Файл: Системы очувствления и адаптивные промышленные роботы..pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.02.2024

Просмотров: 298

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Полное совпадение объекта с эталоном в пространстве выбранных признаков, как правило, не достигается, поэтому задается допусти­ мое различие между эталоном и изображением, в пределах этого различия и проверяется их совпадение.

Если обозначить исходное изображение объекта F (i, /), эталон Е (/, i)y а вычисленное различие Т, то процедуру сравнения можно формально записать как

7, = S S [ ^ ( / ,

j ) I2;

i

1

(4.16)

T = T , I , \ F ( i ,

j) — E (/, /)|.

i

J

 

Здесь индексы i и / характеризуют положение элементов в дискрет­

ном

цифровом

изображении.

 

по правилу

Совпадение

эталона

с объектом проверяется

 

 

 

 

 

D ^ T

,

(4.17)

где

D — заданное

пороговое различие.

 

Если

условие

(4.17)

не выполняется, то необходимо заменить

эталон

или перейти к

другому

изображению.

 

Покажем особенности метода сравнения с эталонами при ис­ пользовании некоторых систем признаков. Если в качестве призна­ ков выбраны площадь и периметр изображения, размеры вписанных и описанных фигур, момент инерции и подобные геометрические свойства, то следует учесть масштабирование и на этапе предвари­ тельной обработки нормировать изображения по какому-либо пара­ метру. Например, площадь описанного прямоугольника или окруж­ ности нормируется квадратом периметра изображения, а периметр — значением корня квадратного из площади изображения.

Важным методом идентификации

изображений по

геометриче­

ским или другим признакам служит

метод построения

графов ре­

шений. Его успешно применяют в тех случаях, когда

в заданном

классе изображений имеются объекты, которые невозможно разли­ чить по одному признаку изображения, и для правильного распо­ знавания необходимо использовать несколько признаков. От метода сравнения изображения и эталона по векторам признаков метод графов отличается тем, что в нем на каждом этапе сравнения про­ исходит отбор возможных решений. Таким образом, число возможных решений задачи распознавания уменьшается на каждом этапе срав­ нения.

Граф

(или дерево)

распознавания

по

геометрическим признакам

представлен на рис.

4.6.

Цифрами

/,

//,

..., X обозначены

воз­

можные

решения — номера

распознаваемых

объектов.

Буквы

А ,

В, ..., Q

в вершинах

графа обозначают операторы,

выделяющие

определенные признаки изображения. Например, оператор А про­ водит классификацию изображения по длине и высоте описанного

прямоугольника, операторы В

и С — по площади,

D E F G

могут

быть операторами, проводящими классификацию по

числу

углов,

Н и Q — по отстоянию углов

друг от друга. Граф

может

иметь

112


 

Рис.

‘1.(>. Дерево распознавания

 

 

 

 

 

 

 

больше

или

меньше уровней,

 

и

со­

 

 

 

 

 

держание

операторов

может

быть

 

 

 

 

 

различным.

 

 

 

сравнения

 

 

 

 

 

Модификацией метода

 

 

 

 

 

с эталоном

является

корреляцион­

 

 

 

 

 

ный

метод,

основанный

на

 

вычи­

 

 

 

 

 

слении

взаимокорреляционной функ­

 

 

 

 

 

ции между эталоном и изображе­

 

 

 

 

 

нием.

 

Классификация

изображений

 

 

 

 

 

проводится по результату: чем боль­

1

V ш

w i

n

 

ше

значение

функции

взаимной

 

 

 

 

 

корреляции, тем с большей вероят­

 

 

 

 

 

ностью

 

эталон

совпадает

с

 

изо­

 

 

 

ш шш а

бражением. Используя обозначения,

 

для

вычисления

взаи­

принятые в

выражении

(4.16),

формулу

мокорреляционной функции

К

 

можно

представить

в виде

 

 

 

 

 

 

 

K = S ? : F (I , j ) E ( i , о.

 

 

 

 

 

 

 

 

 

 

*

/

 

 

 

 

 

 

Максимальное значение взаимокорреляционной функции

равно

 

 

 

 

 

 

 

L E

 

[£(»■. /Ж

 

 

 

 

 

 

 

 

 

 

 

s

1

 

 

 

 

 

 

Оно достигается при полном совпадении изображения с эталоном.

