Помощь в написании студенческих работ
Антистрессовый сервис

Многофункциональное оптико-электронное устройство распознавания дорожной информации

Диссертация: Многофункциональное оптико-электронное устройство распознавания дорожной информации
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях, семинарах, симпозиумах: Международных научных конференциях «Распознавание», Курск, 2007, 2008, 201 OrrВсероссийской научно-технической конференции «Интеллектуальные и информационные системы», Тула, 2007;:-2010; Всероссийской научно-технической… Читать ещё >

Многофункциональное оптико-электронное устройство распознавания дорожной информации (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ МЕТОДОВ И УСТРОЙСТВ РАСПОЗНАВАНИЯ ВИЗУАЛЬНОЙ ИНФОРМАЦИИ ПРИ ДВИЖЕНИИ ТРАНСПОРТНОГО СРЕДСТВА
  • 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ МНОГОФУНКЦИОНАЛЬНОГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ДОРОЖНОЙ ИНФОРМАЦИИ
    • 2. 1. Математическая модель ввода изображения
      • 2. 1. 1. Снижение уровня пространственных шумов
    • 2. 2. Математическая модель обнаружения объекта
      • 2. 2. 1. Выделение контуров объектов
      • 2. 2. 2. Повышение контраста изображений
    • 2. 3. Математическая модель обнаружения транспортных средств типа «общественный транспорт», «грузовой транспорт»
    • 2. 4. Математическая модель оценки скорости транспортного средства
    • 2. 5. Математическая модель обнаружения информационного табло и извлечения символьной информации
    • 2. 6. Математическая модель обнаружения и распознавания объектов типа «человек», «группа людей», «быстро идущий человек»
  • 3. АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЯ И СИНТЕЗ ОПТИКО-ЭЛЕКРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ДОРОЖНОЙ ИНФОРМАЦИИ
    • 3. 1. Метод извлечения символьной информации из информационных табло
    • 3. 2. Аппаратно-ориентированный алгоритм обнаружения людей и групп людей
    • 3. 3. Аппаратно-ориентированный алгоритм обнаружения транспортных средств типа «общественный транспорт» и «грузовой транспорт»
    • 3. 4. Считывание символьной информации с информационных табло
    • 3. 5. Настройка оптико-электронного устройства распознавания дорожной информации перед началом работы
    • 3. 6. Анализ параметров оптико-электронного устройства распознавания дорожной информации
    • 3. 7. Синтез структурно-функциональной организации оптико-электронного устройства распознавания дорожной информации
  • Выводы
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ МНОГОФУНКЦИОНАЛЬНОГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ДОРОЖНОЙ ИНФОРМАЦИИ
    • 4. 1. Аппаратно-программный стенд для проведения испытаний
    • 4. 2. Методика проведения испытаний оптико-электронного устройства распознавания дорожной информации

Актуальность темы

Рост интереса к использованию оптико-электронных устройств обработки и распознавания изображений, входящих в состав систем управления различного назначения, обусловлен рядом причин, к основным из которых относятся высокая информативность получаемой по изображению информации и доступность оптико-электронных устройств для массового потребителя. Не исключением являются системы управления транспортными средствами на основе информации о дорожной обстановке, получаемой посредством преобразования изображений от установленных на транспортном средстве оптико-электронных датчиков.

К настоящему времени разработан ряд методов обработки и распознавания изображений о дорожной обстановке, серийно производится значительное число бортовых автомобильных оптико-электронных устройств, обеспечивающих обнаружение препятствий на пути движения транспортного средства, предупреждение столкновений, предотвращение засыпания водителя.

Анализ показывает, что среди созданных подходов основное внимание уделено методам и устройствам предотвращения засыпания водителя и обнаружения препятствий. При этом недостаточное внимание уделяется созданию устройств анализа действий пешеходов, а также обнаружению потенциально опасных объектов: в частности, общественного транспорта на остановке, грузовых автомобилей.

Известно, что основными причинами дорожно-транспортных происшествий являются несоблюдение водителем скоростного режима, несвоевременное обнаружение предупреждающей информации, несоблюдение правил дорожного движения пешеходами, например, переход дороги в неположенном месте, выбегание из-за общественного транспорта.

Сокращение числа происшествий с участием пешеходов, возможно за счет создания устройств их своевременногообнаружения посредством преобразования визуальной информации.

Анализ известных методовиг средств распознавания* выявил недостаточную для практической реализации проработку оптико-электронных устройств, обеспечивающих своевременное распознавание символьной информации. В' частности, не решена задача распознавания информации на дорожном знаке в условиях сложного освещения, ограниченных вычислительных ресурсов вычислительного устройства. Анализ также показал, что методыи устройства обнаружения пешеходов около проезжей части отсутствуют, известны лишь устройства обнаружения человека непосредственно перед автомобилем.

