автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Автоматическое восстановление пространственных характеристик сцены по стереопаре изображений

РГ6 од

- 5 ДПР 1993

РОССИЙСКАЯ АКАДЕМИЯ НАУК ИНСТИТУТ КОСМИЧЕСКИХ ИССЛЕДОВАНИИ

На правах рукописи

КОЛЕСНИК Марина Игоревна

АВТОМАТИЧЕСКОЕ ВОССТАНОВЛЕНИЕ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК СЦЕНЫ ПО СТЕРЕОПАРЕ ИЗОБРАЖЕНИЯ

05.13.10 - применение вычислительной- техники, математического моделирования к математических методов в научных исследованиях

Автореферат диссертации на соискание ученой степени кандидата физико-математических наук

Москва 1993г.

Работа выполнена б Институте космических исследований РАН

Научный руководитель:

Официальные оппоненты:

кандидат физико-математических наук Усиков Даниэль Алексеевич

доктор технических наук Гимельфар<5 Георгий Львович кандидат технических наук Шаманов Игорь Владимирович

. Ведущая организация: ВНИИ ТрансМаш

Автореферат разослан: "_"_1993 года

Защита состоится "_"_1993 года в _часов i

заседании специализированного Совета К 002.94.01 при Институт космических исследований РАН по адресу: 117810, Москв. Профсоюзная ул.. 84/3? ИКИ РАН.

С диссертацией «окно ознакомиться в библиотеке,ИКИ РАН.

Учений секретарь специализированного Совета, кандидат физико-математических

наук Титов Д.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность теш Важнейшими звеньями информационно-измерительных систем, связанных с получением и анализом видеоинформации, стали в настоящее время технические средства и методы цифровой обработки изображений. Самые крупныэ объемы анализируемой видеоинформации получаются в программах дистанционного исследования Земли я других планет Солнечной системы с помоаью искусственных спутников и спускаемых аппаратов. Потребность в скорейшем использовании результатов космической и поверхностной съемок стимулировала развитие новых методов и технических средств с "работки изображений, з частности, высокопроизводительных и гибких по архитектур*? цифровых дисплейных рабочих станций. Эти системы позволили автоматизировать решение задачи обработка и анализа космической видеоинформации. Одной из важнейших а актуальных задач этого направления является восстановление пространственного рельефа поверхности по ее стереоизображениям. Математические методы решения этой задачи могут быть использованы, в частности, а таких практических проблемах как построение трехмерных моделей земной поверхности и топографических карт при автоматизации картографических работ, проведение ыархетйдерских изысканий, построение трехмерных моделей небесных тел, создание зрительных систем

автономных подвижных аппаратов, работающих в реальном времени.

Сложность решения задачи совмещения изображений стереопары I восстановления рельефа поверхности обусловлена существенными гед метрический« и яркостными искажениями снимков. Високая детальност; космических снимков, необходимость увеличения скорости обработк; стереоизображений и требования обязательного контроля человеко: качества автоматически восстановленного рельефа говорят | целесообразности решения этой задачи средствами автоматизирований; и интерактивной цифровой обработки изображений.

• Вопросы. автоматизации стереоизмерений ужэ несколью десятилетии исследуют многие отечественные и зарубежные авторы, : первув очередь, И. Г. Журкин, А.Н.Лобанов (МИИГАиК, г. Москва)

B. А. Мьпаляев Сг. Москва), Г. Л. Гимелъфарб, В.Б.Марченко, В.М. Кро' (Институт кибернетики им. В, М. Глушкова, г.Киев), И. В. Шаманов

C.В.Петухов СИФТП РАН г.Москва), М.».Загорский, (ВНИИТелевидения г.Санкт-Петербург), ■ В. П.Пяткин, Э.Г.Михальцов (ВЦ СО РАН г.Новосибирск) и др. Работы перечисленных авторов оказали влияни* на разработку представляемо-1 алгоритма автоматического совмещени. изображений стереопары и восстановления рельефа.

