автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка локомотивной системы технического зрения

кандидата технических наук
Иванов, Юрий Анатольевич
город
Москва
год
2015
специальность ВАК РФ
05.13.01
Автореферат по информатике, вычислительной технике и управлению на тему «Разработка локомотивной системы технического зрения»

Автореферат диссертации по теме "Разработка локомотивной системы технического зрения"

На права^рукописи

Иванов Юрин Анатольевич

РАЗРАБОТКА ЛОКОМОТИВНОМ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ

05.13.01 - Системный анализ, управление и обработка информации (транспорт)

(АР 2015

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2015 г.

005560785

005560785

Работа выполнена на кафедре «Информационно-управляющие комплексы летательных аппаратов» федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Московский авиационный институт (национальный исследовательский университет)» МАИ.

Научный руководитель: кандидат технических наук, профессор

Ким Николай Владимирович

Официальные оппоненты:

Бахвалов Лев Алексеевич, доктор технических наук, профессор, федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский технологический университет «МИСиС», кафедра «Интеллектуальные системы управления», профессор.

Неваров Павел Анатольевич, кандидат технических наук, доцент, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный университет путей сообщения», кафедра «Железнодорожная автоматика, телемеханика и связь», доцент.

Ведущая организация: федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный технический университет имени Н.Э.Баумана».

Защита состоится «15» апреля 2015 года в 15 часов. 00 мин. На заседании диссертационного совета Д 218.005.07 при Московском государственном университете путей сообщения по адресу 127994, г. Москва, ул. Образцова, д.9, строение 9, ауд. 2505.

С диссертацией можно ознакомиться в библиотеке федерального государственного бюджетного учреждения высшего . профессионального образования «Московский государственный университет путей сообщения» и на сайте www.miit.ru.

Автореферат разослан «4» марта 2015 г.

Учёный секретарь

диссертационного совета Горелик Александр Владимирович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Возрастание сложности организации железнодорожного движения и имеющиеся факты нарушений локомотивными бригадами правил транспортной эксплуатации требуют разработки новых автоматических и полуавтоматических средств контроля и управления подвижным составом с целью повышения безопасности движения. На данный момент технические разработки в области автоматических и полуавтоматических систем контроля состояния напольных железнодорожных устройств не позволяют полностью исключить отказы передающей и приёмной аппаратуры и ошибки в принимаемой информации. Так, существующие методы фильтрации помех кодированного электрического сигнала не обеспечивают исключение потерь полезной информации, которая передаётся по рельсовой цепи от напольных устройств. Кроме того, влияние намагниченных рельсов и электромагнитные наводки от внешних источников могут стать причиной сбоев при работе системы автоматической сигнализации (АЛС). Одним из направлений, связанных с повышением безопасности движения, является расширение функциональных возможностей аппаратуры комплексного локомотивного устройства безопасности за счет установки на локомотив программно-аппаратного комплекса локомотивной системы технического зрения (ПАК ЛСТЗ).

В данной работе рассматривается возможность реализации функций автоматического видеоконтроля в составе аппаратуры комплексного локомотивного устройства безопасности:

1. Обнаружение и распознавание световой сигнализации;

2. Обнаружение посторонних объектов на пути следования локомотива.

Разработка и внедрение ПАК ЛСТЗ позволит снизить влияние

«человеческого фактора» в контуре управления локомотивом и в комплексе с

АЛС увеличит безопасность передвижения на железных дорогах. Применение

технологий компьютерного зрения в ПАК ЛСТЗ основано на приеме и

3

автоматической обработке информации о состоянии окружающей среды, которая принимается устанавливаемой на локомотиве видеоаппаратурой. ЛСТЗ позволит круглосуточно автоматически проводить анализ видеоинформации, в частности, при решении задач контроля показаний напольных железнодорожных устройств, с целью обеспечения безопасности движения локомотива.

Разработка алгоритмов автоматической обработки и анализа видеоинформации для контроля железнодорожных напольных устройств связана с необходимостью решения ряда сложных научно-технических задач. В частности, необходимо обеспечить требуемый уровень допустимых ошибок обнаружения посторонних объектов на рельсах, а также наличия светофора и распознавание его сигнала в неопределенных и изменяемых условиях функционирования при воздействии различных дестабилизирующих факторов.