Информатизация современного общества обуславливает наличие множества информационных табло. Водитель не всегда успевает получить информацию об указателях улиц, опасных участках трассы вследствие насыщенности информационных табло символьной информацией различного рода. В этой связи, целесообразным является автоматическое распознавание размещенной на табло символьной информации и отображение ее на бортовом дисплее или звуковым сообщением. При этом обработка информации в реальном времени' накладывает дополнительные требования на устройство распознавания информации о дорожной обстановке.

Таким образом, к настоящему времени объективно сложилось противоречие между необходимостью повышения безопасности дорожного движения и ограниченными возможностями методов и автоматических устройств соответствующего назначения.

В этой связи актуальной научно-технической задачей является разработка оптико-электронных устройств информирования, водителя транспортного средства о потенциально опасных объектах по направлению движения и обеспечивающих автоматическое считывание символьной информации, с информационных табло.

Диссертационная работа выполнена в рамках Федеральной * Целевой Программы «Научные и научно-педагогические кадры инновационной России» по проекту НК-425П-59 «Создание интеллектуальной оптико-электронной системы для очувствления и управления транспортным роботом» и госбюджетной НИР 1.1.05 «Исследование теоретических основ, методов и алгоритмов повышения качества обработки изображений в системе технического зрения» (№ гос. регистрации 1 200 508 819, 2005 г.) выполняемым в Юго-Западном государственном университете.

Целью работы является разработка метода, алгоритмов и многофункционального оптико-электронного устройства распознавания дорожной информации с повышенной дальностью, обеспечивающего своевременное информирование водителя о потенциально опасных объектах.

В соответствии с поставленной целью научно-техническая задача диссертационной работы декомпозирована на следующие основные задачи:

1. Анализ возможностей существующих методов и устройств предупреждения дорожных происшествий, изыскание путей и обоснование необходимости построения многофункционального оптико-электронного устройства распознавания дорожной ситуации, извлечения символьной информации из информационных табло и предотвращения происшествий с участием пешеходов.

2. Разработка математической модели многофункционального оптико-электронного устройства распознавания дорожной информации.

3. Разработка метода и аппаратно-ориентированных алгоритмов извлечения информации о дорожной обстановке.

4. Разработка структурно-функциональной организации многофункционального оптико-электронного устройства распознавания дорожной информации и проведение экспериментальных исследований.

Методы исследования. Для решения поставленных в, работе задач использовались методы распознавания образов, теория проектирования устройств ЭВМ, методы обработки и анализа растровых изображений, статистической обработки результатов измерений.

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1) Математическая модель обработки изображений в многофункциональном оптико-электронном устройстве, отличительной особенностью* которой является комплексный анализ дорожной обстановки и символьной информации в реальном масштабе времени в условиях ограничений на вычислительную мощность оптико-электронного устройства распознавания дорожной информации;

2) Метод извлечения символьной информации из изображений информационных табло, характеризующийся возможностью распознавания малоразмерных символов, включающий этапы обнаружения информационного табло, определения его типа, распознавания символьной информации, обеспечивающий большую дальность получения информации;

3) Аппаратно-ориентированные алгоритмы обнаружения транспортных средств типа «общественный транспорт», «грузовой транспорт» и людей, находящихся вблизи проезжей части, позволяющие своевременно оповестить водителя о необходимости повышения внимания;

4) Структурно-функциональная организация многофункционального оптико-электронного устройства распознавания дорожной информации, отличительная новизна которой заключается во введении модулей обнаружения людей, общественного транспорта, информационных табло, и связей между ними, позволяющая реализовать устройство с использованием программируемых логических интегральных схем, реконфигурируемых под решение задач повышения безопасности управления транспортным средством. '.

Объект исследований — средства автоматйзации управления наземным" транспортным средством.

Предмет исследований — процессы обработки изображений в вычислительном устройстве анализа внешней по отношению к транспортному средству визуальной обстановке.

Практическая ценность работы состоит в следующем:

— структурно-функциональная организация многофункционального ОЭУ РДИ обеспечивает возможность его реализации как в виде специализированного вычислительного устройства повышенной вибрационной стойкости и надежности, так и на базе мобильной ПЭВМ, что позволяет варьировать такими показателями как стоимость, надежность, функциональность—.

— разработанное аппаратно-программное обеспечение автоматического извлечения полезной для водителя информации о дорожной обстановке, позволяет своевременно информировать о потенциальных опасностях, регистрировать текстовую информацию с дорожных указателей и информационных табло;

— метод и алгоритмы извлечения текстовой и символьной информации из окружающей обстановки могут быть применены при построении систем управления роботизированными транспортными средствами.

