автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Организация вычислительного процесса обработки изображений в системе технического зрения робота на базе микроЭВМ

ВВЕДЕНИЕ.

ГЛАВА I. ОСНОВНЫЕ ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМ

ТЕХНИЧЕСКОГО ЗРЕНИЯ РОБОТОВ. II

§ I.I. Алгоритмы визуального очувствления роботов.

§ 1.2. Аппаратно-программные средства и организация вычислительных процессов в системах технического зрения роботов.

Цели диссертационной работы.

ГЛАВА П. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНТЕГРАЛЬНЫХ МЕТОДОВ АНАЛИЗА КОНТУРНЫХ ИЗОБРАЖЕНИЙ В СИСТЕМЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ РОБОТА.

§ 2.1. Интегральные классифицирующие характеристики.

§ 2.2. Система признаков для частного случая преобразования сдвигов и поворотов.

§ 2.3. Метод определения ориентации объектов.

Выводы.

ГЛАВА Ш. ВЫЧИСЛИТЕЛЬНЫЕ АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ И СТРУКТУРНАЯ ОРГАНИЗАЦИЯ ВЗАИМОДЕЙСТВИЯ АППАРАТНО-ПРОГРАММНЫХ МОДУЛЕЙ СИСТЕМЫ ТЕХНИЧЕСКОГО

ЗРЕНИЯ РОБОТА.

§ 3.1. Разработка и исследование алгоритмов восприятия и анализа видеоинформации.

§ 3.2. Аппаратный блок системы технического зрения.ЮЗ

§ 3.3. Программное обеспечение.III

Выводы. . 1^

ГЛАВА 1У. РЕАЛИЗАЦИЯ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ АДАПТИВНОГО

РОБОТА.

§ 4.1. Исследование аппаратно-программных модулей системы.

§ 4.2. Экспериментальное исследование свойств системы.

Выводы.

ЗАКЛЮЧЕНИ Е.

ЛИТЕРАТУР А.

Актуальность проблемы. В настоящее время большинство существующих промышленных роботов работают по жестким программам, что требует предварительной организации полностью упорядоченной рабочей среды. В условиях выпуска средних и мелких серий изделий применение жесткопрограммируемых роботов из-за этого часто оказывается затруднительным. Поэтому в нашей стране и за рубежом большое внимание уделяется проблеме создания адаптивных роботов, снабженных средствами очувствления и способных на основе сенсорной информации в реальном времени корректировать свои действия в соответствии с изменяющимися условиями работы. Одно из главных мест в структуре таких роботов отводится системам технического зрения. Вопросам обработки зрительной информации в литературе уделяется достаточно много внимания. Однако специфика робо-тотехнических задач, требующая обработки больших объемов видеоинформации (изображений размером 128x128 элементов и более) в реальном времени (с циклом порядка I с) при реализации вычислительных процессов на доступных и сравнительно недорогих микроэвм, затрудняет использование традиционных методов цифровой обработки изображений, для которых временные ограничения не являются столь жесткими.

Важной производственной задачей, требующей средств ответвления, является автоматическое упорядочение неориентированных деталей. Ее решение необходимо для автоматизации таких операций, как кассетирование, сортировка деталей, комплектация компонент для сборки и т.п. В функции системы технического зрения здесь входит определение типа детали, ее положения и ориентации. Вы-цускаемые системы технического зрения работают лишь со сравнительно узкими классами объектов, что сильно ограничивает область применимости подобных систем. Такая ситуация во многом объясняется жесткой специализацией или вычислительной сложностью известных алгоритмов обработки видеоинформации, а также недостаточной эффективностью аппаратно-программных средств, реализующих вычислительные процессы. В связи с этим актуальна задача создания эффективных методов обработки зрительной информации, работоспособных в возможно более широкой области практических ситуаций, и адекватной организации вычислительных процессов, реализующих эти методы в реальном времени на микроЭБМ.