Нормированная взаимокорреляционная

функция

£

% F ( i ,

j ) E ( i ,

j)

R =

‘ s E i / M

f . />]*

 

 

i i

 

 

при совпадении эталона с изображением достигает максимального значения, равного единице.

Использование корреляционного метода и метода прямого срав­ нения с эталоном предъявляет к процессу предварительной обра­ ботки изображений общие требования. Они заключаются в том, что изображение и эталон должны быть одинаково ориентированы, иметь равный масштаб и не быть сдвинутыми друг относительно друга в поле изображения. Другим свойством этих методов, кото­ рое следует учитывать, является необходимость использования большого количества эталонов. Это особенно важно в тех случаях, когда решаются задачи распознавания объектов изменением их проекции.

Алгоритмы вычисления параметров положения объекта. Под параметрами положения объекта обычно понимаются три значения

координат его

центра масс и три угла, задающие его ориентацию

в трехмерном

пространстве. Чаще всего в роботогехпических зада­

чах обрабатываются двумерные сцены, и под параметрами положения

113


понимают две координаты на плоскости и угол наклона оси симметрии объекта к одной из координатных осей.

Алгоритмы вычисления параметров положения объектов на двумерных изображениях сцены могут быть реализованы, если на изображении с несколькими объектами выделен один из них или если задано изображение с одним объектом. В простейшем случае для определения положения объекта достаточно вычислить коорди­ наты центра описанного прямоугольника. Определяются максималь­ ная и минимальная абсциссы /1Пах и /пГп, и ординаты i]mx и imln, на которые в кадре попадает изображение объекта. В некоторых за­ дачах требуется определять «центр масс» изображения, тогда вме­ сто используется функция яркости

l i f i j V U

Ус= i

W *

i

J

Как уже указывалось, задача определения ориентации плоского

изображения

сводится к

вычислению наклона

его оси

симметрии

к осям координат.

координат

 

поля

зрения

X O Y . Допустим,

Рассмотрим систему

 

что система координат с началом в центре объекта Х*СК*

связана

с осями симметрии Х°СК0. Тогда центробежный момент

инерции

/ 0

относи1ельно

системы X ° C Y °

равен

нулю. Его

выражение

и

вы­

ражения моментов инерции J x и J y

относительно осей

ОХе и O Y e

имеют гид

 

 

 

 

 

 

 

 

 

 

 

^0

i

X i j U i f i i J z = О,

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

Jy — S

Я ( х ц - * с)3ву;

 

 

 

 

 

 

i

i

 

 

 

 

 

 

 

 

Jx =

{yij — УсУ $ij-

 

 

 

 

 

 

<

/

 

 

 

 

 

 

 

Переход

от системы

координат

 

X O Y

к системе X * C Y * :

 

 

дг* = д г - д г с;

у* = у ~ у с.

 

 

 

 

Переход

от системы

X * C Y *

к

системе X QC Y e:

 

 

 

 

Хо — лг* cos0

 

- у* sin 0;

 

 

 

 

 

Уо = х* sin 0 —у* cos0.

 

 

 

 

114


Если теперь, используя подстановку, записать выражение для момента / е в системе координат X * C Y * н приравнять его нулю, то придем к уравнению

6

7 7 ^ 7 7 -

где ] ху = £

Ц (xtJ — х е) (уи - уе) Ьи .

i

I

Приведем в заключение еще одну формулу для вычисления на­ клона оси объекта. Эта формула широко применяется для определе­ ния наклона аппроксимирующих прямых п получена но методу на­ именьших квадратов:

tg 0

где

ху — ху

(4.18)

X2 (х)1

X =

 

2J Z3У*

 

 

t /

 

 

 

X j j j’ j j d j j

*y = - 1 2

S

^

2

S

%!ЬЧ

X*

 

 

2t 2/ ^

Однако выражение (4.18) позволяет вычислить наименьший угол

наклона осей

объекта. Это означает, что если под

меньшим углом

к оси ОХ окажется наклоненной не продольная, а

поперечная ось,

то именно ее

наклон и будет вычислен.

