автореферат диссертации по инженерной геометрии и компьютерной графике, 05.01.01, диссертация на тему:Автоматизация процессов восстановления и распознавания плоских объектов сложной формы по цифровым изображениям

На правах рукописи УдК 514.13:519.376:621.856.8

Даыдниова Татьяна Цыбиковна

АВТОМАТИЗАЦИЯ ПРОЦЕССОВ ВОССТАНОВЛЕНИЯ И РАСПОЗНАВАНИЯ ПЛОСКИХ ОБЪЕКТОВ СЛОЖНОЙ ФОРМЫ ПО ЦИФРОВЫМ ИЗОБРАЖЕНИЯМ

Специальность 05.01.01 - Прикладная геометрия и

ЦИлеЯь рНВЯ В Р'Щ иН'5

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва - 1998

Работа выполнена ка кафедре "Инженерная и компьютерная графика" Восточно-Сибирского государственного технологического университета

Научный руководитель - доктор технических наук,

проректор по информатизации и новым технологиям обучения, зав.кафедрой ИКГ ВСГТУ Найханов В.В.

Официальные оппоненты: доктор технических наук,

профессор Бусыгин В.А.,

кандидат технических наук, доцент Радэивиллович B.C.

Ведущая организация: ОАО ОКБ им. А.С.Яковлева,

г. Москва.

Защита состоится "¿$1" 1998 г. в часов на

заседании диссертационного Совета Д 063.5l.u7 по специальности 05.01.01 - "Прикладная геометрия и инженерная графика" при Московском Государственном университете пищевых производств, в ауд.504, корп. А.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим присылать по адресу: 125080, Москва, Еолоколамское шоссе,11, МГУПП, отдел Ученого секретаря.

С диссертацией можно ознакомиться в библиотеке МГУШ.

Автореферат разослан '^f" ¿^^¿^¿f 1398 г. .

Ученый секретарь диссертащюнного совета,

д.п.н. профессор _ Акимова И.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность. Задачи совершенствования технологии и производства, нацеленные на повышение производительности производственны/: комплексов, а также на получение возможности их быстрой перенастраиваемое™ при переходе на выпуск новой продукции, сегодня в основном решаются за 'счет разработки и внедрения гибких, быстро перенастраиваемых производственных систем. Основой таток систем являются интеллектуальные адаптивные робототехккческие комплексы.

Анализ технических характеристик современных

робототехкических комплексов показывает, что сегодня направление работ по разработке и созданию такой техники требует решения еще многих инженерных и научных задач. Одним из направлений, требующих серьезных научно-технических проработок, является направление, связанное с разработкой адаптивных систем, повышающих интеллектуальные возможности роботов, наличие которых позволит роботам в автоматическом режиме адекватно и оперативно реагировать ка изменения окружающей производственной среды.

Известно, что одним из основных средств очувствления роботоЕ является техническое зрение. Изучение состояния вопроса по оценке возможностей современных систем технического зрения (СТ5) показывает, что несмотря на то, что к настоящему времени в данной области разработано много • методов и способов восстановления и распознавания объектов, все-таки з этой области существует необходимость проведения дальнейших исследований. Причем этот же анализ показывает, что новые исследования и разработки должны быть нацелены з первую очередь ка повышение уровня их интеллектуальности. Сказанное в полной мере относится и к СТЗ, предназначенным для обработки изображений плоских объектов. Особенно это касается систем, которые должны обрабатывать информацию по плоским объектам сложной формы. Следует отметить, что автоматизация операций по взаимодействию роботов ., с плоскими объектами сложной формы встречается на производстве в довольно-таки большом количестве. Особенно в таких отраслях, как авиационная, швейная, обувная, судостроительная и др.

На основании вышесказанного можно сделать вывод о том, что

- г -

задача по исследованию и разработке методов восстановления формы плоских объектов и их распознаванию по цифровым изображениям является одной из актуальных.

Целью диссертационной работы является исследование и разработка методов и способов обработки цифровых изображений, создание автоматизированной системы восстановления и распознавания плоских объектов сложной формы, автоматизирующей весь цикл работ от ввода до распознавания.

Сформулированные проблемы и поставленная цель требуют анализа существующих способов обработки изображений, усовершенствования некоторых из них, разработки новых методов и способов, позволяющих решить новые научно-технические задачи в области создания интеллектуальных средств очувствления робототехшкеских комплексов. С этой целью необходимо разработать новые способы сжатия информации по цифровым изображениям плоских объектов, восстановления объектов сложной Форш и разработать. эффективную методику распознавания частично видимых объектов.