Целью работы является разработка методов организации вычислительных процессов в системе технического зрения адаптивного робота для работы с неориентированными деталями и создание алгоритмического и аппаратно-программного обеспечения, реализующего эти процессы в реальном времени на микроЭВМ. Для достижения этой цели требуется решить следующие основные задачи:

1. Разработать и теоретически обосновать методы организации на микроЭВМ процесса анализа видеоинформации применительно к задаче определения типа, положения и ориентации объектов на рабочей плоскости.

2. На этой теоретической основе разработать алгоритмы и аппаратно-программные средства управляемого ввода, целенаправленного отбора и обработки зрительной информации, поступающей от стандартной телекамеры, и провести макетирование аппаратного блока, работающего совместно с микроЭВМ "Электроника-60м.

3. Провести исследование предложенных алгоритмов и аппаратно-программных средств путем машинного моделирования и в экспериментах по очувствлению серийного промышленного робота ТУР-10 при работе с реальными промышленными деталями.

Научная новизна. В диссертации предложены и исследованы методы организации процесса обработки видеоинформации в системе технического зрения робота, позволяющие расширить функциональные возможности и улучшить технические характеристики системы, а также разработаны алгоритмы и аппаратно-программные средства, реализующие эти методы в реальном времени на микроЭБМ "Электроника 60". В частности, разработаны и теоретически обоснованы методы анализа изображений, отличающиеся однородностью вычислительных операций и допускающие эффективную реализацию в реальном времени; для повышения быстродействия системы и снижения требований к ресурсам микроЭВМ разработан метод целенаправленного отбора видеоинформации, ориентированный на предложенные алгоритмы анализа и позволяющий резко сократить объем перерабатываемых данных; теоретически, а также путем имитационного моделирования и экспериментально показано, что разработанная на основе предложенных методов и алгоритмов система технического зрения позволяет эффективно решать задачу классификации неупорядоченных деталей и определения их положения и ориентации, не замедляя темпа работы манипуляционного робота.

Методы исследования. Работа выполнена с применением методов вычислительной математики, теории дифференциальных уравнений, теории распознавания образов, методов проектирования цифровых автоматов. Проверка теоретических результатов и разработанных аппаратно-программных средств проводилась методами машинного и полунатурного моделирования.

Практическая ценность. Результаты диссертационной работы позволяют решать важные задачи, возникающие при создании систем технического зрения роботов, такие как автоматическое формирование классифицирующих признаков, определение ориентации объектов на рабочей плоскости независимо от их свойств симметрии, обеспечение устойчивости работы системы к изменениям условий освещения. Разработанные алгоритмы и аппаратно-программное обеспечение, ориентированное на микроЭВМ "Электроника 60", могут быть использованы при создании зрительных систем адаптивных промышленных роботов для работы с неупорядоченными деталями в гибких автоматизированных производствах.

Достоверность научных положений и выводов подтверждена аналитически, результатами имитационного моделирования, а также данными полунатурных экспериментов на робототехническом комплексе с разработанной системой технического зрения.

Реализация результатов. Разработанные алгоритмы и техническая документация по аппаратной части системы технического зрения переданы в МНПО "Спектр" для использования при разработке аппаратно-программного обеспечения серийных датчиков и в НПО "Технопри-бор", где они используются при создании адаптивных робототехни-ческих комплексов для операций по упорядочению неориентированных деталей. Ожидаемый экономический эффект от внедрения переданных разработок составляет в сумме 61 тыс.руб. в год.

Разработанные алгоритмы и программы обработки изображений используются во ЕНИКИ СЧПУ при ПО "ЛЭМЗ" для расширения серийного программного обеспечения устройства числового программного управления УКМ-772, что позволит применять его для управления промышленными роботами в адаптивном режиме в комплексе с техническим зрением. Ожидаемый экономический эффект - 33 тыс.руб. на партию из 100 устройств.

