ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 28.07.2024
Просмотров: 63
Скачиваний: 0
Содержание.
Введение ……………………………………………………………………………2
Классификация корреляционных систем технического зрения ………….….. 3
Виды корреляционных алгоритмов систем технического зрения ……………….4
Типовые узлы корреляционных систем технического зрения ……………….7
Метрология корреляционных систем технического зрения ………………11
Погрешности корреляционных систем технического зрения. Классификация погрешностей ……………………………………………………………………..15
Вывод ………………………………………………………………………………18
Список использованной литературы …………………………………………….19
Введение.
Корреляционные СТЗ используют корреляционно-экстремальный метод обработки зрительной информации и по сути представляют собой разновидность корреляционно-экстремальных систем (КЭС). Известно, что работа КЭС базируется на распознавании объекта и определении его характеристик путем обработки информации, представленной в виде реализаций случайных функций (полей).
Термин КЭС объясняется тем, что по принципу действия большинство известных КЭС представляют собой системы экстремального управления, в которых для построения экстремальной зависимости используется свойство корреляционной функции одного или нескольких аргументов достигать наибольшего значения при нулевом значении аргументов. В функциональной схеме каждой КЭС присутствует три основных блока: моделей, генерирующих эталонную информацию; вычисления функционала сравнения, в частности, взаимно-корреляционной функции (ВКФ) эталонной и текущей информации от датчиков и блок определения экстремума этого функционала.
Общие принципы построения КЭС могут быть применены для обработки данных от датчиков текущей информации любой физической природы. Данные принципы построения КЭС положены в основу оптимальной обработки информации от датчиков внешней визуальной информации промышленных роботов (ПР). Система, реализующая эту обработку, располагается на верхнем уровне иерархической системы управления адаптивного робота и называется корреляционной СТЗ (КСТЗ). В КСТЗ в качестве эталонной информации используется эталонное изображение (ЭИ) детали либо рабочего инструмента в требуемом (программном) положении, текущая информация представляется в виде текущего изображения (ТИ) той же детали или рабочего инструмента в текущем, действительном положении.
Таким образом, ЭИ является моделью внешней среды, отражающей с точность до параметров ее состояние, а ТИ отражает фактическое состояние внешней среды. С помощью аналоговых либо цифровых вычислительных устройств определяются линейные и угловые рассогласования изображений ЭИ и ТИ, а затем управляющие воздействия, пропорциональные этим рассогласованиям, поступают на соответствующие приводы манипулятора ПР.
В КСТЗ осуществляется анализ ВКФ ТИ и ЭИ и определяются координаты главного максимума ВКФ, являющиеся оценками линейных и углового рассогласований ТИ и ЭИ. Поиск координат главного максимума ВКФ осуществляется с помощью алгоритмов адаптации.
Классификация корреляционных систем технического зрения
При исследовании КСТЗ обычно используются следующие признаки классификации; вид рабочей информации, объем начальной (априорной) информации, способ хранения и обработки ее методом определения отклонения от экстремума.
По виду рабочей информации, воспринимаемой датчиками, КСТЗ делятся на четыре класса: системы, в которых информация снимается в точке (KCT3I), с отрезка линии (KCT3II), с участка площади (KCT3III), с части объема (KCT3IV).
Рабочая информация в KCT3I представляет собой скалярную величину, а в системах второго, третьего и четвертого классов - вектор. КСТЗII, КСТЗIII, KCT3IV по назначению вплотную примыкают к системам распознавания образов и совмещения изображений.
Кроме указанных четырех классов систем существуют и промежуточные виды, представляющие собой комбинации упомянутых систем. К классу KCT3IV относятся системы, использующие методы голографии. По объему начальной информации КСТЗ делятся на два подкласса - системы "без памяти" и системы с памятью; в КСТЗ "без памяти" информация извлекается сопоставлением сигналов (реализацией), один из которых задержан во времени, в КСТЗ с памятью привлекается априорная информация об используемом случайном процессе (например, фотоизображение местности или участка сцены).
В зависимости от способа хранения и обработки рабочей информации подклассы КСТЗ подразделяются на аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Итак, на основе результатов исследований, предложим структурную схему КСТЗ, способную реализовать различные алгоритмы управления роботом.
Задачей КСТЗ является определение типа и положения объекта манипулирования на основе вычисления оценки. Таким образом, проблема создания КСТЗ содержит в себе решение вопросов, связанных с разработкой алгоритмического и программного обеспечения, методов расчета и автоматизации проектирования, технической реализации и согласования с существующими системами управления роботами.
Виды корреляционных алгоритмов систем технического зрения.