Соответствие паспорту специальности. Содержание диссертации соответствует п. 1 «Разработка научных основ создания и исследования общих свойств и принципов функционирования элементов, схем и устройств вычислительной техники и систем управления» и п. 2 «Теоретический анализ и экспериментальное исследование функционирования элементов и устройств вычислительной техники и. систем управления в нормальных и специальных условиях, с целью улучшения технико-экономических и эксплуатационных характеристик» паспорта специальности 05.13.05 -Элементы и устройства вычислительной техники и систем управления.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях, семинарах, симпозиумах: Международных научных конференциях «Распознавание», Курск, 2007, 2008, 201 OrrВсероссийской научно-технической конференции «Интеллектуальные и информационные системы», Тула, 2007;:-2010; Всероссийской научно-технической конференции «Математические методы распознавания образов», Москва, 2008, 2010; Всероссийской научно-технической конференции «Телевидение-2011», Санкт-Петербург, 2011 г., на научно-технических семинарах кафедры «Вычислительная техника» Юго-западного государственного университета с 2005 по 2011гг.

Результаты работы внедрены во ФГУП «Курский НИИ» МО РФ, г. Курск (метод и устройство распознавания малоразмерных символов) и используютсяв учебном процессе Юго-западного государственного университета по учебной дисциплине «Структурно-топологическое проектирование ЭВМ» (принципы построения многофункциональных вычислительных устройств, аппаратно-ориентированные алгоритмы обработки изображений на современной элементной базе).

Публикации. Результаты проведенных исследований и разработок опубликованы в 8 печатных работах, в том числе 3 статьях в журналах, рекомендованных перечнем ВАК. Оригинальность технических решений защищена положительным решением о выдаче патента. Результаты апробированы на 9 российских и международных научно-технических конференциях.

В работах, опубликованных в соавторстве, лично соискателем разработаны: в [69, 72] - метод обнаружения потенциально опасного транспортного средствав [74, 75] - подходы к автоматизации своевременного обнаружения снижения внимания водителяв [84] -аппаратно-ориентированные алгоритмы обработки информации с учетом распределения загрузки и модульной архитектуры вычислительного средства оптико-электронного устройствав [103] - структурно-функциональная организация оптико-электронного устройства распознавания информации для систем управления транспортными средствами, метод анализа внешней по отношению к транспортному средству информации, в [8] - устройство обнаружения людей на пути движения.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 108 наименований, изложена на 121 странице и поясняется 48 рисунками и 5 таблицами.

ввода изображения.

OW-WM204.

USB.

Специальное программное обеспечение.

USB.

Системное программное обеспечение.

ПЭВМ «Dell XPS» обнаружителя людей.

ОЭДз АЦП ПЛИС.

Virtex2PRO.

5 В 5 В,.

БП 12 В ОЗУ.

Макет датчикаП.

Рис. 4.1 — Структурно-функциональная схема аппаратно-программного стенда для проведения исследований ОЭУ РДИ.

Исследование параметров ОЭУ РДИ проводилось в соответствии с разработанной методикой проведения экспериментальных испытаний. Согласно методике испытания проводились с использованием изображений, полученных при движении транспортного средства с установленными в нем оптико-электронными датчиками (рис. 4.2), и искусственно созданных изображений на имитационной программной модели синтеза динамической трехмерной рабочей сцены.

Для сравнительного анализа полученных в ходе испытаний характеристик выбраны ближайшие по назначению устройства повышения безопасности дорожного движения и автоматизации управления транспортным средством.

Рис. 4.2 — Размещение элементов аппаратно-программного стенда: а) размещение ОЭДь ОЭДг в ходе эксперимента, б) макет датчика-обнаружителя людей и ОЭДз.

В ходе проведения испытаний АПС функционирует следующим образом. Изображение рабочей сцены, сфокусированное объективами ОЭД, направляется на МПИ, который преобразует энергию излучения в видимом диапазоне длин волн в непрерывный сигнал, характеризующий изображение рабочей сцены. Устройства ввода изображения осуществляют ввод искаженного объективом ОЭД изображения, предварительно корректирует искажения изображения, вызванные случайными и систематическими погрешностями, и затем вводит исправленное изображение в ПЭВМ [106].

Для проведения испытаний ОЭУ разработан пакет специального программного обеспечения, содержащий программы, реализующие алгоритмы обработки изображений ОЭУ РДИ, и имитационную модель, обеспечивающую синтез трехмерной рабочей сцены. Имитационная модель создана для расширения диапазона исследуемых параметров, влияющих на точностные характеристики ОЭУ, которые не могут быть исследованы с использованием только аппаратных средств. Пакет специального программного обеспечения написан на языке «С» в среде «Visual С++ 2010» с использованием открытых библиотек создания трехмерной графики «Open Graphics Library» и анализа изображений «Open Computer Vision"[107].

