GOS for Iphone / mobile / Информационные устройства роботов

Рассмотренные тактильные датчики измеряют силы, перпендикулярные к чувствительной поверхности датчика. Определение проскальзывания путем измерения тангенциального движения является другой важной задачей тактильного очувствления. Датчик для определения проскальзывания включает свободно вращающийся зубчатый шар, который отклоняет тонкий стержень, установленный на оси проводящего диска (рис. 23.4). Под диском равномерно расположены электрические контакты. Вращение шара, вызванное проскальзыванием по нему объекта, приводит к вибрации стержня и диска с частотой, пропорциональной скорости вращения шара. От направления вращения зависит, какой контакт будет задействован вибрирующим диском. Усредненное направление проскальзывания определяется по импульсам в соответствующих выходных электрических контурах.

Рисунок 23.4. Устройство для определения величины и направления проскальзывания

2. Системы технического зрения: структурная схема и принцип действия.

Алгоритмы фильтрации изображения.

Техническое зрение играет решающую роль в информационном обеспечении робота. Зрение робота можно определить как процесс выделения, идентификации и преобразования информации, полученной из трехмерных изображений. Этот процесс, называемый техническим или машинным зрением, делится на 6 основных этапов: 1) снятие информации; 2) предварительная обработка информации; 3) сегментация; 4) описание; 5) распознавание; 6) интерпретация.

Снятие информации – процесс получения визуального изображения.

Предварительная обработка информации заключается в использовании таких методов, как понижение шума или улучшение изображения отдельных деталей.

Сегментация – процесс выделения на изображении интересующих объектов. Описание – определение главных параметров (размер, форма).

Распознавание – процесс идентификации объектов (например, гаечного ключа, болта, шайбы и т.п.). Интерпретация – выявление принадлежности к группе распознаваемых объектов.

Выделяют три уровня технического зрения: низкий, средний, высокий.

Низкий уровень – процесс, являющийся простым с точки зрения осуществления автоматических действий, не трбующий наличия искусственного интеллекта. К низкому уровню технического зрения относится снятие и предварительная обработка информации. Этот уровень охватывает процессы, начиная непосредственно от формирования изображения и кончая процессами компенсации (уменьшение шума, выделение простейших параметров изображения, например, разрыва интенсивности).

Средний уровень содержит процессы выделения, идентификации и разметки элементов изображения, полученного на нижнем уровне. К ним относится сегментация, описание и распознавание отдельных объектов.

Высокий уровень содержит процессы, относящиеся к искусственному интеллекту. В то время, как алгоритмы, используемые на нижнем и среднем уровнях технического зрения, разработаны достаточно хорошо, знания о процессах высокого уровня еще недостаточны. Это приводит к введению ограничений и предположений для уменьшения сложности задач.

Техническое зрение отражает трехмерное пространство, используя его плоское изображение. Объемную информацию получают с помощью специальных методов: метода структурного освещения и метода стереоизображения.

СТЗ обладает достаточной универсальностью для решения спектра весьма сложных задач: таких как ориентирование в пространстве, обнаружение и распознавание статичных и подвижных объектов, оценка свойств среды, организация визуальной обратной связи, и др.

СТЗ создаются таким образом, чтобы решить конкретную прикладную задачу с максимально возможной общей эффективностью.

1.Восприятие изображения.

2.Предобработка

3.Сегментация

4.Фильтрация

5.Распознавание

СТЗ

Наиболее распространенные типы СТЗ

Сегментация изобр.- процесс разбиения изобр. На составные части, имеющие содержательный смысл: объекты, их границы, характерные геометрические особенности т.д.

Обработка изображений отвечает за преобразование (фильтрацию) изображений.

Алгоритмы фильтрации:

1.Линейные алг.- каждый пиксел обработанного изображения получается линейной комбинацией нескольких пикселов исходного изображения.

2.Ранговые алг.- сортировка в порядке возрастания значения яркости, яркость отфильтрованного пиксела получается на основе анализа этого упорядоченного списка.

3.Локально-адаптивные алгоритмы.

Общим недостатком многих фильтров явл. то, что структура обработки в них не зависит от свойств изображения. След-но возможно сглаживание полезных деталей, (границ, тонких линий и т.п.) Существуют методы адаптации к воздействию шумов различной природы (аддивных, импульсных, зависящих от сигнала).