Из результатов исследований следует, что в обобщенной форме процесс технического зрения содержит следующие основные этапы: формирование, сегментацию, описание, анализ изображения с распознаванием образов и интерпретацией сцен.
Удельный вес каждого из этапов неодинаков в конкретных разработках СТЗ, и они, в свою очередь, разбиваются на различные подэтапы. В действующих образцах КСТЗ отдельные подэтапы стадии обработки видеоинформации могут совмещаться или вообще отсутствовать.
Первый этап обработки зрительной информации – формирование текущего изображения – включает в себя автоматическую настройку (выбор поля зрения, фокусировка, установка диапазона (дальности) действия), ввод ТИ (запись изображения в накопитель ТИ) и предварительная обработка ТИ (нелинейное масштабирование).
На втором этапе обработки зрительной информации реализуются алгоритмы сегментации и кодирования ТИ.
Третий этап обработки зрительной информации – формирование и анализ корреляционных функций, обеспечивается любым из корреляционных алгоритмов (КА).
Наиболее прост классический КА, проводящий вычисления ВКФ или интеграла типа свертки с последующим поиском максимума этого функционала. В классическом варианте КА требует значительных вычислительных мощностей для осуществления операций умножения и интегрирования при всех сдвигах, разворотах ТИ и ЭИ. Модифицированный КА осуществляет фильтрацию несовпадающих частей (помех) ТИ, ЭИ, ВКФ в предположении о верности аддитивной модели смысл полезного сигнала и шума на ТИ. Разностный КАЮ, основанный на поэлементном вычислении разностей интенсивности ТИ, по объему вычислении имеет преимущество перед классическим КА из-за отсутствия необходимости проводить операцию умножения.
Разновидностью разностного КА является алгоритм последовательного определения сходства изображения, уменьшающий объем вычислений по сравнению с обычным разностным КА в 10 – 50 раза счет проведения точных вычислений только окрестности максимума корреляционной функции.
Корреляционный алгоритм, основанный на обработке с помощью парных функций, осуществляет последовательное поэлементное сравнение ТИ и ЭИ, представленных в цифровой форме. Если каждый из элементов ТИ и ЭИ, имеют уровни квантования соответственно, то парная функция увеличивается на единицу. Здесь – число уровней квантования. Следовательно, функция при равна количеству элементов, уровни интенсивности которых совпадают, а при – количеству элементов, интенсивности которых не совпадают.
Если ТИ и ЭИ размера, идентичны, то корреляционный алгоритм, использующий неизменные инвариантные признаки, основан на применении теории алгебраических инвариантов (инвариантных моментов), не изменяющихся при определенных преобразованиях координат.
Корреляционный алгоритм с амплитудным ранжированием представляет собой семейство корреляционных алгоритмов: двоичных, троичных и более высокого уровня ранжирования.
Троичный алгоритм и алгоритм более высоких уровней получаются путем незначительных изменений двоичного алгоритме, который представляет двухэтапную процедуру. На первом этапе меньшее изображение кодируется е бинарные корреляционные матрицы. Предполагается, что ТИ значительно меньше ЭИ (или наоборот, ЭИ меньше ТИ). На втором этапе эти бинарные матрицы последовательно коррелируются с уменьшением подмножества матрицы, имеющей большие размеры.
Корреляционный алгоритм с использованием градиентных векторов инвариантен к вращению ТИ относительно ЭИ в значительном диапазоне углов их рассогласования. Вначале по данному алгоритму вычисляются градиенты серого уровня (значения видеосигнала) ТИ и ЭИ. Затем из градиентных векторов, попадающих в дискретные интервалы углов, для ТИ и ЭИ формируется гистограмма сумм этих векторов. Эти функции обрабатываются с помощью классического либо фазового КА. Особенность рассматриваемого алгоритма заключается в том, что если ТИ (или ЭИ) повернется на определенный угол, то градиентный вектор, вычисленный для соответствующих элементов ТИ и ЭИ, также окажется повернутым на тот же угол.
Суть двухуровневых КА разъясним на примере двух наиболее совершенных алгоритмов этого типа. В начале работы первого алгоритма производится корреляционная обработка ТИ и части ЭИ с наиболее информативными признаками (характерным сюжетом). Данная обработка осуществляется при всех возможных сдвигах ТИ относительно ЭИ. Затем используется полное ЭИ, но сравнение выполняется только для участков изображения с наибольшей корреляцией, которые были выбраны на первом этапе.
Во втором двухуровневом КА уже на первом этапе используется полное ЭИ с пониженным разрешением, которое получается с помощью замены каждых m элементов разрешения исходного изображения так называемым усредненным, блоком, интенсивность которого равна средней интенсивности т элементов. Второй этап этого алгоритма не отличается от соответствующего этапа первого двухуровневого КА.