Цели диссертационной работа

Диссертационная работа преследовала следующие цели:

I)разработать математические методы и алгоритмы для быстрого I надежного решения задачи автоматизированного определения трехмерны . координат точек сцены по стереопаре изображений;

2)разработать алгоритм автоматизированного совмещения стерео пары, пригодный,для реализаций,в специализированных процессорах I параллельной архитектурой, для возможного использования : зрительной системе автономных подвижных аппаратов;

3)экспериментально исследовать предложенные алгоритмы н

различных типах стереоизображений;

4)программно реализовать модель оптического стереокомпаратора на современной цифровой дисплейной системе и использовать эту модель для проверки точности автоматического восстановления рельефа местности по стереопаре изображений;

Научная новизна работы Новые результаты, полученные в работе, состоят в следующем:

1)разработаны новые методы автоматического выделения соответственных признаков на стереопарах изображений, методы устранения неоднозначностей при восстановлении рельефа, методы учета априорной информации о сцена и методы использования пирамидальной структуры хранения данных о стереопаре изображений;

2) на основе этих методов разработан новый быстрый алгоритм автоматического восстановления пространственных характеристик рельефа сиены по стереопаре изображений;

получены теоретические оценки пороговых значений корреляционных функций в окне для поля яркостей, имеющего равномерное распределение компонент;

4) разработан принцип эффективной реализации предложенного алгоритма восстановления рельефа на многопроцессорных системах с параллельной архитектурой;

Практическая значимость работы Предложенные методы моделирования оптического стереокомпаратора на основе цифровой дисплейной системы могут быть эффективно использованы для автоматизации картографических процессов и обеспечивают возможность оперативного контроля качества построения топографической к:рты. Данные о рельефе, полученные в цифровом виде, могут использоваться в банке данных по топографическим картам для внесения уточнений.

Разработанные алгоритмы выделения признаков, учета априорнс информации о сцене и использования пирамидальной структуры данных сочетании с рекурсивными методами расчетов дают существеннь выигрыш в быстродействии и значительную экономию памяти пр программной реализации на дисплейных системах и персональных ЭВМ, также при выполнении параллельных вычислений на многопроцессорнь системах.

Разработанный быстрый алгоритм восстановления пространственнь характеристик трехмерной сцены может быть использован в систем зрения автономного движущегося аппарата Сполучаемая цифровая моде; местности может использоваться для прокладки пути в рею», реального времени).

Эксперименты, выполненные на различных типах стереопар подтвердили высокую помехоустойчивость и надежность разработаннь алгоритмов быстрого восстановления рельефа. Разработанные алгорип удобны для реализации на перспективных средствах обработ» изображений и допускают высокую степень распараллеливания Д1 организации быстрых вычислений. Благодаря таким возможностяк алгоритмы могут быть "спользованы при решении различи исследовательских и народнохозяйственных,задач.

Основные положения, выносимые на защиту 1. Методы и алгоритмы выделейия соответственных признаков I стереопаре изображений, устранения неоднозначностей восстановлен! рельефа, использования пирамидальной структуры исходных данньп образующие в целом быстрый алгоритм автоматического совмецеш соответственных точек на изображениях стереопары и построен! цифровой модели местности.

8. Методы и алгоритмы моделирования оптического стереокомпарато] ка основе цифровой дисплейной системы.

Аппробация работы Основные результаты были доложены на научных семинарах ИКМ РАН 1Э87-1992гг. ; на научном семинаре "Реконструкция трехмерной формы йъектов" в Центральном Институте Физических Исследований ВЛН г.Будапешт, Венгрия) в ноябре 1988 г.; на рабочем совещании КОСПАР Enviromental model of Mars" Сг.Шопрон, Венгрия) в январе 1990 г.; а симпозиуме Европейского Космического Агенства "Ground' data ystems for spacecraft control" (г. Дармштадт, Германия) 26-29 июня, 990 г.; и изложены в шести публикациях.

Структура и обьем диссертации Диссертация состоит из введения, четырех глав, заключения списка цитированной литературы. Текст диссертации содержит ашинописных страниц, рисунков, 4 таблицы. Список цитирован-ой литературы включает наименований.

КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ Во введении представлены основные направления исследований, боснована актуальность работы и ее научная новизна, приведены сновные положения, выносимые на защиту и кратко изложено содер-:ание работы.

В первой главе диссертации дай обзор .основных проблем ¡ашинного зрения, охарактеризованы задачи нижнего уровня цифровой >бработки изображений и описаны типы алгоритмов, используемых ь [»стоящее время в задачах восстановления трехмерной сцены.

В машинном восприятии сцены можно выделить нижний уровень обработку) и верхний уровень (интерпретации изображения). Значения [ркостей на изображении определяются геометрйческими свойствами [аблпдаемых поверхностей, коэффициентами отракения видимых точек /тих поверхностей, освещением сцены, позицией наблюдателя. На изображении все эти факторы проявляются совместно. Одна из задач.

решаемых иа никнем уровне машинного зрения, состоит в определен! влияния каждого из этих факторов на значения яркостей элементе изображения и восстановлении значения каждого фактора г изображениям независимо друг от друга. Верхний уровень машинно! зрения заключается в интерпретации и; построении формально! описания сцены и объектов, образующих сцену.

. Как показали эксперименты, существует по меньшей мере т{ независимых механизма восстановления трехмерной формы объектов г изображениям, относящиеся к зрение нижнего уровня. Первым услов1 назовем стереопсис, т.е. процесс восстановления формы по стереопа} изображений Ст.е. по бинокулярной проекции). Если глубина дв) объектов относительно положения наблюдения различна, то взаимне расположение этих объектов в каждом из изображений стереопары така будет различным, Опыты с бинарными стереопарами, синтеяированньп из множества случайных точек, С так называемые стереопары Б.Юлешг доказали, что человек способе» измерять диспаратность Спараллакс соответственных точек и использовать ее для восстановления рельеф поверхности. Измерение' стереоскопического параллакса включает де шага: (1) на одном из изображений , выбирается элемент сцень принадлежащий поверхности, и (2) на втором изображении отыскивает« соответственный элемент, т.е. устанавливается соответствие м'е« обоими элементами. Наибольшие трудности вызывает второй шаг из-е большого числа возможных ложных соответствий.

Второй механизм стереозрения, которым обладает зрительнг система человека, основан на восстановлении формы характернь объектов непосредственно по изменение их проекций на изображена т.е. по монокулярной проекции, в процессе движения объекта ш наблсдателя. Здесь имеют место задачи двух типов, которые,, кг показали эксперименты, могут считаться независимыми. Первая зада*

:ожа на второй шаг стереопсиса - установление соответствий, и :лвчается в определении . того, какому объекту изображения, ¡ученного в момент 12=И+А1, А1>0, соответствует конкретный •ект изображения, полученного в момент И. Вторая задача лсчается в восстановлении трехмерной структуры сцены по данным !эния первой задачи.

И, наконец, третий независимый механизм восстановления - формы ерхностей основан на анализе теней и ограничивающих контуров, чение задачи определения формы объектов в этом случае связано с ением относительно сложной задачи вычисления ориентации поверх-ти по градиентам яркости изображения. Трудности решения словлены тем, что яркость изображения зависит нэ только от ентации собственно поверхности, но в ке меньшей степени от кции отражения этой поверхности и от характера се освещения.

В главе описаны основные работы, посвященные восстановлении хмерной форш по стереопаре изображений. Больоипство известных оритмов можно условно подразделить на три типа в соответствии с знаками, по которым выполняется совмещение соответственных эк: взаимная корреляция значений яркостей элементов изображений участкам; совмещение точечных признаков; совмещение линейных знаков. Для совмещения второго и третьего типов важно и -еть зшие детекторы признаков, поэтому в главе приводится также гкий обзор наиболее известных алгоритмов выделения границ гай) на изображениях.