Таким образом, вопросы, рассматриваемые в диссертации, являются актуальными и практически важными.

Целью работы является повышение безопасности движения локомотива за счёт разработки программно-аппаратного комплекса локомотивной системы технического зрения (ПАК ЛСТЗ) для видеоконтроля безопасности путей следования локомотива и работы напольных устройств железнодорожной инфраструктуры в режиме реального времени.

Объектом исследования является локомотивная система безопасности движения.

Предметом исследования является разработка методики построения алгоритмов обработки и анализа видеоинформации для локомотивной системы технического зрения.

Методы исследования. Исследования выполнены с использованием аппарата математического моделирования и технологий компьютерного зрения.

Научная новизна работы состоит в следующем: 1. Предложена и разработана структура локомотивной системы технического

зрения, позволяющая выполнять мониторинг пути следования локомотива и

4

проводить контроль объектов железнодорожной инфраструктуры в режиме реального времени;

2. Разработана методика комплексирования информации, полученной от видеокамеры с цифровой картой местности (ЦКМ);

3. Предложен алгоритм обнаружения и распознавания световой сигнализации основанный на:

• оценке положения светофора относительно текущего положения локомотива;

• распознавании сигнала светофора на принимаемой видеопоследовательноста.

4. Разработан алгоритм обнаружения посторонних объектов на пути следования локомотива.

Достоверность результатов, полученных в работе, подтверждается математическим моделированием процессов обнаружения и распознавания сигналов светофоров, а также процессов обнаружения посторонних объектов на рельсах.

Практическая значимость заключается в том, что на основе использования методов компьютерного зрения определен состав и структура программно-аппаратного комплекса, позволяющего повысить безопасность железнодорожного движения.

Апробация работы. Результаты работы докладывались на шести конференциях: Научно-практической конференции студентов и молодых учёных МАИ, г. Москва, 2010г., научно-технической международной молодёжной конференции «Системы, методы, техника и технологии обработки медиаконтента», г.Москва, 2011г., научно-практической интернет конференции «Перспективные инновации в науке, образовании, производстве и транспорте '2011». 2011г., научно-технической конференции «Техническое зрение в системах управления - 2012», г.Москва, 2012г., Первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном

транспорте ИСУЖТ-2012», г.Москва, 2012г., Научно-технической конференции «Техническое зрение в системах управления - 2013», г.Москва, 2013г.

Публикации. По результатам диссертационной работы опубликовано 15 работ, в том числе 5 научно-технических статей в изданиях, включённых в перечень ВАК.

Объём и структура работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы. Работа изложена на 138 страницах текста, содержит 69 рисунков, 5 таблиц и 78 наименований литературных источников.

К защите представляются следующие основные положения работы:

1. Структура локомотивной системы технического зрения, определение требований к локомотивной системе технического зрения, обеспечивающей мониторинг путей следования локомотива;

2. Методика комплексирования информации с помощью плоскости ректификации;

3. Метод контроля железнодорожной световой сигнализации с помощью технологий компьютерного зрения;

4. Комплексный алгоритм обнаружения посторонних объектов на рельсах с помощью локомотивной системы технического зрения;

5. Рекомендации по использованию комплексного алгоритма оценки непрерывности рельса с помощью выделения контура на изображении операторами Канни и Собеля.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, проводится анализ литературы, даётся общая характеристика работы.

В первой главе диссертации проведён обзор существующих систем

технического зрения на железнодорожном транспорте и обоснованы основные

причины необходимости использования технического зрения в локомотивных

системах автоведения. Рассматривается возможность роботизации систем

6

управления локомотивом и основные проблемы, связанные с автоматизацией процессов управления. Описана постановка задачи контроля железнодорожной световой сигнализации и мониторинга путей следования локомотива. Предложена структура локомотивной системы технического зрения [1].

Обзор мирового опыта по применению технологий компьютерного зрения, в частности, для обнаружения и распознавания световой сигнализации, показывает эффективность использования подобных решений [2,3], заключающихся в существенном повышении безопасности движения.