4.2 Методика проведения испытаний оптико-электронного устройства распознавания дорожной информации.

При проведении испытаний определялись погрешности параметров ОЭУ РДИ и возможность выполнения заданных функций:

— проверка обнаружения объекта типа «грузовой транспорт» и «общественный транспорт»;

— проверка обнаружения людей;

— проверка считывания символьной информации с информационных табло;

— оценка погрешности измерения координат объектов [108]. Рассмотрим методику проведения испытаний ОЭУ РДИ.

Методика проведения испытаний ОЭУ РДИ.

1. Обнаружение объекта типа «грузовой транспорт» и «общественный транспорт».

1.1 На имитационной модели задавались следующие параметры рабочей сцены (рис. 4.3): единственная прямая дорога, скорость движения ОЭУ РДИ 40 км/ч, количество встречных объектов, движущихся на ОЭУ РДИ, — 2, скорости движения встречных объектов — 90 и 40 км/ч, начальные расстояния между ОЭУ РДИ и объектами — 200 м.

1.2 Определялись расстояния, на которых ОЭУ обнаруживал встречные объекты.

X ' к Грузовой.

Устз ^ - Грузовой / транспорт лС ОСТ" 1 транспорт СО-'.

0 г.

Рис. 4.3 Расположение объектов для проверки п. 2.1.

1.3 Обнаружение препятствия за пределами полосы движения.

1.3.1 На имитационной модели задавалибсь следующие параметры рабочей сцены (рис. 4.4): две прямые дороги, расположенные взаимно перпендикулярно, по одной из которых движется ОЭУ, а по другой два транспортных средства, один из которых столкнется с ОЭУ РДИ, скорости движения всех объектов — 50км/ч, начальные расстояния между ОЭУ РДИи встречными объектами до точки пересечения дорог — 200 м.

1.3.2 Определялось расстояние, на котором ОЭУ обнаруживался опасный объект.

1.3.3 Подтверждался факт несигнализвации о безопасном объекте.

Транспор на обочине.

Транспорт на обочине.

СР.

—Устз У 0 7.

Рис. 4.4 Расположение объектов для проверки п. 2.1.

2. Определение погрешности измерения координат объектов. 2.1 Выполнялся пункт 2.1.

2.2 При известных траекториях движения объектов по ходу движения ОЭУ РДИ рассчитывались средние погрешности определения координат в зависимости от дальности до объекта.

3. Проверка обнаружения людей.

3.1 Записывалась видеопоследовательность при движении транспортного средства с макетом датчика-обнаружителя людей.

3.2 Посредством определения расстояния дополнительными средствами (по карте участка улицы) определялось расстояние до человека или группы людей.

4. Проверка считывания символьной информации с информационных плакатов.

4.1 При движении транспортного средства проверялось определение.

Заключение

.

При решении, поставленной' в диссертационной работе задачи были получены следующие результаты.

1. Основываясь на анализе существующих методови устройств обработки и распознавания изображений вычислительными средствами систем управления транспортных объектов, разработана математическая модель оптико-электронного устройства распознавания дорожной информации, отличительной особенностью которой является комплексный анализ внешней по отношению к транспортному средству символьной и визуальной информации в реальном масштабе времени, позволившая синтезировать структурно-функциональную организацию оптико-электронного устройства распознавания дорожной информации и выполнить теоретический анализ процесса его функционирования.

2. Предложен метод извлечения символьной информации" о внешней обстановке из информационных плакатов, отличающийся использованием операций анализа малоразмерных символов и масштабирования изображения табло, обеспечивающий возможность распознавания символьной информации на большей в 2,1 раза дальности.

3. Создан аппаратно-ориентированный алгоритм обнаружения транспортных средств типа «общественный транспорт», «грузовой автомобиль», отличающийся снижением вычислительной сложности за счет исключения из обработки более 50% проекций эталонов при распознавании, позволяющий своевременно обнаруживать расположенный вблизи полосы движения грузовой и общественный транспорт.

4. Разработан аппаратно-ориентированный алгоритм обнаружения людей, близко расположенных к проезжей части, отличительной особенностью которого является большая в 3,1 раза дистанция обнаружения человека, позволяющий своевременно оповестить о необходимости снижения скорости.

5. Предложена структурно-функциональная организация многофункционального вычислительного устройства, отличающегося введением модулей обнаружения людей, общественного транспорта, информационных табло и связей между ними, обеспечивающая возможность реконфигурировать устройство под решение различных задач системы управления транспортным средством.