Во второй главе дана формальная постановка задачи восстг-1ения рельефа поверхности по стереопаре изображений и олределя-I понятие цифровой модели местности. Задача стереосовмещення ¡ется 'для случая нормальной к конвергентной стереосъемки. При сальном случае стереосистема образуется двумя фотографическиук

камерами с параллельными главными оптическими осями, которь перпендикулярны плоскости изображений стереопары. Горизонтальнс расстояние между оптическими центрами камер называют базиснс линией, или стереобазисом. Оптические оси камер перпендикуляр» стереобаэису. Каждая плоскость, проходящая через базисную лини! пересекает плоскость изображения по соответственной паре базисш строк сканирования изображений. Позиции соответственных точек I двух изображениях могут отличаться только по продольной координа' (координате вдоль строки сканирования). Поэтому такая нормаль» геометрия стереоизображения помогает сократить поиск при нахожден: соответствий. Каждой базисной плоскости (и соответственной па строк сканирования) отвечает свой базисный профиль, полученный сечении рельефа базисной плоскостью.

При нормальной геометрии параллакс <1 для каждой па соответственных точек Рд (з^ ,ух ) и Рг С э^. , уг ) определяется к б=х1-хг; трехмерные координаты точки РСх.у.г) на сцене вычисляют по формулам:

Ьх1 . Ьу1 ЬГ

* " с1 У " Т" 2 " "б

где Ь - базис, Г - фокусное расстояние камеры, одинаковое в кaжJ стереоканале. По этим формулам и поло паралаксов для стереопа] можно построить поле высот (дальностей) для наблюдаемой сцены (1 цифровую модель рельефа местности).

В случае конвергентной стереосъемки базисные строки сканиро: ния изображений наклонены по отношению к горизонтальной оси X следовательно, позиции соответственных точек на двух изображен будут отличаться как по продольной Ср * £ ) так и по попереч 'У^ Уг) координате. В этом случае поиск соответственных то изображений нужно проводить в некотором окне или по наклонным о

(санирования. Преимуаества конвергентного случая заключаются в Зеслечении большего перекрытия на стереопаре изображений »блюдаемой сцены.

При нормальной геометрии поиск соответственны* точек изображе-1Й может дополняться локальными ограничениями, характеризующими «¡метрическое сходство совмещаемых элементов сцены, например, содство ориентации поперечных границ. Такой процесс совмещения >жет быть организован в первом приближении по принципу локального >иска соответствий. Разумеется поиск соответствия, выполняемый »сально, ^аже с учетом ограничений может привести к двум и более шноценннм вариантам соответствия, которые в худкем случае все ювлетворяит добавочным локальным ограничениям и могут считаться >авильными. Для дальнейшего сокращения числа таких равноценных фиантов вводятся определенные допущения о характере восстанавли-юмой поверхности. Параллакс, т.е. относительное смещение соответ-'венных точек на двух изображениях, используется в дальнейшем для рождения пространственной глубины точки сцены, проекцией которой [ужат две соответственные точки изображений. Таким образом вводя щуиения о гладкости поверхностей, т.е. о близости значений парал-1КС0В, можно избежать ряда неверных совмещений. Гладкость функции убины для точек поверхностей обуславливает гладкость искового ля параллаксов. Для нахождения такого решения используются методы гуляризации.

Для формализации задачи восстановления рельефа по стереопаре ображений используется следующая математическая модель-

1ьСх,у) -в + Мх.у)

е: 1ьСх,у), 1кСх,у) - левое и правое изображения стереопары;

ИСх.'у) - возможные радиометрические искажения на изображении;

5(х,у), чСх,у) - продольные и поперечные параллакса, подлеглвие

определенно;

Основное следствие такой модели заключается б том, чт трансформированное в соответствии с полем параллаксов праве изображение; Х-.кСх,у)=1кСх-5,у-ч) при отсутствии помех в точност совпадает с левым изображением. Наличие искажений делает эт совпадение неточным в каждой отдельно взятой точке (х,у). Поэтом для нахождения функцийб и я оптимизируется функционал:

Лв.ч) = N МС1.Сх,у},1_вСх.у» «¿хбу (1)

П и т*

где: О - участок отождествления;

МС1^,1ТЯ) - мера близости функций и 1тк;

Для нахождения функциональных зависимостей в и ч из услови экстремума Дб.ч) необходимо выбрать меру близости М, конкрети эировать размеры участка П. в пределах которого происходи интегрирование в (1), а также выбрать класс функций, среди которь разыскиваются аппроксимации истинных в и ч.

В главе предлагается к подробно описывается новый алгорщ автоматического совмещения стереопары который условно разбиваете на ряд последовательных этапов. На первом этапе анализируете априорные сведения об исходный изображениях стереопары; возможш геометрические и радиометрические искажения, условия сохранен! порядка следования соответственных точек для случая непрерывке поверхности (принцип "жесткости"). На втором этапе обсуждаете задача построения системы признаков, инвариантных к укаэанш искажениям. На третьем этапе описывается собственно алгори* установления соответствий, который реализует локальный корреляция ный анализ на пирамиде изображений.

В качестве системы признахов в алгоритме используются '"карп мркостед, получаемые специальной обработкой изображений. Примен. £*тся слеаушая трехшаговая процедура быстрого построения этих кар'

и

шаг 1. удаление на исходных изображениях высокочастотного шума; шаг 2: преобразование исходных изображений по методу скользящей нормализации с размером окна, равным размеру "окна корреляции", для центра которого ищется соответственная точка на втором изображении стереопары;

шаг 3: сжатие яркостного диапазона на исходных изображениях до 6 бит на пиксел; ч

Ключевым приемом. существенно уменьшающим количество вычислений и снижающим вероятность нахождения ложного соответствия между точками, является пирамидальное представление изображений стереопары. Нулевым слоем пирамиды по определенно считается исходное изображение. Каждый следующий слой пирамиды получается из предыдущего генерализацией с коэффициентом 2 (участок из четырех точек сжимается в одну). Процесс отождествления начинается со стартового слоя пирамиды с номером к (эксперименты показали, что наилучшим является слой размером 32x32 точки) и далее продолжается по слоям пирамиды сверху вниз. Полученная информация о значениях параллаксов запоминается и используется при прохождении слоя с более высоким разрешением. Соответствия в каждом слое ищутся с помощью локального корреляционного анализа в окне корреляции.

Мерой близости двух систем признаков в окне является значение локальной функции корреляции, вид которой зависит от того, какие призиахи изображений сравниваются. Если сравниваются яркостные признаки, то используется абсолютное расстояние:

Р = Е IV Г.1 (2)

Для некоторых более сложных признаков, таких как локальная ориентация границ, также может быть введено отношение порядка или расстояние. Например, при работе с признаками границ расстояние тем выше, чем больше угол между ориентированными границами на левом и

правом изображении в окне корреляции. Если на множестве значений признаков нельзя ввести отношения порядка, то используется метрика Хеммкнга:

рн = Е + Рк)якк12] СЗ)

где р^ = 1 СрЕ= 1), если признаки присутствуют, и 0 - в противном случае. Суммирование в (2) и (3) производится по окну корреляции.

Поиск точки, которая соответствует точке (х,у) на левом изображении, осуществляется в пределах "окна поиска" на правок изображении. Размер окна поиска на стартовом слое пирамиды признаков выбирается так, чтобы максимальное возможное смешение, которое можно получить в процессе отождествления, было бы не меньше максимального возможного параллакса . Это требование записывается в виде:

и ч |£>тая | "к ~

Соответствия на каждом последующем слое пирамиды признаков уточняются в пределах 11 (элемент) от значения параллакса, найденного на предыдущем слое. Таким образом, размер окна поиска на всех слоях пирамиды признаков, кроме стартового., равен трем

элементам изображения. Это позволяет существенно снизить общее

«

число вычислений, необходимое для решения задачи.

Неверные отождествления, нарушающие локальный принцип "жесткости", устраняются алгоритмом упорядочивания точек. С этой целью строится "карта неупорядоченности" С(х,у), или матрица с размерами входного изображения, каждый элемент которой обозначает, сколько раз по отношению к данной точке на карте параллаксов нарушается условие упорядоченности в пределах окна корреляции с центром в этой точке. Алгоритм упорядочивания заключается в итеративном повторении следующих трех шагов вычислений: шаг 1: на карте С(х,у) отыскивается точка (з?,/) с максимальным

значением неупорядоченности С" « С(х*,у*);

шаг 2: для каждого смещения а в пределах окна корреляции с центром в точке Сх*./) рассчитывается локальная корреляционная функция рл и новое значение неупорядоченности С^ при таком смещении; шаг 3: если находится такой сдвиг а, для которого выполняются условия; ^ < £ и £ < <?" (максимальное значение неупорядоченности на карте С(х,у) с выколотой исследуемой точкой), то этот сдвиг приписывается данной точке и ее новое значение упорядоченности становится равным Са.

Порог на шаге 3 представляет собой порог отождествления для

корреляционной функции (2). Если ни для одного из сдвигов а условие

р < Т не выполняется, то исследуемая точка объявляется * Р

неразличимой. Алгоритм упорядочивания применяется до тех пор, пока максимальное значение С* на карте ССх.у) не станет меньше заданного порога (все точки не станут упорядоченными) или число итераций не превысит заданное число N (в этом случае информация о смещениях в оставшихся неупорядоченных точках в дальнейших расчетах не учитывается).

В главе рассмотрены способы определения значений внутренних параметров алгоритма: размера окна корреляции, порога для корреляционной функции (2), приведено теоретическое обоснование этих значений и дано его экспериментальное подтверждение.

В третьей главе обсуждается вычислительная реализация алгоритма и приводятся результаты экспериментальных исследований. Рассмотрены способы вычислительной оптимизации каждого из этапов алгоритма: скользящей нормализации, расчета значений локальных корреляционных Функций. На основе экспериментов с различными стереопарами обсуждаются практические характеристики алгоритма, такие как число надежно отождествленных точек, точек неоднозначности, точек

неупорядоченности. Описывается один из способов проверки качества совмещения стереопары: по опорному левому изображению и карте параллаксов строится модельное правое изображение и сравнивается с исходным правым изображением стереопары.

Для стереопар, не имеющих поперечного параллакса, поиск смещений проводится только вдоль оси X, поэтому расчет значений параллаксов S для точек одной строки можно проводить с использованием динамического программирования. Это позволяет отыскивать решение, сразу удовлетворяющее условию "жесткости" по строке, и тем самым сделать алгоритм совмещения однопроходным и более быстрым. Преобразуем функционал (1) при условии непрерывной кусочно-линейной аппроксимации искомой функции S с постоянными, равными Т линейными участками. Пусть is4> обозначает ординаты точек излома функции S, а в качестве участка П рассмотрим часть оси X левого изображения в диапазоне (О,LI, на котором отрезок Т укладывается п раз. Тогда для k S п имеем:

JCkT.s.) « mh Г MCI. ,ITO)dx =

К . _ — I» IK

V-Vi 0

min < ил <|C)IITMCI. ,I_p)dx + j" MCI.,ITB)dx >

Vi V'V, • "=-"T

или

kT

JCkT,sk) = min OCCk-DT.s^î + I MCIb,ITR)dx > Sk-J " <k*' 'T

Это есть основное соотношение алгоритма динамического программирования, которое не зависит от конкретного выбора функции M(IL,ITR). Метод динамического программирования был впьрвые применен для нахождения соответсвенных точек в 1972-1979 гг. Г.Л.Гимельфарбом в двух вариантах вычислений: асимметричном Сперебор вариантов совмещения • точек правого изображения стереопары с соответственными точками опорного левого изображения) и симметричном (перебор

вариантов опорного рельефа с одновременным совмещением изображения стереопары). В динамическом варианте алгоритма, рассмотренном в третьей главе используется асимметричная схема. Отличия этого варианта состоят в использовании дополнительных коэффициентов связи и пирамидальной организации исходных данных. Алгоритм расчета корреляционных значений вдоль строки дополняется увязыванием возможных смещений в текущей точке со смещенияш в предыдущей точке и точке, находящейся над текущей в предыдущей строке сканирования, а также расчетом накопленной штрафной функции для каждого из возможных смещений. Для экономии вычислений использовалась линейная по коэффициентам связи штрафная функция:

где: 1,j - точха на изображении;

к,! - номера смещений в точках (1-1,соответственно;

Б*, Б1 -величины смещений в точках (1-1,,]).(1,,р соответственно;

8 - величина смещения в точке (1^-1) в предыдущей строке;

р1 - значение функции корреляции соответствующее смещению 1;

С^,С2,С'з - коэффициенты связи.

При этом минимум штрафной функции ищется лишь для смещений к, таких что для анализируемого смещения 1 не нарушается принцип "жесткости" в соседних точках. Если таких смещений к не существует, то смещение 1 в текущей точке объявляется принципиально невозможным и не анализируется. Таким образом, в конце текущей строки будет рассчитано несколько Св зависимости от размера окна поиска) значений накопленных штрафных функций Г1. Начиная со смещения с минимальной накопленной штрафной функцией обратным проходом динамического программирования определяется рельеф для всех точек

строки.

Для однопроходного динамического варианта алгоритма обсуждается возможность распараллеливания вычислений и способы реализации алгоритма на транспьютерных системах.

В четвертой главе описана разработанная автором программно-алгоритмическая модель интерактивного стереокомпаратора, реализуемого на основе цифровой дисплейной системы. Представлекы результаты автоматической реконструкции пространственных характеристик сцен на примере различных стереопар. Проводится сравнение результатов, полученных интерактивным и автоматическим способом.

Используя системы цифровой обработки изображений, можно моделировать основные функции оптического стереокомпаратора, а также дополнить их новыми возможностями. В частности, с помощью средств цифровой обработки изображений можно осуществить геометрическую и радиометрическую коррекцию исходных изображений стереопары, построить цифровую модель местности по карте изолиний, построить модельное изображение стереопары и сравнить его с исходным.

В предлагаемой модели стереокомпаратора объемное восприятие достигается анаглифическим способом на одном экране монитора. Изображения стереопары высвечиваются в различных цветах, а экран рассматривается через очки с соответствующими светофильтрами,

Изолиния строится оператором с помощью плавающего маркера. Для анаглифического варианта - это пара, состоящая из красного и синегс маркеров, расстояние между которыми определяет кажущуюся глубину расположения маркера. Оператор может перемещать маркеры, оставляв след или без такого следа. При приближении к краю экрана можнс программно запретить движение маркера или произвести автоматическу» подвижку стереопары. Количество уровней изолиний, которое может

быть нанесено с помощью описываемого цифрового стереокомпаратора, определяется размером элемента разрешения экрана дисплея.

Алгоритм построения цифровой модели местности, реализованный в модели стереокомпаратора, производит итеративную интерполяцию высот в промежуточных точках между изолиниями на основе линейной аппроксимации высот по заданным направлениям. Этот алгоритм является приближением к алгоритму аппроксимации по линиям градиентов. Для естественных изображений земной поверхности горных районов, двух-трех направлений аппроксимации обычно достаточно для хорошего совпадения объемного восприятия модельной стереопары с исходной. Если визуальное сравнение объмных картин дает расхождения, можно внести уточнения в карту изолиний.

В картографии приняты два основных представления рельефа: в виде изолиний и в виде цветной физической карты. Оба эти представления легко осуществляются на цифровой дисплейной системе.

Описанная модель цифрового стереокомпаратора реализована программно на комплексе СВИТ с управляющей ЭВМ "Электроника-60". Характерные времена расчетов: предварительные операции - в интерактивном режиме, построение цифровой модели - 2мин. по одному направлению, построение модельного изображения стереопары - 30с., визуализация цифровой модели - в интерактивном режиме. В главе приводятся результаты автоматической реконструкции пространственных характеристик на примере различных стереопар: горного карьера, гористой местности, стереопары спутника Марса - Фобоса, нескольких стереопар поверхности Марса, полученных спускаемым аппаратом американской космической станции VIKING. На рис.1 в изометрии представлен один из результат автоматической реконструкции участка поверхности Марса. В каждом примере представлена реконструированная цифровая модель.

В заключении кратко суммированы общие выводы, обсужден возможности использования предложенных алгоритмов для различны задач, очерчены предположительные направления будущих исследования

Рис 1. Изометрическое представление цифровой модели участка поверхности Марса по стереопаре изображений ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработаны математические методы и алгоритмы автоматическ восстановления пространственного рельефа по стереопаре цифра изображений местности на основе использования априорной инфорка об изображениях, выделения соответственных признаков изображениях стереопары и устранения точек, нарушающих прт упорядоченности расположения соответственных точек изображений.

2. Предложены и реализованы методы использования пирамидал: структуры хранения исходных данных, регуляризации и рекурси: вычислений, позволившие на два и солее порядков сократить в

восстановления рельефа по сравнения с традиционным1 прямым корреляционным анализом.

3.Разработанные алгоритмы реализованы в виде комплекса программ автоматизированного совмещения стереопары, ориентированных на ПЭВМ и позволяющих осуществить режим параллельных вычислений на мульти-транспызтерной системе, подключенной к ПЭВМ. Тщательная вычислительная оптимизация позволяет проводить обработку стереопары размером 256x256 точек на одном транспьютере эа 23 сек. Методика параллельных вычислений уменьшает это время пропорционально числу транспьютеров в системе. Программная реализация алгоритма на языке OCCAM создает компактный исполняемый модуль, который может без доработки использоваться для бортовых транспьютерных систем в космических экспериментах.

4.Исследована устойчивость восстановления цифровой модели местности в случае различных типов стереопар, получаемых при аэрофотосъемке, построения трехмерной сцены в случае поверхностной стереосъемки и определения трехмерной формы объекта по стереопаре, сделанной со спутника. Проведено экспериментальное исследование результатов работы алгоритма в случае, когда одно из изображений стереопары искажено за счет случайного аддитивного шума.

5. Разработана методика программного моделирования оптико-механического стереокомпаратора на цифровой дисплейной системе типа СВИТ или персональном компьютере с графическим адаптером типа Super VGA. Для получения объемного изображения на одном мониторе применен анаглифический метод (метод цветоделения). Такая модель позволяет значительно ускорить и автоматизировать труд дешифровщика при построении топографических карт, а также ввести ряд корректирующих операций.

Основные результаты диссертации опубликованы в следующих

работах:

1. Колесник М. И., Усиков Д. А. Стереокомпаратор на основе ци$рово{ дисплейной системы.//' Исследования Земли из космоса. 1987. No.4. стр. 94-90.

2. Касперович Л. В., Колесник М. И., Усиков Д. А. Быстрый алгорит! сконтуривания объектов на изображениях.// Автометрия. 1990. No. 1 стр. 11-16.

3. Колесник М. И., Усиков Д. А. Алгоритм совмещения стереопары. / Автономное управление и машинное зрение транспортных роботов Сборник научных трудов Института физико-технических проблем. 1990 стр. 83-92.

4. Uslkov D.A., Kolesnik M.I. Algorithm for Stereo Pair Matching./ The Environmental Model of Mars. Cospar Colloquia. Sopron. Hungary 21-26 Jan. 1990. P. 47-50.

5. Kolesnik M. I. The Automatic Reconstruction of 3-Dimensiona Scene for Mars Rover Operations.// Proc. ESA Symp. "Ground dat systems for spacecraft control". Darmstadt. FRG. 26-29 June. 199C P.247-231.

e. Uslkov D. A., Kolesnik M. I., Sitenko I.N. Three dimension; vision for autonomous vehicles (algorithms, problems, perspei tives).// Center for automation research. University of Marylam August. 1990.