Таким образом, внедрение ПАК ЛСТЗ в состав комплексного локомотивного устройства безопасности для анализа видовой информации с помощью технологий компьютерного зрения позволит обеспечить снижение ошибки типа «человеческий фактор» во время управления локомотивом и повысить безопасность железнодорожного движения.

Вторая глава посвящена разработке и исследованию методики комплексирования телевизионного изображения (ТВИ) и цифровой карты местности (ЦКМ). Сложность комплексирования в существенной степени связана с тем, что системы координат ЦКМ и ТВИ не связаны. При этом принимаемые ТВИ зависят от текущего положения локомотива.

С целью эффективного решения задачи контроля объектов путевой инфраструктуры предлагается совместное использование технологий компьютерного зрения и технологий геоинформационного обеспечения объектов [4].

Разработанная методика комплексирования, основанная на использовании плоскости ректификации, позволяет определять расположение объектов интереса (с известными географическими координатами на ЦКМ) в поле зрения ЛСТЗ, т.е. непосредственно на принимаемом изображении, с учетом фактического положения локомотива. Плоскость ректификации определяется двумя характеристическими линиями, которые являются касательными к рельсам на определённом отрезке железнодорожного пути.

При построении плоскости ректификации необходимо использовать особенности изображений рельсов [5]. В частности, предполагается, что: ® Изображения рельсов в ближайшей к локомотиву области наблюдения

(дальность - не менее 150 м) непрерывны; ® Угол отклонения характеристической линии относительно вертикали не превышает диапазон ± 40 градусов;

Построение плоскости ректификации выполняется относительно параметров характеристических линий, которые, в свою очередь, определяются на обработанном изображении оптимальным специализированным детектором контуров с помощью метода Хафа, реализованного функцией cvHoughLinesl в библиотеке OpenCV (http://opencv.willowgarage.com/wiki/) (рис. 1).

а Ь с

Рисунок 1: а - исходное изображение; Ь - обработанное изображение оптимальным специализированным детектором контуров [5]; с - изображение с выделенными характеристическими линиями

При выделении нескольких касательных линий или выделении линий, которые не удовлетворяют условиям построения плоскости ректификации, появляется ошибка определения вектора направления движения на телевизионном изображении. Ошибочные линии классифицируются на подобные линии, которые возникают из-за кривизны рельса, и ложные линии, которые выделяются от иных объектов, не принадлежащих рельсам.

Классификацию линий можно проводить с помощью вычисления расстояния р от точки схода 1¥ до определяемой линии. Если расстояние от

точки схода Ш удовлетворяет допустимому значению, тогда линия будет подобной, иначе - ложной и в дальнейшем эта линия не будет анализироваться. Подобные линии также можно анализировать относительно углов между линиями (а и угла линии оси пути.

Рассмотрим случай определения ложной линии (рис. 2а). Пусть определена точка схода IV - центр области, в которой находится наибольшее количество точек пересечения выделенных линий. Пусть точка М - любая точка, принадлежащая прямой РЗ. Обозначим кратчайшее расстояние от точки схода Ш до прямой РЗ как р, а нормальный вектор прямой РЗ как п. Расстояние от начала координат до точки пересечения нормального вектора с прямой РЗ обозначим как £>.

Общая схема алгоритма определения расстояния от точки схода IV до прямой РЗ состоит из нескольких этапов вычислений:

1. Определяются координаты нормального вектора г = С.4.3} прямой РЗ с помощью составления уравнения прямой: Ау+Вх+С=0;

2. Вычисляется модуль нормального вектора М = -ВЧ

3. Проводится вычисление координат вектора ¡Ш = С* - *3,у - у€>,

4. Вычисляется проекция вектора !Ш на нормальный вектор я, которая будет равна кратчайшему расстоянию от точки схода IV до прямой РЗ:

Рисунок 2: а - Определение ложной линии; б - Классификация подобных линий

(1)

Р! Р2

Третья глава посвящена исследованиям алгоритмов обнаружения и распознавания световой сигнализации железнодорожной инфраструктуры. Описан метод составления цифровой карты местности с географическими координатами расположения светофоров, проведен сравнительный анализ цветового пространства для выбора оптимального пространства признаков «цвета» при распознавании железнодорожной световой сигнализации.