Полученные в диссертации теоретические и практические результаты применены при разработке и создании робототехнического комплекса со зрением на базе серийного робота ТУР-10. Комплекс успешно демонстрировался на Международной выставке "Автоматиза-ция-83" и в настоящее время используется в Институте проблем управления для машинного моделирования и полунатурных исследований адаптивных робототехнических систем.

Использование результатов диссертационной работы подтверждено актами о внедрении.

Апробация работы. Основные результаты работы докладывались на П Всесоюзном совещании по робототехническим системам (г.Минск,

1981 г.), на I Всесоюзной конференции "Автоматизированные системы обработки изображений" (г.Москва, 1981 г.), на П Международной конференции по искусственному интеллекту и сенсорно-управляющим системам роботов (ЧССР, Смоленице, 1982 г.), на Всесоюзной научно-технической конференции "Адаптивные роботы-82" (г.Нальчик,

1982 г.), на IX Всесоюзном совещании по проблемам управления (г.Ереван, 1983 г.), на П Всесоюзной научно-технической конференции молодых ученых и специалистов приборостроительной промышленности (г.Москва, 1983 г.), на Московской городской конференции "Информатика, вычислительная техника, автоматизация в науке и технике, в народном хозяйстве" (г.Москва, 1983 г.), на Всесоюзном семинаре "Гибкие автоматизированные производства и роботы" (г.Суздаль, 1984 г.), на Ш Всесоюзном совещании по робототехническим системам и гибким автоматизированным производствам (г.Воронеж, 1984 г.), на Всесоюзном семинаре "Механика и управление движением роботов с элементами искусственного интеллекта" (г.Москва, МГУ, 1984 г.), на конференциях молодых ученых и специалистов Института проблем управления в I980-1981 гг.

Публикации, структура диссертации. По материалам диссертации опубликовано одиннадцать печатных работ и получено авторское свидетельство на изобретение. Диссертационная работа изложена на 146 стр. основного текста, состоит из введения, четырех глав и заключения и содержит 40 рис., 2 приложения и список литературы из 102 наименований.

ВЫВОДЫ

I. На основе результатов машинных экспериментов показано, что предложенные алгоритмы обработки изображений в системе технического зрения робота удовлетворяют поставленным требованиям.

2. Показано, что предложенный алгоритм автоматического выбора порога бинаризации обладает большей помехоустойчивостью, чем известные алгоритмы, работающие в реальном времени.

3. Разработана методика экспериментального выбора подынтегральных (функций в выражениях для признаков. Выбранные на основе этой методики функции обеспечивают уверенное различение близких по форме и размерам объектов и эффективно реализуются в реальном времени на микроЭВМ.

4. Проведена экспериментальная проверка точностных характеристик алгоритма определения ориентации объектов. Показано, что разработанный алгоритм обеспечивает точность определения ориентации 1-3°, что достаточно для правильного захвата деталей промышленным роботом ТУР-10.

5. Произведена оценка влияния алгоритма целенаправленного отбора контурных точек на скорость анализа видеоинформации, точность локализации объектов и надежность их классификации. Показано, что предложенный алгоритм позволяет существенно повысить скорость обработки, не ухудшая качественных показателей системы,

6. В полунатурных экспериментах на моделирующем комплексе на базе ГВС "Русалка" и на робототехническом комплексе с роботом ТУР-10 и телекамерой с датчиком типа "Видикон" исследованы алгоритмы функционирования системы в целом. Показано, что предложенные алгоритмы обеспечивают уверенную классификацию промышленных деталей и определение их положения с точностью: по координатам геометрического центра - до 0,5% от размера поля зрения; по углу ориентации - 1-2°;

При этом характерное время цикла составляет 0,8-1,2 с.

7. Выявлены области наиболее эффективного применения двух предложенных алгоритмов для случаев одиночных объектов и нескольких изолированных объектов, где они решают поставленную задачу в реальном времени.