6. Сравнительный анализ разработанного многофункционального ОЭУ РДИ показал, что оно качественно отличается от аналогов возможностью обнаружения людей вблизи проезжей части, своевременным предупреждением водителя о потенциально опасном объекте, считыванием текстовой информации с плакатов и указателейколичественноувеличением дальности обнаружения человека в 3.1 раза, расстояния распознавания символьной информации в 2,1 раза.

Показать весь текст

Список литературы

  1. Goerick, С. Artificial Neural Networks in Real-Time Car Detection and Tracking Applications Text. / C. Goerick, D. Noll, M. Werner // Pattern Recognition Letters. 17:4. 1996. P. 335−343.
  2. , П.Г. Системы машинного видения с интеллектуальными видеодатчиками / Катыс П. Г., Катыс Г. П // Информационные технологии: -2001 -№ 10.-С. 28−33.
  3. , М. С. Visual recognition of objects for manipulating by calibration-free robots /Nquyen M., Graefe V. // Proc. SPIE. 2000. — vol. 3966. P. 290—298.
  4. Meitzler, T.J. Predicting the probability of target detection in static infrared and visual scenes using the fuzzy logic approach. / Meitzler, T.J., Singh H., Arefeh L., Sohn E., Gerhart G.R. // Opt. Eng. 1998. — vol. 37. — no. 1. — PP. 10−17.
  5. , С. «А Trainable Object Detection System: Car Detection in Static Images» MIT AI Memo No. 180. October, 1999.
  6. Intelligent Cruise Control Электронный ресурс./ http://techon.nikkeibp.co.jp/english/NEWS EN/20 071 214/144251.
  7. Volvo XC60 Электронный ресурс./ http://www.xc60.org/
  8. Обнаружение пешеходов Электронный pecvpc./http://www.volvocars.com/by/top/about/news-events/pages/default.aspx?itemid= 15.
  9. Пат. № 7 436 430 США, H04N 7/18. Obstacle detection apparatus and method / Takeda, Nobuyuki, Hattori, Hiroshi. 10/923,048- заявл. 23.08.04- опубл. 14.10.08. — 13c.
  10. Пат. 7 410 266 США, G02B 5/08. Three-dimensional imaging system for robot vision / Seo, Cheong S., Baek, Sang H. 11/319,987- заявл. 28.10.0- опубл. 12.08.08. — 11c.
  11. Пат. 7 400 266 США, G08G 1/16. Method for improving vision in a motor vehicle / Haug, Karsten 10/572,542- заявл. 31.03.05- опубл. 15.07.08.1. Юс.
  12. Пат. № 7 389 171 США, В60К 31/00. Single vision sensor object detection system I Rupp, Jeffrey. 10/572,542- заявл. 22.12.03- опубл. 17.07.08. — 11c.
  13. , В.И. Системы технического зрения: Справочник Текст./ В. И. Сырямкин, B.C. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, B.C. Титова. Томск: МГП «РАСКО». — 1993. — 367 с.
  14. Пат. № 2 299 521 РФ, МКИ H04N3/14. Однокристальный адаптивный видеодатчик / В. С. Яковлева, М. И. Труфанов, B.C. Титов. № 2 005 132 710/09- заявлено 24.10.2005- опубл. 20.05.2007, Бюл. № 14.- 8с.
  15. Пат. 7 386 163 США, G06K 9/00. Obstacle recognition apparatus and method, obstacle recognition program, and mobile robot apparatus / Sabe, Kohtaro, Kawamoto, Kenta, Ohashi S. 10/387,647- заявл. 13.03.03- опубл. 10.06.08.29c.
  16. Пат. 7 372 055 США, A61N 5/06. Night vision infrared illuminator / Harter Jr., Joseph E., Gregory K. l 1/171,069- заявл. 30.06.05- опубл. 13.05.08. 5c.
  17. Пат. 7 358 496 США, H01L 25/00. Infrared night vision system, in colour /Fleury В., Hidden P. 10/888,812- заявл. 9.07.04- опубл. 15.04.08. — 7c.
  18. Пат. 7 312 723 США, G08G 1/017 Automobile infrared night vision device Eggers- Helmuth, Kurz- Gerhard, Seekircher 10/493,530- заявл. 7.08.03- опубл. 25.12.07. — 6c.
  19. Пат. 7 306 331 США, G02C 7/16 .Vision protection device for night driving / Tigert- Alan Tigert 11/244,922- заявл. 6.10.05- опубл. 11.12.07. — 5c.
  20. Пат. США 7 366 325, G06K 9/00 Moving object detection using low illumination depth capable computer vision / Fujimura- Kikuo, Liu 11/244,922- заявл. 6.10.05- опубл. 11.12.07. — 5c.
  21. Z. Gigus, J. Efficiently Computing and Representing Aspect Graphs of Polyhedral Objects/ Z. Gigus, J. Canny, R. Seidel. // PAMI 13:6. pp. 542−551. June 1991.