4. Известны также алгоритмы экстремальной фильтрации, которые используют значения минимума и максимума в окрестности. Все эти алгоритмы можно рассматривать как частные случаи широкого класса ранговых алгоритмов.

Преимуществом ранговых алгоритмов является их отличие от методов линейной фильтрации, они лишены такого характерного недостатка как пространственная инерционность, которая заключается в том, что при использовании линейных фильтров влияние отдельных деталей изображения проявляется на результирующем изображении на расстоянии порядка размеров апертуры (маски) фильтра. Распознаванием называется процесс разметки, т.е. алгоритмы распознавания идентифицируют каждый объект сцены.

Алгоритм обработки видеоизображения

Захват одиночного кадра видеоизображения

Перевод 24-битного изображения в 8-битное черно-белое

Фильтрация от помех

Выделение контуров

Выделение характерных признаков оконтуренного объекта

Поиск в базе данных объектов по характерным признакам

Выдача результата поиска

Возврат

Алгоритм обработки видеоизображения

ВВОД ВИДЕОИЗОБРАЖЕНИЯ

Видеокамера – единственный информирующий элемент системы. Скорость захвата кадра видеоизображения должна быть достаточно высокой. Для среднестатистической системы нижний предел скорости составляет 12 кадров в секунду (стандартный сигнал PAL имеет скорость развертки 25 кадров в секунду).

Сглаживание шумов не должно исказить получаемые в информационной системе данные и не приводить к потере информации на изображении.

Максимальное сглаживание шумовой составляющей на изображении.

Простейшая идея удаления шума – усреднять значения пикселей в пространственной окрестности. Для каждого пикселя анализируются соседние для него пиксели, которые располагаются в некотором прямоугольном окне вокруг этого пикселя

начало

Цикл последовательного перебора всех пикселей изображения

Расчет средней яркости пикселей, окружающих текущий (апертура 3х3 с учетом четырехсвязности либо восьмисвязности)

Замена текущего пикселя вычисленным значением яркости

возврат

Рис. Ошибка! Текст указанного стиля в документе отсутствует..1 Алгоритм сглаживающего фильтра

Алгоритм функционирования простого медианного фильтра основан на нахождении медианы цифрового окна и замены конкретной точки в окне на медиану окна

начало

Цикл последовательного перебора всех пикселей изображения

Сортировка по возрастанию пикселей, окружающих текущий (апертура в форме окна 3х3 либо креста 5х5)

Замена текущего пикселя центральным из упорядоченной последовательности

возврат

Алгоритм медианной фильтрации изображений

Гауссовское размытие – это свертка изображения с функцией , где параметр s задает степень размытия, а параметр A обеспечивает нормировку. Фактически, это то же усреднение, только пиксель смешивается с окружающими по определенному закону, заданному функцией Гаусса.

Лекции Герасимова.

Системы технического зрения относятся к числу самых мощных средств повышения функциональной гибкости роботизированного производства. С помощью СТЗ робот способен получить наиболее полную информацию о форме и окраске объектов, их количестве, местоположении и других свойствах. Благодаря СТЗ роботы стали применяться в таких операциях, как контроль качества готовой продукции, учет и измерение.

Несмотря на продолжающийся рост количества разнообразных применений систем технического зрения, в основе функционирования каждой отдельной системы лежит относительно небольшой набор типичных средств и методов. В частности, в каждую систему неотъемлемой частью предварительной обработки изображения входит фильтрация.

Необходимость фильтрации вызвана не всегда удовлетворительным для обработки качеством изображения. Если на вход системы распознавания будет подано изображение, содержащее помехи (шумы), то распознавание может быть существенно затруднено, а при большом количестве помех невозможно.

За шум на изображении может приниматься его минимальный элемент (пиксел), цветовые характеристики которого значительно отличаются от характеристик соседних с ним элементов. Такие шумовые пикселы бывают единичными, но также могут объединяться в группы, образуя шумовые области в виде пятен, полос и т.д.