Алгоритм контроля световой сигнализации включает следующие процедуры:

1. Обнаружение и оценка координат светофора на изображении;

2. Распознавание сигнала светофора (оценка световых характеристик).

Для случая отсутствия цифровой карты местности с объектами железнодорожной инфраструктуры в системе автоведения специально разработана методика проведения калибровочных работ, которая позволяет привязать вР8/ГЛОНАСС координаты и тип светофора к каждому светофору, находящемуся на пути следования локомотива. Калибровочные работы предлагается проводить с помощью специального калибровочного оборудования (КО) программно-аппаратного комплекса локомотивной системы технического зрения (ПАК ЛСТЗ), установленного в кабине локомотива.

Алгоритм контроля железнодорожной световой сигнализации с помощью комплексного использования технологии компьютерного зрения и геоинформационных технологий позволяет выполнить ' грубое обнаружение светофора на изображении во много раз быстрее, чем поиск светофора с помощью алгоритма сканирующего окна по всему изображению (сплошного поиска). Это следует из расчётов количества операций требуемых для обнаружения объекта на изображении. Для предлагаемого алгоритма с предварительной оценкой положения светофора на изображении количество операций сплошного поиска вычисляется по формуле:

Коп = (Х„ -х)(У„ - у) *х*у*Кв, (2)

10

где Хп Y„ - ширина и высота выделенного фрагмента изображения со светофором, Кв - количество операций требуемых для обнаружения объекта находящегося в сканирующем окне А={(х,у)\ х=30, у=90}, где х, у - ширина и высота сканирующего окна соответственно (рис. 3).

Например, для изображения с размерами 2000x2500 пикселей количество требуемых операций для реализации сплошного поиска:

Коп= 1970*2410*30*90* К,~ 1,28*Ю10*/^, (3)

а при использовании предлагаемого алгоритма обнаружения с максимальной ошибкой предварительной оценки 200 пикселей получим:

Коп= 170*110*30*90* Кв~ 5,05* Ш7*^. (4)

Таким образом, предлагаемый алгоритм позволил сократить объем вычислений (при принятых исходных данных) более, чем на 3 порядка.

Алгоритм грубого обнаружения координат представляет собой алгоритм анализа системы проекций светофоров на плоскость ректификации и географических координат светофоров на подстилающей поверхности, которая совпадает с плоскостью ректификации. В идеале, координаты светофоров на плоскости ректификации будут совпадать с координатами светофоров на цифровой картой местности, но при наличии ошибок комплексирования информации о положении светофора на видеоизображении с цифровой картой местности возникает ошибка Delta , которую необходимо учитывать при расчёте грубого обнаружения координат светофора на видеоизображении (рис.3).

Рисунок 3 . Схема расчёта точности координат детектируемого объекта

Алгоритм распознавания световой сигнализации представляет собой процесс совместной работы нескольких алгоритмов. Выделение световых характеристик (СХ) образа светофора является основным алгоритмом в распознавании сигнала светофора [6]. В свою очередь, СХ следует определять с помощью колориметрических методов для получения объективных количественных оценок характеристик цвета и цветовых различий. При нормировке области СХ светофоров необходимо принять область СХ световой сигнализации на РЖД. Это позволит проводить стандартизованную цветовую классификацию световой сигнализации с помощью технологий компьютерного зрения [7].

Координаты угловых точек допустимых областей цветности по каждому цвету должны соответствовать указанным значениям в таблице 1. Для оценки красного цвета необходимо также использовать при анализе координат цветности расширенно допустимую область цветности с длиной волны от 625 до бЗОнм применяемую для светодиодных светофоров.

12

Таблица L Координаты угловых точек допустимых областей цветности.

Цвет светофильтра Координаты цветности уптовых точек областей цветности

Уг Уг

Красный 0,735 0,265 0,710 0,290 0,704 0,290 0,725 0,267

Жёлтый 0,617 0,610» 0,383 0,390 * 0,561 0,561 0,439 0,439 0,545 0,545 0,427 0,427 0,604 0,600* 0,383 0,390 *

Зелёный 0,241 0,756 0,022 0,420 0,206 0,376 0,300 0,490

Синий 0,108 0,090 0,144 0,030 0,175 0,081 0,175 0,152

Луннобел. 0,310 0,335 0,310 0,306 0,450 0,390 0,450 0,420

*Для светофильтров (термостойкие).