8. Экспериментальное исследование помехоустойчивости системы показало, что предложенный способ организации распределенного управления ходом вычислительного процесса позволяет добиться работоспособности системы даже в условиях значительных помех, связанных с изменением условий освещения. При этом система не выходит за рамки реального времени, задаваемые скоростными характеристиками робота ТУР-10.

ЗАКЛЮЧЕНИЕ

1. На основании критического обзора литературы сформулирована задача создания аппаратно-программных средств и алгоритмического обеспечения вычислительной части системы технического зрения адаптивного робота на базе микроЭВМ.

2. Предложена организация вычислительных процессов обработки изображений на микроЭВМ, обеспечивающая работу системы технического зрения в реальном времени за счет целенаправленного отбора видеоинформации в контурах обратных связей, асинхронности работы модулей и распределенности управления ходом вычислительного процесса.

3. Для эффективной реализации на микроЭВМ вычислительных процедур обработки видеоинформации разработаны и теоретически обоснованы методы анализа изображений, отличающиеся однородностью вычислительных операций и применимые к широкой номенклатуре промышленных деталей.

4. Предложен метод целенаправленного отбора зрительной информации, позволяющий значительно сократить объем вычислений и повысить устойчивость процесса классификации объектов к ошибкам дискретизации изображения.

5. Для повышения помехоустойчивости системы при изменениях условий освещения разработаны средства автоматического выбора порога бинаризации видеосигнала на основе анализа гистограммы яркости.

6. Разработано устройство управляемого ввода зрительной информации в микроЭВМ "Электроника-60И со стандартной телекамеры, обеспечивающее повышенную скорость и гибкость ввода. На данное устройство получено авторское свидетельство.

7. Разработано проблемно-ориентированное программное обеспечение, базирующееся на предложенных алгоритмах и позволяющее в реальном времени определять тип, положение и ориентацию изолированных неупорядоченных объектов.

8. В полунатурных экспериментах на робототехническом комплексе с типичными промышленными деталями продемонстрирована практическая работоспособность и эффективность разработанной системы. Показано, что система однозначно классифицирует близкие по форме и размерам промышленные детали и определяет их положение и ориентацию на рабочей плоскости за время порядка I с.

9. Разработанные алгоритмы и программы переданы в ряд организаций для использования при создании адаптивных робототехничес-ких комплексов, предназначенных для работы с неупорядоченными деталями. Технико-экономический эффект от использования переданных разработок подтвержден актами о внедрении.

1. Автоматизация анализа и распознавания изображений: методы и средства. - Рига: Зинатне, 1979, вып.1, 259 с.

2. Александров В., Платонов А. и др. Алгоритмы и системы восприятия роботов. В сб.: Представление знаний в человеко-машинных и робототехнических системах, т.Д., М.: ВЦ АН СССР, ВИНИТИ, 1984, с.139-194.

3. Ануашвили А.Н., Глотов А.К., Краснов А.Е. и др. Оптоэлектрон-ная система опознавания формы и пространственных параметров объектов. В сб.: Республ.конф. "Вопросы вычислительной техники": Тез.докл. - Тбилиси: НПО "Элва", 1979, с.190-193.

4. Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов. М.: Наука, 1971, 192 с.

5. Беломестнов Е.М. Обработка изображений в оптоэлектронных полупроводниковых приборах на основе распределенных структур. В кн.: Применение оптоэлектронных приборов в системах контроля и управления. - М.: МДНТП, 1978, с.27-32.

6. Вопросы теории роботов и искусственного интеллекта, /ред. В.И.Рыбак. Киев: ИК АН УССР, 1976, 102 с.

7. Глотов А.К., Краснов А.Е. Операторный метод обработки изображений. В сб.: Всесоюзн. семинар "Специализированные процессоры": тез.докл. Киев: Институт электродинамики АН УССР, 1980, с.65.

8. Денисов В.М. и др. Принципы организации систем обработки изображений на базе клеточной логики. Зарубежная радиоэлектроника, 1984, № I, с.3-25.

9. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976, 420 с.

10. Завалишин Н.В., Мучник И.В. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974, 344 с.

11. Зотов В.Д. Полупроводниковые приборы для восприятия оптической информации. М.: Энергия, 1976

12. Ибрагимов Н.Х. Группы преобразований в математической физике. М.: Наука, 1983, 280 с.

13. Интегральные роботы. / ред. Г.Е.Поздняк. М.: Мир, 1973, вып. I, 421 с.

14. Интегральные роботы, /ред. Г.Е.Поздняк. М.: Мир, 1975, вып. 2, 528 с.

15. Кузьмин С.А. Интегральные инварианты для классификации объектов в системе технического зрения роботов. В кн.: Методы исследования нелинейных систем управления. - М.: Наука, 1983, с.177-182.

16. Кузьмин С.А. Критерий отбора информации в зрительной системе адаптивного промышленного робота. В сб.: Тез.докл. Всесоюз. научно-технической конференции "Адаптивные роботы-82". - Нальчик: ЦПНТО приборостроительной промышленности, 1982, с.58-60.

17. Кузьмин С.А., Петров А.А. Алгоритмы с распараллеливанием вычислений в информационно-управляющих системах роботов. В кн.:

18. Микропроцессорные системы управления в робототехнике. М.:1. Наука, 1984, с.68-76.

19. Кузьмин С.А. Алгоритм управляемого ввода и обработки сенсорной информации для манипуляционного робота. В кн.: Детерминированные и стохастические системы управления. - М.: Наука, 1984, с. 114-120.

20. Кузьмин С.А. Аппаратно-программное обеспечение системы технического зрения промышленного робота. П Всесоюзная конф.мо-лодых приборостроителей: тез.докл. - М.: ЦНИИТЭИ приборостроения, 1983, с.1-2.

21. Авторское свидетельство СССР № II09728. Устройство для ввода информации в ЭВМ. /Кузьмин С.А. Б.И., 1984, № 31.

22. Кузьмин С.А., Петров А.А. и др. Система адаптации робота для работы с неориентированными деталями. В сб.: DC Всесоюзное совещание по проблемам управления: Тез.докл. - Ереван: ноябрь 1983, с.246.

23. Меро Л., Васси 3. Упрощенный и ускоренный вариант оператора Хюккеля для оптимального нахождения перепадов в изображениях. В сб.: Труды 1У Межд.объединенной конф. по искусственному интеллекту, Тбилиси,1975. - М.: АН СССР, 1975, т.8, с.858-871.

24. Мишкинд С.И. Системы технического зрения для автоматизации машиностроительного производства. Обзор С-6-3."Технология металлообрабатывающего производства". М.: НИИМАШ, 1982, 88 с.

25. Моравец Х.П. Тележка Стэнфордского Университета и ровер Университета Карнеги-Меллона. ТИИЭР, т.71, 1983, № 7, с.112-128.

26. Овсяников Л.В. Групповой анализ дифференциальных уравнений. М.: Наука, 1978.

27. Петров А.А. Алгоритмическое обеспечение информационно-управляющих систем адаптивных роботов (алгоритмы технического зрения роботов). Итоги науки и техники, серия "Техническая кибернетика", т.17. М.: ВИНИТИ, 1984, с.251-292.

28. Петров А.А., Кузьмин С.А. Метод обработки силуэтных изображений в гибридной информационно-управляющей системе манипуля-ционных роботов. В сб.: I Всесоюзная конф. "Автоматизированные системы обработки изображений": Тез.докл. - М.: Наука, 1981, с.58-59.

29. Петров А.А., Кузьмин С.А. Восприятие сенсорных образов в информационно-управляющей системе робота. Preprints of 2-nd Int. Conf. on Artificial Intelligense and Information-control Systems of Robots, oct. 1982; - Smolenice, CSSK, 1982,p. 181-184.