 

Алгоритмы обработки информации от сканирующего дально­ мера (СД) обзорно-информационной СТЗ. Информация от СД сооб­ щается роботу, движущемуся в недетермированной среде.

Алгоритм обработки информации от СД об объектах манипули­ рования строится таким образом, чтобы выполнить основную задачу - обеспечение безопасности движения транспортного средства, рабо­ тающего, например, в условиях цеха. Обработка информации про­ водится в три этапа.

1. С помощью пороговой фильтрации строится шкала препят­ ствий d (/г), где признак d характеризует близость препятствия в дан­ ном направлении сканирования п внешней среды (рис. 4.7).

2. Проводятся обобщение и фильтрация выбросов шкалы пре­ пятствий d (п), на основе которых выделяются области препятствий

ипроходов.

3.Производится оценка выделенных проходов и определение направления движения с учетом решаемой роботом задачи.

1 1 5


flOpuZlI

 

 

 

 

 

Йис. 4.7. Диаграмма фильтрации шкалы

 

 

 

 

 

 

 

препятствий

 

 

d

 

 

 

 

 

 

 

 

 

 

 

•"I

|

 

 

 

 

 

 

 

 

 

 

11

1г г т

 

 

 

 

 

 

 

 

 

11

1

!

1

f

 

Признак d может

прини­

_1L---1 !

 

1 1 1

1

11

 

 

 

мать

следующие

значения:

1 1 1

II

1 1

 

 

 

.J L J

1 1

u

|_____ i

п

—1 — нет информации в дан­

Нет

1 1

 

Проход

 

ном

направлении;

0 — в

1 1

 

 

 

 

инф орм ации LJ

 

 

 

 

данном

направлении

нет

препятствий ближе

1,5 м;

 

 

 

1 — в данном направлении

обнаружено

далекое препятствие

(измеренная дальность составляет 0,5—1,5 м);

2 — в данном

направлении

обнаружено близкое препятствие

(из­

меренная

дальность

меньше 0,5 м).

 

 

 

 

 

 

На начальном этапе проводится очередное измерение и обрабаты­ ваются его результаты. Организация предварительной обработки диктуется техническими особенностями дальномера. В результате вычисляется текущий признак d t и п для проведенного измерения. Далее осуществляется формирование текущей шкалы препятствий d (п) следующим образом. После вычисления очередного текущего направления движения всем признакам шкалы присваивается зна­ чение минус 1. В дальнейшем полученное для данного направления dt значение признака сравнивается с соответствующим значением при­ знака шкалы препятствий d (п), и в шкалу препятствий записыва­ ется более приоритетный из них (наибольший).

На следующем этапе проводится фильтрация шкалы препятствий. Целесообразны два алгоритма подобной фильтрации.

Первый из них производит фильтрацию признаков на основе статистической или приоритетной обработки в заранее заданных областях наблюдения (секторах). Второй алгоритм на основе шкалы препятствий формирует массивы данных п (k)y d (k), исключая вы­ бросы и объединяя лучи (или направления) с одинаковыми приз­ наками, где k — номер прохода или препятствия.

Параллельно с указанной фильтрацией осуществляется формиро­

вание признака

ситуации L,

принимающего следующие значения:

0

— нет близких препятствий;

1

— близкое

препятствие

слева;

2 — близкое

препятствие

справа;

3 — близкое

препятствие

с обеих сторон.

Из всех возможных проходов для мобильного робота выбирается наиболее широкий или наименее удаленный от заданного направле­ ния движения. Алгоритм управления представлен на рис. 4.8. (Более подробно см.: Обзорно-информационная система макета мо­ бильного робота/Д. Е. Охоцимский, В. А. Веселов, В. Г. Кузне­ цов и др. Припринт. 1982, № 45. М., ИПМ им. М. В. Кел­ дыша.)

Основным режимом является движение вперед с огибанием пре­ пятствий. Разворот на месте осуществляется с постоянным визуаль­ ным контролем, при этом сектор обзора дальномера ориентирован так же, как и при движении вперед, — прямо по курсу, и разворот оканчивается, когда выбранный проход попадает в поле зрения СТЗ.

1К>