типа плоские шлифовано-полированные

Из-за возможного несоответствия светофоров стандартам областей цветности распознавание цветности световой сигнализации может не удовлетворять уверенному анализу сигналов светофора. Для проведения адаптивного распознавания сигнала необходимо выполнить определение области интереса. Для этого в обучающем режиме выполняется выделение цвета интересуемой области и цвета фона. Анализ величины сигнал/шум значений интенсивности на гистограммах цветовых компонент даёт возможность, с определённой долей вероятности, рассчитать критерий выбора цветовой составляющей выделенной области интереса. Проведение анализа оценочной функции при определении цветности области интереса на изображении цветового пространства RGB даёт неудовлетворительный результат при меняющейся интенсивности освещения. Для удовлетворительного выполнения определения цветности области интереса на изображении в цветовом пространстве RGB необходимо перевести его в цветовое пространство CIELab и оценивать яркостные характеристики с помощью величин:

— Средняя яркость;

— Среднеквадратическое отклонение о;

— Медиана Md.

Это позволит при определении цветности сигнала светофора не учитывать значение интенсивности изображения. Анализ гистограмм, представленных на рисунке 4, показывает, что распределение интенсивности в цветовом пространстве CIELab позволяет выполнять расчёт частотных характеристик величины сигнал/шум эффективнее, чем в пространстве RGB.

Рисунок 4. Гистограмма сигнал/шум при разложении на красную компоненту: а-цветового пространства RGB, b - цветового пространства CIELab

Четвертая глава. Исследуется задача обнаружения посторонних объектов на пути следования локомотива с помощью технического зрения. Представлена структура системы технического зрения, устанавливаемой на локомотиве. Предложен комплексный алгоритм обнаружения посторонних объектов, основанный на анализе контурных изображений рельс. При этом принимается, что основным признаком присутствия объектов являются разрывы на изображениях рельс.

Системы технического зрения для автоматического обнаружения посторонних объектов имеют ряд преимуществ [8]. Они обеспечивают:

1. Бесконтактный мониторинг путей следования локомотива;

2. Быстродействие инспекции в режиме реального времени;

3. Объективность (в автоматическом исполнении);

4. Унификацию средств аппаратной поддержки.

Разработка СТЗ, которая обеспечивает обнаружение или распознавание

препятствий, должна содержать ряд этапов [9]:

1. Выбор соответствующего принципа классификации объектов. При этом необходимо сформировать априорный алфавит классов объектов, определяющий рабочий алфавит;

2. Формирование словаря признаков (признакового пространства), необходимого для описания соответствующих классов объектов на языке этих признаков;

3. Определение параметров аппаратной части СТЗ, обеспечивающей выделение соответствующих признаков;

4. Разработка алгоритмов обнаружения, определяющих факт наличия препятствий;

5. Разработка алгоритмов распознавания, позволяющих отнести распознаваемый объект к соответствующему классу.

Блок-схема предлагаемого алгоритма обнаружения и распознавания [10]

представлена на рисунке 5.

ч

выборка

Рисунок 5. Блок-схема комплексного алгоритма

Для оценки возможных разрывов изображений рельс предлагается реализовать метод Вальда, который позволяет использовать последовательный

15

анализ изображений (последовательность кадров) с целью повышения достоверности принимаемых решений.

Данный алгоритм, основан на последовательной выборке, формируемой в ходе статистического эксперимента. При этом на каждом 1-м шаге расчёта значений выборки, решается задача о продолжении или остановке эксперимента.

Принятие решений об обнаружении (наличии или отсутствии объектов интереса) в подобных критериях производится на основе расчета коэффициента (отношения) правдоподобия X и сравнении его с выбранным порогом, где

д __ р(гЬг>

коэффициент правдоподобия.

Предложенный алгоритм обеспечивает минимальность среднего объёма наблюдений при условии выбора пороговых значений по вероятностям ошибок 1-го (а) и 2-го рода ((3):

а 1 - а (5)

Указанные пороги позволяют выделить 3 области принятия решений (наличие разрыва-Л,, отсутствие разрыва-Л2, продолжение наблюдений-А0).