30. Платонов А.К., Соколов С.М. Системы сбора и алгоритмы первичной обработки фотометрической информации. М.: препринт ИПМ АН СССР, 1979, № 87, 34 с.

31. Попов В.П. и др. Сравнительная оценка систем различения изображений и определения угловой ориентации. В кн.: Применение промышленных роботов и манипуляторов на транспортно-складских и перегрузочных работах в XI пятилетке. - Л.: 1981, с.38-46.

32. Прэтт У. Цифровая обработка изображений. М.: Мир, 1981,790 с.

33. Психология машинного зрения /ред. П.Уинстон, М.: Мир,1. У 1978, 344 с.

34. Рид М., Саймон Б. Методы современной математической физики, т.2. Функциональный анализ. М.: Мир, 1977, 357 с.

35. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. М.: Мир, 1972, 230 с.

36. Соколов С.М. Алгоритмы сбора и обработки фотометрической информации для получения описания объектов, находящихся в поле зрения фотометрической системы. М.: препринт ИПМ АН СССР, 1980, № 98, 30 с.

37. Соколов С.М. Система обработки изображений с малым разрешением в комплексе сборочного робота. В сб.: "Проблемы машинного видения в робототехнике" /ред. Д.Е.Охоцимский. - М.: ИПМ АН СССР, 1981, с.120-130.

38. Соколовский Ф.П. Анализ существующих систем очувствления роботов. Сб. трудов НИАТ, № 386. - М.: НИАТ, 1978, с.34-40.

39. Степанов В.В. Курс дифференциальных уравнений. М.: Физмат-гиз, 1959, 468 с.

40. Тимофеев А.В. Системы инвариантного опознавания и их реализация методами когерентной и некогерентной оптики. Известия АН СССР, Техническая кибернетика, 1971, № 6, с.155-164.

41. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978, 344 с.

42. Тхабесимов Д.К., Усиков Д.А. Определение полной системы ин-вариантовффункций относительно группы движений плоскости в задачах распознавания изображений. М.: препринт ИКИ АН СССР, № 491, 1979, 14 с.

43. Уокерли Дж. Архитектура и программирование на микроЭВМ. -М.: Мир, 1984, кн.1, 486 с.

44. Хгоккель М. Оператор нахождения контуров на кодированных изображениях. В кн.: Интегральные роботы, вып. I /ред.Г.Е.Позд-няк. - М.: Мир, 1973, с.225-240.

45. Центральный процессор М2. Техническое описание и инструкцияVпо эксплуатации. Эксплуатационные документы 3.858.382. ТО. Воронеж: ЦНИИ "Электроника", 1982, 220 с.

46. Шведов A.M., Шмидт А.А., Якубович В.А. Инвариантные системы признаков в распознавании образов. Автоматика и телемеханика, 1979, № 3, с.131-142.

47. Allan R. Buzy robots spur productivity. IEEE Spectrum,1979, Ш 9, P.31-36.

48. Bribiesca E., Guzman A. How to describe pure form and how to measure differences in shape using numbers. Pat. Recog., v.12, № 2, 1980, p. 101-112.

49. Bribiesca E. Arithmetic operation among shapes using shape numbers. Pat. Recog., 1981, v. 13, № 2, p. 123-137.

50. Britanak V., et al. A modular vision system for inspection, material handling and assembly. ihs 2 Int. Conf. on Artificial Intelligence and Information-control systems of Robots, oct. 1982: Preprints of papers. - Smolenice, CSSE, 1982, p. 24-29.

51. V55. Carlisle В., et al. The PUMA/US-100 robot vision system. -In: Eroc. 1-st Int. Conf. on Robot Vision and Sensory Controls, april 1-3, 1981, Stratford-upon-Avon, p.149-160.