Под фильтрацией изображения понимают процесс вычисления цветовых характеристик пиксела или группы пикселов (области) согласно известному закону. После их нахождения цвета текущего пиксела заменяются на вновь вычисленные. Для более качественной фильтрации целесообразно перейти от цветного к полутоновому изображению.

Следует отметить, что реальные условия съемок не дают идеального качества получаемых изображений. Оно зависит от многих параметров, таких как: освещенность, состояние поверхности зоны съемок и самих объектов съемок, качества аппаратуры. Из практики известно, что изображения даже с цифровой аппаратуры требуют предварительной фильтрации.

Из-за разнообразия условий съемки, а следовательно, из-за большого различия в качестве получаемых изображений невозможно применять единый закон фильтрации для всех случаев. На практике для конкретного изображения применяют специально подобранный для его обработки фильтр или группу фильтров.

Усредняющие фильтры На практике большое значение получили усредняющие фильтры.

В простейшем варианте яркость каждого пиксела обрабатываемого изображения устанавливается равной среднему значению яркостей окружающих его пикселов. Такой подход приводит к размыванию контраста. Принцип действия одномерного усредняющего фильтра поясняется на рисунке 1.

Рис.1 На графике по горизонтали отложены координаты точек, а по вертикали –их яркости. В результате

получается профиль строки. На левом графике изображен профиль до фильтрации, на правом – после.Улучшенный вариант алгоритма усреднения заключается в том, что значение пиксела изменяется на среднее только при условии, что оно отличается от него более чем на величину порога Ψ. См. пример на рис.

2.

A1 A2 A3

A8 x A4

A7 A6 A5

Рис.2

, где i – количество пикселов в окне, яркости которых учитываются для определения яркости центрального

Если x 1 8 Ai , то

8 i 1

x 1 8 Ai 8 i 1

пиксела; А – яркость каждого пиксела, значение которой учитывается для определения яркости центрального пиксела; X – центральный пиксел окна.Как видно из формулы, для определения яркости элемента X используются значения яркостей 8 окружающих его элементов. Такой фильтр называется восьмисвязанным (см. рис 3).

Рис.3

Также может использоваться фильтр, значение яркости среднего элемента которого зависит от яркостей 4 окружающих его элементов. Этот фильтр носит название четырехсвязанного. На рис.4 изображен принцип четырехсвязанности.

Рис.4

Медианная фильтрация Подавление изолированных помех с минимальным размыванием контраста обеспечивается за счет

двухмерной медианной фильтрации. Это нелинейный метод обработки изображений, позволяющий убрать резкие выбросы.

Одномерный медианный фильтр представляет собой скользящую строку, охватывающуе нечетное число элементов изображения. Центральный элемент заменяется медианой всех элементов изображения в окне. Медианой последовательности a1, a2,…, aN для нечетного N является тот ее элемент, для которого существуют (N-1)/2 меньших или равных ему по величине и (N-1)/2 больших или равных. Например, если в окно размером 5 попали элементы 1,1,7,3,4, то центральный элемент (7) необходимо заменить на медиану 3. Принцип действия одномерного медианного фильтра поясняется на рис 5.

Рис.5

По горизонтали отложена координата точки, по вертикали – значение её яркости. Получается двумерный профиль. Для фильтруемой точки берутся значения ее соседей и заносятся в таблицу. Затем находят медиану. Значение яркости текущего пиксела меняется на значение медианы.

Таким образом, если в точке был выброс, то она не попадает в отфильтрованное изображение. Ступеньки же остаются без изменения. Если сравнить усреднение и медианную фильтрацию, то легко заметить различия в конечных результатах.

Двумерный медианный фильтр, который представляет собой окно, обладает большим размывающим действием, чем одномерный. Нежелательное размывание контраста можно частично преодолеть, подбирая форму окна.

Известно, что фильтр с квадратным окном приводит к разрушению углов изображения. Крестообразный фильтр не имеет таких негативных проявлений.

Нахождение признаков изображения объекта

Впредыдущих лабораторных работах Вы познакомились с такими предварительными этапами обработки изображения, как фильтрация и оконтуривание.

Вданной лабораторной работе переходим к одному из основных этапов обработки изображений – выделение характреристических признаков объекта.

За характеристические признаки объекта обычно принимают величины углов фигуры и длины их сторон (для многогранников) и значения радиуса для дуг окружностей.