Научная новизна работ заключается в следующем:

- усовершенствована структура модулей математического и программного обеспечения автоматизированной системы восстановления и распознавания плоских объектов сложной формы по цифровым изображениям. Практическая реализация этой структуры в виде программы позволила создать систему с высокой степенью автоматизации процессов восстановления и распознавания.

- разработана методика формирования точек по контуру изображения объекта, основанная на модифицированном методе Фримена, а также разработана методика выделения и корректировки точек излома;

- разработана методика моделирования контура цифрового изображения объекта сложной формы обводом первого порядка гладкости из однородных дуг. Методика базируется на принципе построения лекальных кривых;

- решена и программно реализована аналитическая задача по выделению из пучка окружностей, касающихся прямой в заданной точке, элемента, касающегося произвольной кривой;

- разработаны способы перезадания обвода ломаной и радиусографическим обводом, учитывающие наперед заданное

допустимое отклонение;

- разработаны методика определения точностных характеристик СТЗ и методика определения оптимальных условий съемки и оптимального порога бинаризации;

- разработана методика по вычислению значений кривизны зубчатообразного контура цифрового изображения;

- разработана методика распознавания частично видимых плоских объектов сложной формы, основанная на совмещении контуров распознаваемого и эталонного объектов по точкам с разной кривизной и сравнением степени совпадения контуров с использованием колоколообразной функции.

При разработке системы для решения поставленных задач были использованы методы начертательной, дифференциальной, вычислительной геометрий, положения теории искусственного интеллекта, методы теории вычислений, численные методы п методы программирования. Задачи решались на Базе работ ЧетЕерухика Н.Ф., Котова И. К., Тевлина A.M., льансва ~. с. Якунина l . >.. , Фролова С.А. , Найханова В.Б., Ситника Н.Е. . а также на метода;-:, предложенных зарубежными учеными А. Пью, Т.Павлидисом, Р.Гонсалесом, Б.Хорном и другими учеными.

Практическая значимость. Разработанные методы п способы обработки цифровых изображений, реализованные в программном виде, позволили создать реально действующую систему технического зрения, позволяющую автоматизировать весь процесс обработки цифровых изображений плоских деталей сложной формы. Особенность разработанной системы заключается е том, _ что результатом ее работы является состав информации, пригодный для использования в подсистемах геометрического моделирования, системах автоматизированного проектирования и искусственного интеллекта. Созданная система может найти применение на предприятиях авиационной, швейной и обувной промышленностей. Кроме того, результаты исследований и система могут быть использованы в учебном курсе на специальностях ЭВМ и программирования, а также на обувных, швейных и других технологических специальностях. На базе этой системы разработана система исследования влияния условий съемки на точность ввода и восстановления изображения. Разработана надежная методика распознавания частично видимых плоских объектов. Полученные в диссертационной работе

- -

теоретические и практические результаты могут быть применены для решения- ряда научных и производственных задач. Так, например, методика перезадания сложных кривых радиусографическим обводом первого порядка гладкости позволяет повысить качество и производительность при обработке деталей сложной формы на оборудовании с числовым програмным управлением (ЧПУ).

■ Реализация работ. Реально действующая система и пакеты программного обеспечения используются на производстве и в научно-исследовательских институтах, а также в учебном процессе в виде лабораторных работ. Имеются акты внедрения.

Апробация работы. Основные положения и результаты работы докладывались на следующих конференциях:

\'-я' международная конференция "СотрадтарЫсз'Эб"

(Париж,1935г.)

Конференция "Нейраинформатика и ее приложения" (Красноярск, КГТУ, 1995г.)

Всероссийские научно-технические конференции "Роль геометрии в искусственном интеллекте и САПР" (г.Улан-Удэ, 1593,1996 г.г.)

Публикации. По результатам исследований опубликовано 16 статей и тезисов докладов. Результаты исследований также отражены в двух отчетах по госбюджетной теме единого заказа-наряда ЕСТТУ N 1.4.96.

На защищу выкосятся:

- методики выделения и корректировки положения точек излома;

- методика моделирования однородного обвода первого порядка гладкости по контуру цифрового изображения сложной формы, использующая принцип построения лекальных кривых;

- решение задачи выделения из пучка окружностей, касающихся прямой в заданной точке, элемента, касающегося произвольной кривой;

- способы перезадания обвода ломаной и радиусографическим обводом, учитывающие наперед заданное допустимое отклонение;

- методики определения точностных характеристик СТЗ, определения оптимальных условий съемки и порога бинаризации;

- способ вычисления значений кривизны плоского контура, смоделированного по зубчатообразному массиву точек;

- методика распознавания частично видимых плоских объектов сложной формы, основанная на совмещении контуров и на сравнении

степени их совпадения.

Структура и объем работы. Диссертационнзя работа состоит из введения, четырех глав, ■ заключения, списка литературы к приложения. Работа изложена на ... страницах основного текста, содержит 52 рисунка, 7 таблиц. Список литературы включает 155 наименовании.

СОДЕРЖАНИЕ РАБОТЫ.

Во введении обосновывается актуальность темы диссертации, формулируются цель и задачи исследовании, ее научная новизна и практическая ценность.

В первой главе диссертации проведен анализ литературы, посвященной вопросам применения систем технического зрения и существующим методам обработки цифровых изображений.

Проведенный анализ научной литературы показал, что необходимо усовершенствовать структуру программного обеспечения, разработать новые математические методы обработки информации и способы ее сжатия, а также необходимо решить задачу по приведению выходной информации к компактному виду, пригодному' для использования 5 различных системах искусственного интеллекта и автоматизированного проектирования. Необходимо разработать эффективную методику определения оптимального порога бинаризации для получения изображения наиболее точно соответствующего по форме и размерам реальному объекту. Кроме того, необходимо разработать надежный способ распознавания частично видимых объектов.

Во второй главе усовершенствована структура модулей автоматизированной системы обработки плоских объектов сложной формы. Предложенная структура программного обеспечения состоит из следующих модулей:

1. Выделение точек контура детали.

2. Определение точек излома (конструктивных точек нулевого порядка гладкости) и формирование массивов точек по кромкам контура детали.

3. Удаление ошибочно определенных точек излома.

4. Определение точек с вертикальными и горизонтальными касательными (конструктивных точек первого порядка гладкости).

5. Корректировка положения точек излома (корректировка массивов по кромкам детали).

6. Формирование аппроксимирующих обводов первого порядка гладкости по кромкам детали.

7. Перезадание точек контура объекта массивом точек, сформированных с учетом стрелки прогиба.

8. Перезадание точек контура объекта дугами окружностей.

В данной главе также рассмотрены способы обработки элементов дискретного изображения. Для выделения точек контура выбран метод цепного кодирования Фримена как наиболее приемлемый для реализации в системах, которые будут работать в режиме реального времени. Одним из основных преимуществ данного метода является то, что результатом его работы является упорядоченный массив точек контура. Реализованная в системе модификация данного метода направлена на повышение надежности его работы.

В этой же главе разработана методика выделения точек излома и корректировка положения найденных точек. Методика определения точек излома основывается на анализе величины утла между смежными хордами, стягивающими часть точек по обе стороны от анализируемой точки (рис.1). Проведены исследования, направленные на определение зависимости между предельным углом а (рис.2), величиной минимального радиуса кривизны контура и количеством пикселов т, определяющих отрезки анализируемого угла. В результате этих исследований определена зависимость следующего вода

а = 180 - 12 т

Для удаления ошибочно определенных точек излома в работе предлагается сравнить величины углов между направлениями касательных в точке излома двух смежных кромок.

При уточнении точек излома используется также метод аппроксимации на множестве точек двух смежных кромок, близлежащих к точке излома. Множество точек контура между двумя точками излома определяет кромку. Так как смежные кромки могут быть либо прямолинейными, либо криволинейными. В работе рассмотрены возможные варианты их сочетания и приведены формулы для уточнения точек излома.

У = It »it bt

| т U( r,

i-1 точка P

точка Р+пГ

Рнс.1. Выделение точек излома.

«вею я ияшичвтичвгят

Рис2. Зависимость угла а от количества точек га при различных значениях кривизны контура.

В работе решение многих задач обработки цифрового изображении выполняется методом аппроксимации. Это вызван необходимостью сглаживать зубчатс-образность исходной информации. В целях повышения корректности этих процедур в работе была разработана методика проверки на определение близости прохождения аппрокисимрующей кривой к аппроксимируемому множеству точек. Она базируется на минимизации функционала, представляющего из себя квадрат расстояния от произвольной точки до кривой

Six) = R2 = 'л-j. - х )г + Гу\ - fix))2, где; R - расстояние от i-точки до аппроксимирующей функции, Хц Vi - координаты анализируемой точки, у = fix) - аппроксимирующая функция.

При обработке контуров плоских деталей обувной и швейной промышленности было введено понятие конструктивной точки первого порядка гладкости - точки, в которой/контур имеет вертикальную

или горизонтальную касательные. Выделение этих точек при обработке изображений плоских объектов облегчают дальнейшую математическую и программную обработку плоского контура.

Б третьей главе предложены разработанные и реализованные в системе способы математического моделирования контура плоского объекта. Разработан алгоритм аппроксимации зубчатообразного контура обводом первого порядка гладкости. Вместо традиционно используемых весовых функций "сшивания" для получения обвода первого порядка гладкости касательная, вычисленная на конце предыдущей дуги обвода, переводится в локальную систему координат следующей дуги. Кроме того, как дополнительное условие гладкости в точке стыка дуг используется принцип построения лекальных кривых. В работе рассмотрены все возможные случаи сочетаний точек, ограничивающих кромку, и условия, наложенные на аппркосимирующую кривую (рис.3). Приведены функционалы аппроксимации и формулы для вычисления коэффициентов аппроксимирующей функции для каждого случая. Данная методика имеет два преимущества: во-первых, простота реализации, во-вторых, в отличие от существующих методов моделирования гладких обводов полученный обвод имеет однородный состав информации, что существенно упрощает дальнейшую обработку контура по сжатию информации.

Рис.3. Различные условия аппроксимации при построении обвода первого порядка гладкости криволинейной кромки.

Робота многих_систем обработки плоского контура завершается

этапом его аппроксимации кривыми различных видов. Но для комплексного решения необходимо привести информацию к виду, пригодному для использования в системах автоматизированного проектирования и подсистемах геометрического моделирования.

Известно, что существующие системы геометрического моделирования имеют модули, позволяющие аппроксимировать сложные кривые ломаными. Разработанная нами методика аппроксимации обвода ломаными имеет преимущество перед существующими способами перезадания, так как она позволяет решать эту задачу не приблизительно, а точно.

Предлагаемое в диссертации решение способа перезадания обвода ломаными выполнено с использованием метода вспомогательных поляр, который позволяет выделить на окружности с радиусом £ точки, инцидентные общей касательной к обводу и окружности. Полученное с помощью метода вспомогательных поляр уравнение кривой ошибок для перезадания обвода, состоящего из дуг полиномов третьей степени вида

у = ап + а\х + а2?:г

и окружности радиуса к, равного величине допустимой погрешности с центром в точке С(хс>Ус) будет иметь следующий вид

5, I Ьу ± у' Ьу - 4ахСх

(,¿¡1 -с оз2л I- Заз:^) * X - -

£ах

У "

Ьу ± /ь7 - 4аусу

= О.

где ах, Ьх, сх и ау, Ьу, су - коэффициенты, позволяющие вычислить координаты х и у точки окружности, инцидентной общей касательной, соответственно.

ах - ау = (х - хс)г + (У ~ Ус)2, Ьх = 2Схс(у - ус) + ("х - хс) С/?2 +ХсХ ~ хсг)],

.. сх = [R2 + хсх - Xc2Jz - (R2 ~ хсг) (Ус ~ У)2, fcy = £[ус(х - хс) + СУ ~ Ус) (RZ +УсУ ~ Ус2)!, су = [Rz + ус.у - Ус7-]7' - (Rz - ycz) (хс - х)г.

Данное уравнение позволяет определить все точки касания на окружности и обводе. Построив общую касательную, искомая точка -конец отрезка ломаной находится как точка пересечения обвода и прямой, параллельной общей касательной и инцидентной центру окружности (рис.4).

Таким образом, информация приводится к компактному виду и занимает минимальный объем памяти. Такой же вид информации используется и при подготовке управляющих программ для обработки деталей, имеющих сложную форму, на оборудовании с ЧПУ. Известно, что интерполяторы Есех фрезерных станков с ЧПУ могут реализовывать движение рабочих органов как по прямым, так и по дугам окружностей. При этом в реальном производстве сложные контуры на оборудовании с ЧПУ, как правило, обрабатываются по ломаным по причине отсутствия надежных программ перезадания радиусографическим обводом. Поэтому существует необходимость разработки эффективной методики аппроксимации сложных кривых радиусографическим обводом. Такая задача была решена в рамках данной диссертационной работы.

Решение этой задачи основано на методике выделения из пучка окружностей, касающихся прямой в заданной точке, окружности, касающейся заданного обвода fix, у)

При решении данной задачи в работе получено уравнение

Ъ'ОьуЯу2 - -'fy'Cx.y) zxy = о,

позволяющее определить кривую ошибок только для пучка окружностей, касающихся оси х в точке (0,0). Для того, чтобы получить уравнение кривой ошибок для произвольной прямой с произвольной точкой касания на ней, необходимо воспользоваться преобразованием, координат. Тогда уравнения кривой ошибок пучка окружностей, касающихся произвольной прямой запишется

fx'fx, у;

xo-cos8

(sin2B - cosZd)[(у-уо)г-(х-хо)гЗ

2Г-(х - xq)siл8 + (у - yo)cosQJ

2(з1п2В + соз2в)(х - хо)(у - у а)

2[-(х - хо)з1пд + (у - у о) созв]

+31пв

(х - ХО)(со£в - з!гВ) +

+ (.У ~ уо) Гь-1г.е + созв,^ + Гу'(х,у) у - уо -31П0-Шп£в - СО503) С(у-уо) Сх-хо) г]+2(31п£в + СО320) Сх-хо) Су-уо)

2Е-(х - ХГ))31ГВ + (у ' Уо)йй&] созв |7х - л'о.) Ссояв - 51 гВ) - Су ~ уц)('з1л8 + соа8)]

где хо, уо ~ координаты точки касания окружности и прямой в глобальной системе координат., 9 - угол, образованный между осью ОХ и прямой, проходящей через эту точку и начало координат.

Здесь же получено уравнение кривой ошибок для построения общей касательной к функции, заданной б параметрическом виде и окружности радиуса к

Л' '."е+г.'ЗХП

уСиНХс+ИСОЗ

у! и! -Ус

- хСи) ~ХС

У (и/ "УС

хСи) -Хс

±агсьв

! у'ЕхСи) **+ [у 1 и) ~УсЗ

У £.Х( Щ -Хсм ""+¿14 Ш 'Ус-'

я

../.Л I г,

Полученное обобщенное уравнение позволяет вычислить для любых параметрических кривых, величины параметров , которые будут выделять на кривой точки , где ее будут касаться общие касательные.

Приведены примеры построения касательной окружности к эллипсу и произвольной прямой и методика перезадания обвода дугами окружностей.

Вычислительные эксперименты показали, что при перезадании

обвода ломаными (рис.5) информация по контуру сокращается в 15-20 раз, при перезадании обвода радиусографическим обводом информация сокращается еще в 2-2,5 раза (рис.6).

В четвертой главе представлена разработанная методика определения оптимальных условий съемки и оптимального порога бинаризации. При решении данной задачи была поставлена цель выявить влияние факторов, формирующих условия съемки, на точность восстановления форм плоских объектов, установить

степень их влияния на порог бинаризации.

Основной причиной проведения экспериментов по определению оптимальных условий съемки и разработки методики нахождения оптимального порога бинаризации явился тот факт, что контур исследуемого объекта определяется достаточно устойчиво при нескольких значениях величины порога бинаризации. Причем диапазон возможных порогов довольно большой. Понятно, что от

Рнс.4, Прореживание контура с заданной стрелкой прогиба.

Рнс.5. Перезадаяне обвода ломаной.

Рнс.б. Перезадание обвода радиусографическим об водой.

минимального к максимальному значению порога из рассматриваемого диапазона порогог размер объекта будет уменьшаться. Для того, чтобы найти оптимальный порог, при котором размер объекта на изображении максимально соответствовал бы реальному объекту были проведены исследования на кругах различных диаметров от 30 до 300 мм. Выбор в качестве исследуемого объекта круга обусловлен тем, что его можно изготовить и обмерить с высокой точностью к то, что он ограничивается простым контуром и имеет точку пркгязкк - центр круга. Съемки производились телевизионной камерой ?.7ГП-32, использовалась видеоплата У5-9 с разрешающей способностью 256x256 с 256 уровнями серого.

Для определения значимости факторов на величину погрешности восстановления контура окружности была проведена предварительная серия экспериментов. При определении погрешности массив точек контура, сформированный с учетом допустимой погрешности аппроксимировался окружностью. Разность между радиусом аппроксимирующей окружности и расстоянием от центра аппроксимирующей окружности до точек прореженного контура определяет величину погрешности (рис,7). Таким образом, для одного изображения круга на нескольких значениях порога определялись погрешности, из которых значения минимальной, максимальной и средней заносились в массив трех погрешностей. Эти массивы затем аппроксимировались кривей второго порядка. 5а оптимальный порог принималось то значение, при котором погрешность была минимальной. Как правило значение оптимального порога находилось на пересечении кривой, аппроксимирующей массив точек средних погрешностей с осью ОХ (рис.8). По приведенной методике определения оптимальных порогов были проведены исследования и получены следующие выводы:

- получен диапазон соотношения" линейных размеров кадра и объекта - в диапазоне от 0.35 до 0.75 погрешности ведут себя стабильно;

- при оптимальном пороге бинаризации освещенность и диафрагма не влияют на величину погрешностей;

- зависимость погрешности от диаметра и дистанции имеет линейный характер.

Получена следующая зависимость оптимального порога от этих же факторов. Величина оптимального порога значимо зависит от

Д= 1 - н

Рис.7. Погрешность восстановления контуров 1 - расстояние от точки до контура; Я - радиус реальной охружности; А - величина абсолютной погрешности.

Рнс.8. Определение оптимального порога бинаризации от средней погрешности. Кривая 1 - кахошапьная погрешность, кривая 2 - средни погрешность, кривая 3 - минимальная погрешность.

дистанции к освещенности (рис.9), и незначимо - от диаметра круга и диафрагмы (рис.10).

Кроме того, освещенность и диафрагма значительно влияют на диапазон порогов, который определяет "крутизну" кривых погрешностей, что в конечном итоге влияет на величину самой погрешности при неточном определении порога бинаризации.

Проведенные исследования позволили рззработать методику определения оптимальных условий съемки и получить математическую модель для определения величины погрешности от условий съемки.

Порог

200 150 100 60

г ' Г\ 3 с л

к £

/ г*-

Дт.ми

№0 750 850 1200 1500

1 - оекцеяиот 65 щ

2 - оседшвосп 100 /к

3 - осжщвшосп 400 ш

Порог

60 70 1М

Ьдафм» Б.8 ¡^дв4рюа40

Ндайапи 2.0 Дадегц мм

Рис.9. Зависимость оптимального порога от дистанции и освещенности.

Рис.10. Зависимость оптимального порога от диаметра и диафрагмы.

Заключительным этапом обработки изображении является распознавание. В рамках диссертационной работы разработана методика и система распознавания частично видимых плоских объектов. Решение данной задачи основывается на сравнении степени совпадения контуров распознаваемого и эталонного объектов. Как один из наиболее независимых от положения и ориентации объекта способов решения рассматривается сравнение контуров эталонного и распознаваемого объектов по криволинейным участкам и их совмещением контуров по точкам с одинаковой кривизной. Степень совпадения в 1-точке вычисляется с помощью колоколообразной функции (рис.11)

пП и

^ = ЕР+б? где О - параметр колоколообразной функции; - расстояние между контурами;

п - степень, варьируя этим параметром можно менять форму Функции;

Рис.11. Сравнение контуров совмещением в точках равной кривизны с использованием колоколообразной функции.

Просуммировав все . можно оценить степень близости контуров в целом. По приведенной зависимости видно, что чем ближе контура будут находиться друг к другу, тем большее число будет в сумматоре.

В качестве характеристики контура, используемого для их совмещения принята кривизна. Сложность ее использования заключается в том, что данная дифференциальная характеристика,

Рис. 12. Обработка эталонных изображений и графики радиусов кривизны контуров.

г

Рис.13. Вычисление радиусов кривизны в точках распознаваемого объекта.

Рис. 14. Результат распознавания частично видимых объектов.

вычисленная по криеой, являющейся математической моделью зубчатообразного контура имеет большие разбросы. Для уменьшения погрешности вычисления кривизны была проведена серия вычислительных экспериментов.

Исследования, проведенные по определению радиусов кривизны показали, что при их вычислении по кривой, аппроксимирующей исходный зубчатообразкый контур, могут возникнуть ошибки, которые не превышают 7%. Для сокращения ошибки вычисления радиусов кривизны, вблизи анализируемой точки М выполнялась аппроксимация кривизн, которые были рассчитаны е ближайших к точке М точка;':. Определение кривизны е точке М с аппроксимирующей кривой позволило сократить предельно возможный процент ошибок до 4*'.

Для распознавания с использованием информации по кривизне контуров предлагается следующая методика:

1. По контуру распознаваемой детали на середине видимых участков кромок вычисляются значения кривизн.

£. На графиках кривизн контуров эталонных объектов находятся течки, в которых значения кривизн совпадают с криБпзнои, Еычисленноп в анализируемой точке распознаваемого объекта.

5. Совмещаются распознаваемое изображение и эталонное. Совмещение проводится по точкам, имеющим одинаковую кривизну, по касательным и направлениям кривизн в этих точка;"'.;

- эталонные контура упорядочиваются по мере убывания числа з сумматоре характеризующем близость расположения контуров. Вероятность соответствия распознаваемого изображения конкретному эталонному тем выше, чем Еыше число в его сумматоре.

Обработка эталонных объектов показана на рис.12, обработка распознаваемого объекта - на рис.13, результат работы системы распознавания частично видимых объектов приведен на рис.14.

В диссертации приводятся результаты работы системы распознавания плоских объектов, на основе информации по кривизне контура из которых видно, что данную методику распознавания можно использовать на практике.

В приложении приводятся акты внедрения, подтверждающие возможность применения на практике результатов полученных в данной работе.

аШШЕНИЕ

Исследование и разработка методов восстановления распознавания плоских объектов сложной формы и их практическо использование в системе обработки цифровых изображений созданной в рамках диссертационной работы, позволили получит следующие основные научные и практические результаты:

1. Усовершенствована структура математического программного обеспечения. Ее практическая реализация позволил, улучшить технические характеристики системы технического зрени. по восстановлению и распознаванию плоских объектов.

2. Проведены исследования по методам и способам выделени: контуров на цифровых изображениях, на основе которых разработа] ряд модификаций, позволяющих улучшить характеристики систем п< надежности автоматического распознавания контура и ш правильному формированию массивов точек по их контурам.

2. Разработана методика моделирования однородного обвод; первого порядка гладкости с использованием принципа построена лекальных кривых, которая существенно упростила дальнейшая обработку контура.

4. Получены математические зависимости, позволяющие автоматически строить общие касательные к окружности I произвольной кривой, а также строить окружность, касающуюся двуз произвольных кривых с назначением точки касания на одной и: кривых. Это позволило разработать методы перезадания обвод; ломаной и радиусографическим обводом, которые позволяют увеличить производительность и качество обработки сложны) деталей на станках с ЧПУ.

5. Исследование точностных характеристик СТЗ позволим определить оптимальные условия съемки, разработать методику определения оптимального порога бинаризации.

6. Разработан метод распознавания частично видимых плоски? объектов, основанный на сравнении степени совпадения контури объектов с помощью колоколообразной функции и базирующийся нг предложенном в работе способе вычисления кривизны контуров пс зубчатообразному контуру.

7. Разработанные методы и теоретические выкладки позволяют расширить функциональные возможности робототехнически> комплексов; создать программно-технические комплексы оцифровю деталей сложной формы и их распознавания.

Список работ, опубликованных по теме щссертацци.

1. ЯамлнноБЗ Т.Д., Найханов Б.В. Корректировка массива угловых точек, сформированного СТЗ при вводе в ЭВМ информации по контуру плоской детали // Научно-методический сборник докладов семинара по организации Всероссийского конкурса учащихся и студентов по черчению и компьютерной графике "Совершенствование подготовки учащихся и студентов в области графики, конструирования и стандартизации". - Саратов.: СГ7У,

* ппр п РГ\ р Л

2. Дамдинова Т.П.,Цьшыпов П.Ц.,Кузьменко Д.В. Повышение точности распознавания контуров системами технического зрения на основе анализа яркости граничных точек изображения // Сборник тезисов Российской научно-практической конференции "Образование в условиях реформ: опыт, проблемы, научные исследования".- г. Кемерово,1997.

3. Дамдинова Т.П. Определение точности выполнения аппроксимации массива точек <■ ' Сборник докладов всероссийской научно-технической конференции "Роль геометрии в искусственном интеллекте и САПР".- г.Улан-Удэ, 1995.-С.117-118.

4. Дамдинова Т.П. Распознавание плоских объектов по их цифровым изображениям •■'/ Сборник докладов Всероссийской научно-технической конференции "Роль геометрии в искусственном интеллекте и САПР".- г.Улан-Удэ, 1996.-С.54-55.

5. Жимбуева Л.Д., Найханов В.В., Дамдинова Т.Д. Исследование влияния размеров объекта, дистанции, освещённости и диафрагмы на величину оптимального порога // Сборник докладов Всероссийской научной конференции:Роль геометрии в

искусственном интеллекте и САПР, ВСГТУ, Улан-Удэ, 1996.-С.23-31.

5. Найханов В.В., Дамдинова Т.Д. Способ формирования обвода первого порядка гладкости по массиву точек методом аппроксимации // Сборник докладов Всероссийской научной конференции "Роль геометрии в искусственном интеллекте и САПР", ВСГТУ, Улан-Удэ, 1996, С.65-69.

7. Найханов В.В., Дамдинова Т.Д. Перезадание обвода дугами

ОКру'ЖКОСТеИ, БЫДсЛвККЫХ ПО МеТОДу КрИВЫХ ОШИиОК // СбирНИ; докладов Всероссийской научной конференции "Роль геометрии : искусственном интеллекте и САПР". ВСГТУ, Улан-Удэ, 1996.-С.100-104.

8. Найханов В.В., Дамдинова Т.Д. Перезадание обвода массиво1 точек с учётом заданной стрелки прогиба // Сборник научны: трудов, серия:Технические науки, вып.З, Улан-Удэ:ВСГТУ, 1996.- С.160-164.

9. Найханов В.В., Дамдинова Т.Ц. Перезадание обвода дугам! окружностей, состыкованных по первому порядку гладкости /, Сборник научных трудов, серия:Технические науки, вып.3: Улан-Удэ .-ВСГТУ, 1996,- С.155-160.

10.Найханов В.В., Дамдинова Т.Ц. Разбиение функции яркости н; три уровня // Сборник тезисов докладов межгосударственно! научной конференции "Геометрические вопросы САПР", Улан-Удэ, 1993.- С.30.

11.Найханов В.В., Дамдинова Т.Д. Определение координат точек, принадлежащих контуру плоского объекта с учётом "серых' пикселей // Сборник тезисов докладов межгосударственно! научной конференции "Геометрические вопросы САПР", Улан-Удэ,1993.- С.54-55.

12.Найханов В.В., Дамдинова Т.Д., Жимбуева л.Д. Влияние условш съемки на точность восстановления форм объектов системам! технического зрения // Красноярск, КГТУ, Нейроинформатика : ее приложения. Тезисы докладов, Красноярск, КГТУ, 1996, с.65,

13.Найханов В.В., Жимбуева Л.Д., Дамдинова Т.Ц. Методик; определения оптимального порога при исследовании точностны: характеристик СТЗ // Сборник научных трудов, серия Технические науки, вып.З, Улан-Удэ: ВСГТУ, 1995, с.59-64.

14.Якунин В.И., Найханов В.В., Дамдинова Т.Ц. Применение СТЗ дл! автоматизации ввода в ЭВМ информации по контурам плоски деталей сложной формы // Научно-методический сборник докладов семинара по организации Всероссийского конкурса учащихся I студентов "Совершенствование подготовки учащихся и студенти в области графики, конструирования и стандартизации". Саратов, СГТУ, 1996, с.50-52.

15.Якунин В.И., Найханов В.В., Дамдинова Т.Ц. Состав и структур«

программного обеспечении обработки информации, введенной в ЭВМ на- базе СТЗ по контурам плоских деталей // Научно-методический сборник докладов семинара по организации Всероссийского конкурса учащихся и студентов "Совершенствование подготовки учащихся и студентов в области графики, конструирования и стандартизации". - Саратов.: СГТУ,

1SS5,

50-52

lô.Naikhanov V.V., vision system of the Fifth Graphics arid P.298-301.

Damdinova T.Ts., Zhirnbueva L.D. A machine for accurate object description / Proceedings International Conference on Computational Visualization Techniques.- Paris, 1996.-