52. Freeman H. Shape description via the use of critical points. In: Proc. Conf. Pat.recog. and image processing, IEEE pub., 77CH1208-9 C, 1977, p. 168-174.59* Fu K.S. Syntactic methods in pattern recognition. Academic Press, N.Y., 1974.

53. Fu K.S., Mui J.K. A survey of image segmentation. Pat. Recog., 1981, v. 13, p. 3-16.

54. Gini G., Gini M. A portable system for 2D vision. Dev. Robotics, 1983, Kempston, Amsterdam, 1983, p. 151-160.

55. Gonzalez R.C., Thomason M.G. Syntactic pattern recognition: an introduction. Addison-Wesley, Reading, Mass., 1978.

56. Gonzalez R.C., Safabakhsh R. Computer vision techniques for industrial applications and robot control. Computer, 1982, v. 15, K2 12, p. 17-32.

57. Haralic R.M., et al. Textural features for image classification. IEEE Trans. Sys., Man and Cybern., 1973, v.SMC-3, Ж 6, p. 610-621.

58. Hewkin P.P., Phil A.B. OMS Optoelectronic measurementsystem. In: Proc. 1st International Conf. on Robot Vision and Sensory Control, Stanford-apon-Avon, april 1-3, 1981, p. 313-322.

59. Hu M.Iv. Visual pattern recognition by moment invariants. -IEEE "Trans, on Inform. Theory, V. IT-8, 1962, p. 179-187.

60. Iscoff R. Robots on the line: an overview. Electron. Packag. and Prod., 1983, v. 23, N! 4, p. 48-54.

61. Jarvis P.J. Research directions in industrial machine vision: a workshop summary. Computer, 1982, Ni 12, p. 55-61.

62. Katz J. Pattern recognition of meteorological satellite cloud photografy. In: Proc. 3-& Sump. Remote Sensing of Envirement. - Inst, of sci and technology, Univ. of Michgan, 1965, p. 173-214.

63. Ogiwara M., Application of television technology to industrial robots. Technocrat, 1983, v. 16, № 9, p. 8-17.

64. Pavlidis T. Linear and context-free graph, J.ACM, 1972, v. 19, Ш 1, p. 11-22.

65. Pavlidis T. Structural pattern recognition. Springer-Verlag, New York, N.Y., 1977.

66. Perkins W.A. Simplified model-based part locator. Proc. 5-th Int. Joint Conf. on Pattern Recognition, 1980, p.260-263.

67. Richard C.W., Hemani H. Identification of three-dimensional objects using fourier descriptors of the boundary curve.- IEEE (Trans. Sys., Man, Cybern., 1974, v. SMC-4, Ni 4, P. 371-378.

68. Rosen C.A. Machine vision and robotics: industrial requirements. In: Computer Vision and Sensor-based Rovots, H.Y.London, Plenum Press, 1979, Р» 3-20.

69. Rosen C.A., G-leason G.L. Evaluating vision system performance. Robotic Today, 1980, Fall issue, p. 23-27.89* Rosenfeld A. Image processing and recognition. Advances in computers, 1979, v. 18. - Academic Press, N.Y., p. 1-58.

70. Sadiadi F.A., Hall E.L. Three-dimensional moment invariants.- IEEE Trans. PAMI, 1980, v. PAMI-2, № 2, p. 127-136.

71. Schlussel K. Robotics and artificial intelligence across atlantic and pacific. IEEE Trans, on Ind. Electronics, 1983, v. 30, M 3, p. 244-251.

72. Computer Graphics and processing, 1978, v. 7, Ni 2, p. 259-265.

73. Weszka J.S., et al. A threshold selection technique. -IEEE Trans. Сотр., 1974, v. C-23, p. 1322-1326.

74. Zahn C.T., Roskies R.Z. Fourier descriptors for plane closed curves. IEEE Trans. Computers, 1972, v. C-21, p.269-281.

75. Zucker S.W. Region growing: childhood and adolescence. -Computer Graphics and Image Processing, 1976, v. 5,p. 382-399.