  22. Пат. 7 344 261 США, G02B 5/08. Vehicular vision system / Schofield Kenneth, Larson, MarkL. 11/246,593- заявл. 6.10.05- опубл. 18.03.08. — 40c.
  23. Пат. 2 157 769 РФ, B60Q9/00, B62D41/00. Устройство для оповещения об аварийной ситуации на дороге / Богатырев П.И.- Герцеков М. М. -98 113 381/28, заявл. 6.07.08- опубл. 20.10.00. Юс.
  24. Пат. 2 116 208 РФ, B60Q9/00. Устройство для контроля соблюдения водителем правил дорожного движения / Сташевский И. И. 96 118 469/28, заявл. 17.09.96- опубл. 27.07.98. — 22с.
  25. Пат. 2 050 561 РФ, GO IS 17/93. Способ предотвращения столкновений автомобиля и устройство для его осуществления / Турченев Б. П. -5 044 239/09, заявл. 26.05.92- опубл. 20.12.95. 22с.
  26. Crash Avoidance Robotic Car Inspired by Flight of the Bumblebee Электронный. ресурс. / http://www.nissan-global.com/ EN/NEWS/2008/STORY/80 926−01-e.html.
  27. Новые технологии в автомобильной сфере http://avtomaniva.com/site/publication-full/717 Электронный ресурс.
  28. Система обнаружения пешеходов / http://avtomaniya.com/site/publication-full/295 Электронный ресурс.
  29. Traffic Light Detection Using Rotated Principal Component Analysis for Video-Based Car Navigation System Электронный ресурс. http://www.istage.ist.go.jp/article/transinf7E9LD/12/E91 .D 2884/ article
  30. Пат. РФ 2 409 854 Оценка трехмерной топологии дороги на основе видеопоследовательностей посредством отслеживания пешеходов / БовыринА.В., Родющкин К. В //2 007 142 371/08, 18.04.2005,20.01.2011.
  31. Пат. США 7 425 076 Vision system for a vehicle Schofield- Kenneth (Holland, MI), Larson- Mark L, 16.07.2008
  32. Lilas, T. An active 3D robot vision system for robotic welding applications Text. / T. Lilas, S. Kollias // Machine Graphics and Vision. -2000. -Vol. 9, №. 4. P. 743 — 762.
  33. Пат. США № 7 860 313 Methods and apparatuses for extending dynamic handwriting recognition to recognize static handwritten and machine generated text / Walch- Mark A, 10.12.2010.
  34. Пат. США 7 792 363 Use of level detection while capturing and presenting text with optical character recognition Foss- Benjamin Perkins, 7.09.2010.
  35. Пат. 4 435 837 США, МКИ G 06 К 9/32. Pattern recognition and orientation system Text. / H. Frederick. № 240 878- заявлено 5.03.81- опубл.6.03.84. — 5c., Бюл. № 9.
  36. Пат. США 7 769 235 Text recognition method using a trainable classifier Anisimovich- Konstantin 3.08.2010.
  37. Stapor K. A vectorized thinning algorithm for handwrittin symbols recognition//Machine Graphics&Vision. 1999. Vol. 8, №. 3. P. 341−352.
  38. Пат. США 7 865 355 Fast text character set recognition Xu- Ming, 4.01.2011.
  39. S. Satoh, J. Kuroiwa, H. Aso and S. Miyake, «Pattern Recognition System with Top-Down Process of Mental Rotation,» Proc. of IWANN'99, 1, pp. 816−825, 1999.
  40. Методы компьютерной обработки изображений Текст. / Под ред. В. А. Сойфера. М.: Физматлит. — 2001. — 784 с.
  41. , В.И. Системы технического зрения: Справочник Текст./ В. И. Сырямкин, B.C. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, B.C. Титова. Томск: МГП «РАСКО». — 1993. — 367 с.
  42. Janesick, J. CCD charge collection efficiency and the photon transfer technique Text. / Janesick J., Klaasen K., Elliott T. // Proc. SPIE. 1985. — Vol. 570.-P. 7−19.
  43. Zhuang, X. Two-view motion analysis: a unified algorithm Text. / X. Zhuang, R. Haralick, T. Huang // Opt. Soc. Am. 1986. — Vol. 3, № 9. — P. 1492 -1450.
  44. Пат. № 2 351 983РФ, МКИ G06K9/32. Устройство ввода изображения в ЭВМ и коррекции дисторсии Текст. / Д. В. Титов, М. И. Труфанов. -№ 2 007 140 622 заявл. 1.11.2007- опубл. 10.04.09, Бюл. № 10. 8 с.
  45. S. J. Wan, S. К. М. Wong. «A Measure for Concept Dissimilarity and Its Applications in Machine Learning.» Proceedings of the International Conference on Computing and Information. P. 267−273.