Для деталей сложной формы, имеющих технологические отверстия, характерными признаками также являются расстояния от центра отверстий до некоторых углов детали.

Вообще, могут учитываться такие параметры объектов, как периметр и площадь.

Существуют несколько различных методов поиска характеристических признаков объекта. В данной работе в качестве признаков изображения объекта, заданного в форме многоугольника, используются его углы и стороны. Для поиска углов используется метод «пересекающихся прямых».

Воснову данного метода положен контроль изменения угла между двумя смежными линиями, движущимися по контуру фигуры. На рис.1 приведена иллюстрация этой идеи.

Рис.1

Две линии соединены между собой в центральной точке CenterPos и движутся по контуру фигуры, причем все три точки 1, CenterPos и 2 всегда лежат на контуре фигуры.

Отрезки должны двигаться по часовой стрелке по контуру. Поэтому возникла задача обеспечения движения всех трех точек 1, CenterPos и 2 одновременно в одну сторону. Это значит, что перед началом движения отрезков необходимо найти на контуре пикселы, смежные с точками 1, CenterPos и 2, движение по которым приведет к разнонаправленному перемещению линий (назовем их «запрещенными»), и запретить движение отрезков по ним. Этим самым обеспечивается однонаправленность движения отрезков. В процессе движения по контуру на каждом шаге ведется просчет угла А между двумя отрезками. При этом наблюдается закономерность: при приближении отрезков к углу фигуры угол между отрезками начинает уменьшаться, а после прохода угла фигуры – увеличивается. На прямых сторонах фигуры угол A остается относительно стабильным и приближается к 180 градусам.

Таким образом, по изменению угла А можно зафиксировать наличие угла на контуре. Угол будет зафиксирован, когда значение А будет иметь минимальное значение.

Угол A вычисляется по формуле:

где:

X1, Y1 – координаты конца отрезка 1 по осям x и y соответственно;

X 1C ( X 1 CenterPosX )2 ;

Y1C (Y1 CenterPosY )2 ; X 2C ( X 2 CenterPosX )2 ; Y 2C (Y 2 CenterPosY )2 ;

X 12 ( X 1 X 2)2 ;

Y12 (Y1 Y 2)2 ;

X2, Y2 – координаты конца отрезка 2 по осям x и y соответственно;

CenterPosX, CenterPosY – координаты точки CenterPos по осям x и y соответственно.

Необходимо отметить, что контуры объектов зачастую имеют неровный характер. Поэтому необходимо ввести порог изменения угла для предотвращения нахождения ложных углов контура объекта.

Если порог меньше определенного значения, то угол не фиксируется.

В данной работе осуществляется нахождение характеристических признаков типа «линия» и «угол» для многоугольников. Найденные значения признаков выводятся на экран.

3. Способы получения стереоскопического изображения.

При необходимости получения глубины изображения используют стереоизображение. Стереоизображение включает два отдельных вида изображаемого объекта (рис. 25.2), например пространственной точки w.

Рисунок 25.2. Схема получения стереоизображения

Расстояние между центрами двух линз называется базовой линией. Требуется определить координаты (X, Y, Z) точки w, заданной точками ее изображения x1 , y1 и x2 , y2 . Предполагается, что камеры

идентичны и системы координат обеих камер полностью совпадают, отличаясь только расположением их начал.

Допустим, что первая камера совмещена с декартовой системой координат(рис. 25.3).

Рисунок. Вид сверху на рис. 25.2 при совмещении первой камеры с декартовой системой координат

Тогда точка w лежит на линии с координатами:

где индексы у X и Z обозначают, что к началу декартовой системы координат передвинута первая камера, а вторая камера и точка w также переместятся в этой системе. При этом сохраняется относительное расположение элементов системы, показанное на рис. 25.1. Если вместо этого к началу декартовой системы координат передвинута вторая камера, то точка w лежит на линии с координатами:

Однако благодаря наличию расстояния между камерами и тому, что координаты Z точки w одинаковы в обеих системах координат камер, имеем:

где В –базовая линия.

Подставляя уравнения (25-3) и (25-4) в уравнения (25-1) и (25-2), получим: