Особенности методов распознавания образов в автоматической системе управления поворотом мобильного робота
Аннотация
Рассмотрена задача построения системы компьютерного зрения для управления мобильным роботом. Разработаны основные требования к системе управления мобильным роботом, определен выбор операционной системы для мобильного робота. Приведен обзор и выполнено сравнение методов распознавания заданного объекта на изображении с использованием современных программных инструментов и с учетом ограничений мобильных вычислительных платформ. По итогам сравнения для реализации в прототипе системы управления был выбран метод контурной сегментации и последующего сравнения контуров. Реализация прототипа системы управления была выполнена в виде исполняемого приложения в среде ROS. Реализованная система успешно протестирована в робототехническом симуляторе Gazebo. Исследования возможности оценки расстояния до распознаваемого объекта, а также эффективность комбинаций различных методов могут быть дальнейшими направлениями развития данной работы.
Список литературы
1. Буняков В. А., Юревич Е. И. Техническое зрение в робототехнике. СПб.: Астерион, 2008. 67 с.
2. Визильтер Ю. В., Желтов С. Ю., Бондаренко А. В., Ососков М. В., Моржин А. В. Обработка и анализ изображений в задачах машинного зрения. М.: Физматкнига, 2010. 672 с.
3. Mahtani A., Sanchez L., Fernandez E. Effective Robotics Programming with ROS. - Packt Publishing, 2016. 468 с.
4. Bradski G., Kaehler A. Learning OpenCV: Computer vision with the OpenCV library. - O'Reilly Media, Inc., 2008.
5. Гудаев О. А. Распознавание маркеров расширенной реальности ARGET робототехнической системой // Известия Южного федерального университета. Технические науки. 2006. Т. 71. № 16.
6. OpenCV 2.4.13.1 documentation - Object Detection, электронный ресурс http://docs.opencv.org/2.4/modules/ imgproc/doc/object_detection.html (дата обращения 31.01.2017).
7. Arbelaez P., Maire M., Fowlkes C., Malik J. Contour detection and hierarchical image segmentation // IEEE transactions on pattern analysis and machine intelligence. 2011. Т. 33. N 5. С. 898-916.
8. OpenCV 2.4.13.1 documentation - Structural Analysis and Shape Descriptors, электронный ресурс http://docs.opencv. org/2.4/modules/imgproc/doc/structural_analysis_and_shape_ descriptors.html (дата обращения 31.01.2017).
9. Hu M. K. Visual pattern recognition by moment invariants // IRE transactions on information theory. 1962. Т. 8. N. 2. С. 179-187.
10. Lowe D. G. Object recognition from local scale-invariant features // Computer vision, 1999. The proceedings of the seventh IEEE international conference on. - IEEE, 1999. Т. 2. С. 1150-1157.
11. OpenCV 2.4.13.1 documentation - features2d. 2D Features Framework, электронный ресурс http://docs.opencv.org/2.4/modules/features2d/doc/features2d.html (дата обращения 31.01.2017).
12. Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. IEEE, 2001. Т. 1. С. I-511-I-518.
13. OpenCV 2.4.13.1 documentation - Cascade Classification, электронный ресурс http://docs.opencv.org/2.4/modules/objde-tect/doc/cascade_classification.html (дата обращения 31.01.2017).
14. Comparison of object detection methods, электронный ресурс http://github.com/vvozokk/object-detecting (дата обращения 31.01.2017).
15. Benavidez P., Jamshidi M. Mobile robot navigation and target tracking system // System of Systems Engineering (SoSE), 2011 6th International Conference on. IEEE, 2011. С. 299-304.
Рецензия
Для цитирования:
Волосатова Т.М., Козов А.В. Особенности методов распознавания образов в автоматической системе управления поворотом мобильного робота. Мехатроника, автоматизация, управление. 2018;19(2):104-110.
For citation:
Volosatova T.M., Kozov A.V. Features of Pattern Recognition Methods for the Turn Control System of Mobile Robot. Mekhatronika, Avtomatizatsiya, Upravlenie. 2018;19(2):104-110. (In Russ.)
Просмотров: 409
.png)
Послать статью по эл. почте 