  46. Е.П., Аверин С. И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. 320 с.
  47. The calibration method for stereoscopic vision system text. / V. Titov, S. Degtiarev, M. Truphanov // Machine graphics and vision. Poland, Vol. 17, No. 4,2008.-PP. 373 -387.
  48. , B.C. Предварительная обработка изображений в системах распознавания Текст. / B.C. Титов, М. И. Труфанов // Вестник ТулГУ. Серия Радиотехника и радиоэлектроника. Т. IX. Тула: Изд-во ТулГУ, 2007. — С. 175 181.
  49. Т. D. Rikert, М. J. Jones, P. Viola. «A Cluster-Based Model for Object Detection.» ICCV 1999. pp. 1046 1053.
  50. Penna, М. Determing camera parameters from the perspective projection of a quadrilaterial Text. / M. Penna // Pattern Recognition. 1991. -Vol. 24, № 6. -P. 533 — 541.
  51. Haralick, R. Pose estimation from corresponding point data Text. / R. Haralick, H. Joo, C. Lee, X. Zhuang, V. Vaidya, M. Kim. // IEEE computer society workshop on computer vision, Miami Beach. 1987. — P. 258 — 263.
  52. , B.C. Математическая модель распознавания многоконтурных объектов на основе нечеткой логики Текст. / B.C. Титов, М. И. Труфанов // Вестник ТулГУ. Серия Радиотехника и радиоэлектроника. Т. IX. Тула: Изд-во ТулГУ, 2007.-С. 133- 138.
  53. , Л. Компьютерное зрение Текст. / Л. Шапиро, Дж. Стокман- Пер. с англ. М.: Бином. Лаборатория знаний, 2006. — 752 с.
  54. Marr, D. Theory of edge detection Text./ D. Marr, E. Hiloreth. // in Proc. Royal Sosiety of London. 1980. — Vol. 207. — P. 187 — 217.
  55. A.E. Быстродействующее устройство ввода и предварительной обработки изображений в системе распознавания видеоинформации. Дисс на соияскание ученой степени к.т.н., Курск., курск гос. техн. ун-тет 2002 г.
  56. Gridin, V. Vision system for image recognition based on three-dimensional vector patterns- text. / V. Gridin, V. Titov, M. Truphanov, S. Korostelev // Machine graphics and vision. Poland, Vol. 18, No. 2,2009. PP. 175 — 186.
  57. , B.C. Оптико-электронные системы распознавания и анализа трехмерных динамических объектов Текст.: Монография / B.C. Титов, С. С. Тевс, М. И. Труфанов. Курск: Курск, гос. тех. ун-т., 2008. — 142 е.: ил.
  58. , С. В. Классификация движущихся объектов на основе сравнения с 3D эталоном / В. В. Вакун, С. В. Прилуцкий // Медико-экологические информационные технологии 2011: сборник материалов XII НТК, Курск, гос. техн. ун-т. Курск, 2011. — С. 235 — 236.
  59. , С.И. Метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализации Текст. / С. И. Коростелев, B.C. Титов, B.C. Панищев [и др.] // Телекоммуникации. 2007. № 9. С. 10−14.
  60. Murase, Hiroshi, and Shree К. Nayar, «Visual learning and recognition of 3-D objects from appearance,» International Journal of Computer Vision, 14, 1 (1995), pp. 5−24.
  61. P. A. Viola. «Complex Feature Recognition: A Bayesian Approach for Learning to Recognize Objects.» AI Memo No. 1591. November, 1996.
  62. , C.B. Способ обнаружения препятствий перед транспортным средством с использованием бинокулярной системы технического зрения / М. И. Труфанов, С. В. Прилуцкий // Изв. Вузов. Приборостроение. 2010.9. С. 33- 37.
  63. , С.В. Аособ предупреждения засыпания водителя транспортного средства Текст. / С. В. Прилуцкий и др. // Биомедицинская радиоэлектроника. 2010. — № 2. — С. 76- 80.
  64. Lowe, David G., «Three-dimensional object recognition from single two-dimensional images,» Artificial Intelligence, 31, 3 (1987), pp. 355−395.
  65. Penna, M. Determing camera parameters from the perspective projection of a quadrilaterial Text. / M. Penna // Pattern Recognition. 1991. -Vol. 24, № 6.1. P. 533−541.
  66. William М. Wells III. «Statistical Approaches to Feature-Based Object Recognition.» International Journal of Computer Vision. 21(½), pp. 63−98, 1997.