Работа комплексного алгоритма осуществляется с помощью анализа элементов выборки (яркости пикселей) на предварительно обработанном телевизионном изображении. Предлагаемая выборка (маска) размером 2x11 осуществляет сканирование предварительно обработанного изображения относительно аналитической карты. Аналитическая карта строится на основе электронной геоинформационной карты вРБ/ГЛОНАСС координат объектов железнодорожной инфраструктуры относительно путевой информации локомотива. На каждом шаге сканирования центр выборки смещается относительно характеристических линий Р1 и Р2 на аналитической карте (рис.6). На каждой шаге сканирования с целью обнаружения наличия рельса определяется коэффициент правдоподобия. В случае обнаружения разрыва

осуществляется следующая итерация работы алгоритма на основе последовательного анализа изображения методом Вальда.

Рисунок 6. Схема комплексного алгоритма

Пятая глава работы содержит результаты проведённых исследований комплексного алгоритма обнаружения объектов интереса (типа автомобиль), основанного на оценке непрерывности изображений рельс. При этом обнаружение разрывов на изображении рельс трактуется как возможное присутствие объекта интереса.

Для оценки надёжности комплексного алгоритма выполнен сравнительный анализ эффективности обнаружения объекта интереса на предварительно обработанном изображении оператором Канни и оператором Собеля.

Методика проведения экспериментов представляет собой итерационный видеоанализ алгоритмом обнаружения объектов в базе изображений. Принятие решение об обнаружении объекта интереса осуществлялось с помощью метода Вальда [10]. Перед проведением экспериментов на устойчивость работы алгоритма обнаружения объекта на путях следования локомотива рассчитывались и анализировались ошибки принятия решения 1-го и 2-го рода на гистограмме частот (вероятностей) присутствия и отсутствия объекта интереса на изображении, предварительно обработанном оператором Канни (рис. 7) и Собеля (рис. 8) из обучающей базы изображений. По результатам исследований гистограммы частот, в соответствие с алгоритмом Вальда, были определены области принятия решений л0, Л1.,Л2.

17

Рисунок 7. Гистограмма присутствия объекта на изображении предварительно обработанном оператором Канни

0.15 -------------------

Рисунок 8. Гистограмма присутствия объекта на изображении предварительно обработанном оператором Собеля

Определение комплексным алгоритмом наличие разрыва изображения рельса визуально обозначается на изображении круглой меткой. Результат работы комплексного алгоритма по изображению, предварительно обработанному оператором Канни, отображён на рисунке 9.

abed Рисунок 9. Результаты работы комплексного алгоритма (а - Исходное изображение; b - Выделение контура оператором Канни на исходном изображении; c,d - Выделение контура оператором Канни на зашумлённом изображении с р =3,5 соответственно)

В результате проведения экспериментов по оценке надёжности комплексного алгоритма обнаружения объектов на пути следования локомотива на смоделированных тестовых базах изображений были получены данные, представленные в таблицах 2 и 3, где «+» - обозначает правильное обнаружение объекта, а «-» - ошибочное [10];

цифры во 2-й строке таблицы обозначают р - отношение сигнал/шум (значение смоделированного на изображении шумового воздействия); №Ргате - номер изображения из тестируемой базы.

Таблица 2. Результаты по оценке работы комплексного алгоритма

Выделение контура опе рато ром Канни

В\Л»Кгате 1 2 3 4 5 6 7 8 9 10

0.5 - - - - - - - - -

1 - -

3 - + - - - - - - + -

5 + + + - + + + + + +

10 + + + + + + + + + +

15 + + + + + + + + + +

Таблица 3. Результаты по оценке работы комплексного алгоритма

Выделение контура оператором Собеля

Ви\»Ргате 1 2 3 4 5 6 7 8 9 10

0.5 - - - - - - - - - -

1 -

3 -

5 + - + + - - + + + +

10 + + + + + + + + + +

15 + + + + + + + + + +

Проведен сравнительный анализ результатов обнаружения с предварительной обработкой изображения оператором Канни и оператором Собеля. На рисунке 10 показано, что ошибки принятия решения об обнаружении при использовании метода Собеля превышают ошибки при использовании метода Канни.

