения R позволяет произвести использованием библиотеки ректификацию изображений с камер компьютерного зрения OpenCV [2].

4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» Навигационное поведение Заключение Визуальная локализация в В результате работы определены пространстве [3] - оценка продвижения алгоритмы трехмерного восприятия и камеры или стереокамеры в пространстве создана действующая модель системы на основе анализа соответствия бинокулярного зрения, позволяющая характерных точек между получать объемный массив точек, последовательными изображениями. При содержащих информацию о дистанции до этом не требуется ни априорное знание о окружающих объектах и их размерах. Для снимаемом пространстве, ни о характере стереопары была выбрана математическая движения камеры. Для решения задачи модель, основанная на фронтальной локализации применяется метод параллельной установке камер. Для разрежённой корректировки параметров приведения стереокамеры к фронтальному (Sparse Bundle Adjustment - SBA). параллельному виду использованы Данный метод представляет собой процедуры калибровки и ректификации.

итеративную минимизацию ошибки оценки Это позволило использовать быстрый параметров камеры и её положения в алгоритм для поиска соответствующих пространстве (корректировка). Термин точек на изображениях и трехмерной “разреженная” здесь применяется из-за реконструкции изображения. Полученные использования в методе матрицы Якоби с результаты использованы для организации преимущественно нулевыми элементами, навигационного поведения мобильного что даёт некоторые вычислительные робота, перемещающегося в пространстве с преимущества. Метод нашёл применение в препятствиями и составляющего задачах корректировки параметров навигационную карту окружения. Для трифокального и N-фокального. визуальной локализации применен метод Оценка перемещения мобильного разряженной корректировки параметров, а робота является одной из важнейших для оценки перемещения робота решалась составляющих задачи SLAM- Simultaneous задача картирования, т.е. построения Localization and Mapping [4]. Основной специального отображения окружения по алгоритм данной процедуры состоит из характерным точкам, полученным при следующих этапов: обработке изображений. Это позволило 1. Определение характерных точек на реализовать траекторные перемещения изображениях. Здесь используются робота в среде с препятствиями.

различные процедуры, выделяющие интересующие черты на изображениях, Список литературы 1.Мангутов О.В., Станкевич Л.А. Навигация например, детекторы углов или границ, и автономного робота со стереокамерой // XXXIX дающие устойчивость и независимость от неделя науки СПбГПУ. Материалы межвузовской шума.

научно-практической конференции. Часть VIII. 6-2. Поиск соответствующих декабря 2010 г. СПб.: Изд-во Политехнического унхарактерных точек между левым и правым та. – 2010. С. 39-40.

2.Gary Bradski, Adrian Kaehler. Learning OpenCV.

изображением стереокамеры и между 2008. - Published by O’Reilly Media, Inc., двумя последовательными кадрами.

Gravenstein Highway North, Sebastopol, CA 95472.

3. Определение движения камеры по 3.Stefan Florczyk. Robot vision. - ISBN 3-527-40544-5.

анализу последовательности изображений, 4.Sebastian Thrun. Robotic Mapping: A Survey. - получаемых от неё. Используется метод School of Computer Science Carnegie Mellon University Pittsburgh, PA 15213.

разрежённой корректировки параметров.

Материалы XVI Международной конференции по нейрокибернетике Эту работу и всё последующее развитие один из авторов посвящает светлой памяти Мамы и ближайшего друга САВЕЛЬЕВОЙ-НОВОСЁЛОВОЙ НИНЕ АНДРЕЕВНЕ 3D-НЕЙРОКИБЕРНЕТИЧЕСКОЕ КОНСТРУИРОВАНИЕ ЗНАНИЙ ПОСРЕДСТВОМ ВИЗУАЛИЗАЦИИ НЕЙРОННОЙ БИОВОЗБУДИМОСТИ В.В. Колушов1, А.В. Савельев1,Уфимский государственный авиационный технический университет, KVV@ufanet.ru, Редакция журнала «Нейрокомпьютеры: разработка, применение» издательства «Радиотехника», Москва; gmkristo@rambler.ru In the paper the substantiation of the possibility and необходимости содержания информации necessity of another order of information content in the другого порядка в регистрируемых recorded empirical data was making. This allows us эмпирических данных. Это позволяет apart from the traditional Data mining to produce not кроме традиционного Data mining [4] only the direct receipt of the findings from the data, extract knowledge, but along with it and produce their производить не только прямое получение active construction of the initial data, one way or выводов из данных, извлечения знаний, но another, contained in the empirical data. Propose наряду с этим и производить активное их another alternative way to build (construction) of nonконструирование по исходным данным, так analytic systems using expert data received by full-scale или иначе, содержащимся в эмпирической facility as the primary and the continuation of their heuristic with obtaining a numerical and graphical- информации [5].

shaped new data with the prediction of the systems behavior. The description of the work developed by the Методы и результаты authors of algorithms and programs for 3Dvisualization and animation of axons is resulted.

Большинство же сложных и сверхсложных (по нашей терминологии [6]) систем, Введение относящихся к реальной природе (живые биологические системы), а не техническим Визуализация [1] процессов изделиям, не имеет аналитического функционирования нервной системы может описания и характеризуется обычно как иметь большое значение в проективной кибернетический «чёрный ящик», либо как диагностике заболеваний, косвенно предписанная ему аппроксимирующая определяемой по ряду обычно аналитическая структура, имеющая близкие регистрируемых параметров, содержащих вход-выходные характеристики в значительное количество знаний, не ограниченных сигнальных диапазонах извлекаемых известными методами из функционирования, либо вообще в точках.

прямых измерений и последующей В работе предлагается другой традиционной интерпретирующей альтернативный путь сборки обработки. Такие данные, как показано (конструирования) неаналитических было в серии наших работ [1-2], содержат систем [7] с использованием экспертных не только явную информацию об данных, полученных на натурном объекте отклонениях от принятой нормы, что само как начальных и эвристического собой также довольно проблематично продолжения их с получением как подвержено распознаванию ввиду численных, так и графически-образных большого динамического диапазона новых данных с предсказанием поведения индивидуальных вариаций нормы, подчас систем. Была построена активная 3Dсопоставимых с вариациями точечная модель аксона нейрона по патологических отклонений. Нами экспертным интегральным данным с проведено обоснование [3] возможности и 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» возможностью автоматического сокращения размерности задачи и варьирования параметров отдельных точек последующей «подгонки» выходных в пределах интегрального диапазона их параметров результата работы модели к изменения. Взаимодействия точечных существующему распределению полевых элементов организовано согласно КИСК- характеристик электромагнитного поля информационной технологии, вокруг объекта. Сокращение размерности разработанной авторами [7-9], основанной производят с помощью перебора наиболее на коллективно-индивидуальном существенных по влиянию на параметры моделировании социоподобных выходных сигналов точек, существенность взаимодействий и на основе простых которых определяется благодаря их правил взаимодействия позволяет пространственному положению, воспроизводить сложное коллективное параметрам и особенностям интерточечных поведение, не поддающееся описанию взаимодействий. Перебор производится по аналитическими зависимостями. принципу отсечения наименее влияющих Необходимости суперкомпьютерной точек и функционального «укрупнения» реализации удалось избежать благодаря наиболее влияющих.

Pages:     | 1 |   ...   | 19 | 20 || 22 | 23 |   ...   | 58 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.