  67. , C.B. Метод распознавания символьной информации автомобильного бортового компьютера / C.B. Дегтярев, М. И. Труфанов, С. И. Коростелев, A.B. Медведев // Датчики и системы. № 5. 2008. С. 5−8:
  68. Baraldi A. et al. Contextual’clustering for image segmentation // Opt: Eng. -2000. vol.39: N 4. P. 907−923.
  69. A.E. Быстрая сегментация текстовых* строк при распознавании изображений // Распознавание-99: Сб. материалов 4 Международной конференции. Курск, 1999. — С. 58−60.
  70. А.Е. Система технического зрения для распознавания текста (символов) // Распознавание оптических изображений. / Под общей ред. Ю. С. Сагдулаева, B.C. Титова. Ташкент: ТЭИС, 2000. — 313 с.
  71. Chen, S.Y. Robot location using surface patches of curved objects Text. / S.Y. Chen, W.H. Tsai // International Journal of Robotics and Automation. 1989. -Vol. 4, № 3. — P. 123 -133.
  72. , A.C. Модульная встраиваемая интеллектуальная оптико-электронная система видеонаблюдения / А. С. Сизов, Д. В. Титов, М. И. Труфанов // Изв. Вузов. Приборостроение. 2010. № 9. С. 52- 57.
  73. Fung, G. Camera calibration from road lane markings Text. / G. Fung, N. Yung, G. Pang // Optical Engineering. 2003. — Vol. 42, №. 10. — P. 2967−2977.
  74. Titov, V. The calibration method for stereoscopic vision system-text. / V. Titov, S. Degtiarev, M. Truphanov // Machine graphics and vision. Poland, Vol. 17, No. 4, 2008.-PP. 373 -387.
  75. Heikkila, J. Calibration procedure for short focal length off-the-shelf CCD cameras Text. / J. Heikkila, O. Silven // Proc. 13th International Conference on Pattern Recognition, Vienna, Austria. 1996. — P. 166−170.
  76. Пат. № 2 351 983РФ, МКИ G06K9/32. Устройство ввода изображения в ЭВМ и коррекции дисторсии Текст. / Д. В. Титов, М. И. Труфанов. -№ 2 007 140 622 заявл. 1.11.2007- опубл. 10.04.09, Бюл. № 10. 8 с.
  77. Zhang, Z. A robust technique for matching two uncalibrated images through* the recovery of the unknown epipolar geometry / Zhang, Z., R. Deriche, O. Faugeras, Q.T. Luong //Artificial Intelligence, 78, 1995, pp. 87−119.
  78. Izaguirre, A. A new development in camera calibration calibrating a pair of mobile cameras Text. / A. Izaguirre, P. Pu, J. Summers // IEEE int. conf. rob. and autom., St. Louis. 1985. — P. 74 — 79.
  79. J. Shi and C. Tomasi. «Good Features to Track.» CVPR '94. pp. 593−600. June, 1994.
  80. , В.И. Системы технического зрения: Справочник Текст./ В. И. Сырямкин, B.C. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, B.C. Титова. Томск: МГП «РАСКО». — 1993. — 367 с.
  81. Treisman, Anne М., and Nancy G. Kanwisher, «Perceiving visually presented objects: recognition, awareness, and modularity,» CurrentOpinion in Neurobiology, 8, 1998, pp. 218−226.
  82. David, I. Visual recognition based on temporal cortex cells: viewer-centered processing of pattern configuration / David I., W. Oram. // Zeitschrift fur Naturforschung C, 1998, pp. 518−541.
  83. , B.C. Аппаратно-ориентированные алгоритмы и устройства обработки изображений на ПЛИС для распознающих систем технического зрения / Титов В. С., М. И. Труфанов // Датчики и системы. № 8.2009. С. 72−75.
  84. Farroha В. S., Deshmukh R. G. A novel high-speed architecture for machine vision application//Proc. SPIE. 1996. — vol. 2908, P. 43−49.
  85. , C.B. Оптико-электронный дачтик-обнаружитель людей на пути движения транспортного средства /С.В. Прилуцкий, М.И. Труфанов// Положительное решение от 4.05.2011 о выдаче патента по заявке № 2 011 111 473.
  86. Goulermas J. J. et al. Real-time intelligent vision systems for process control // Proc. 4th Ichem. E. Conf. Advances in process control. 1995. — Sep. 27,28. P. 69−76.
  87. Точность (правильность и прецизионность) методов и результатов измерений Текст.: ГОСТ Р ИСО 5725−1-2002. Введ. 2002−11−01.- М.: Изд-во стандартов, 2002. — 31 с.
Заполнить форму текущей работой

Сессия? Спокойно!