Рисунок 10. График зависимости частоты правильного распознавания от зашумлённости изображения

Демонстрационный комплекс алгоритмов, выносимых на защиту, был реализован на кроссплатформенном программном обеспечении «Qt Creator 2.0.1» для использования в коммерческих целях заинтересованными организациями [11, 12, 13]. Листинг программы представлен в приложении 1. Скриншот визуализации результатов рабочей программы отображён в приложении 2. Акты внедрения и использования результатов работы [14, 15] представлены в приложении 3.

|

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе выполнения диссертационной работы, в рамках специальности 05.13.01 «Системный анализ, управление и обработка информации (Транспорт)», получены следующие основные научные и практические результаты:

1. Определены состав и структура ПАК ЛСТЗ, сформулированы требования к локомотивной системе технического зрения, обеспечивающей мониторинг путевой инфраструктуры во время движения локомотива;

2. Разработана методика комплексирования картографической информации с текущей видеоинформацией на основе использования плоскости ректификации;

3. Предложена новая методика контроля железнодорожной световой

сигнализации с помощью технологий компьютерного зрения,

20

обеспечивающая автоматическое выделение изображения светофора и распознавание показаний сигнала светофора;

4. Показано, что предлагаемый иерархический алгоритм выделения изображения светофора является работоспособным и обеспечивает существенное сокращение вычислительных затрат по сравнению с алгоритмом «сплошного поиска»;

5. Разработан оригинальный алгоритм обнаружения посторонних объектов, основанный на оценке (по критерию Вальда) непрерывности изображений рельс;

6. Показано, что использование изображений рельс, полученных оператором Канни является более эффективным (с точки зрения помехоустойчивости), чем при использовании оператора Собеля;

7. Проведены исследования (с помощью методов математического моделирования) помехоустойчивости алгоритма обнаружения посторонних объектов на железнодорожных рельсах. Показано, что предлагаемый алгоритм является работоспособным и в ряде ситуаций может обеспечить своевременное обнаружение объектов интереса;

8. На основе проведённых исследований разработаны рекомендации по использованию алгоритма обнаружения объектов.

9. Для защиты интеллектуальной собственности проведенных работ было выполнено патентование полезных моделей:

• №2012122488 - «Устройство для управления локомотивом»;

• №2012122489 - «Система для контроля негабаритное™ подвижного состава».

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ:

Научные статьи в рецензируемых ведущих научных изданиях, рекомендованных ВАК РФ для публикации основных научных результатов кандидатских диссертацией

1. Иванов, Ю.А. Технологии компьютерного зрения в системах автоведения [Текст] / Ю.А.Иванов // Автоматика, связь, информатика. - 2011. - №6. - С. 46-48.

2. Иванов, Ю.А. Технологии компьютерного зрения для наблюдения за объектами путевой инфраструктуры [Текст] // Вестник Института проблем естественных монополий: Техника железных дорог. - 2011. - №4(16). -С.57-61.

3. Иванов, Ю.А. Технологии компьютерного зрения для детекции световой сигнализации [Текст] / Ю.А.Иванов // Железнодорожный транспорт. -2012. -№12.-с.49.

4. Ким, Н.В. Автоматическая система предотвращения столкновений локомотива, основанная на техническом зрении [Текст] / Н.В.Ким, Ю.А.Иванов // Вестник Института проблем естественных монополий: Техника железных дорог. - 2013. - №1(21). - С.67-70.

5. Иванов, Ю.А. Система видеонаблюдения с транспортного средства для контроля целостности рельсовой колеи [Текст] / Ю.А.Иванов // Вестник Института проблем естественных монополий: Техника железных дорог. - 2014. - №03(27). - С.72-75.

Научные статьи и другие публикации

6. Иванов, Ю.А. Повышение эффективности алгоритмов слежения [Текст] / Ю.А.Иванов // Научно-практическая конференция студентов и молодых учёных МАИ. - Москва. - 2010.

7. Иванов, Ю.А. Использование технологий компьютерного зрения в системах автоведения на железнодорожном транспорте [Текст] / Ю.А.Иванов // Научно-практическая интернет конференция «Перспективные инновации в науке, образовании, производстве и транспорте'2011».

8. Иванов, Ю.А. Оптимальный специализированный детектор контуров для выделения рельс [Текст] / Ю.А.Иванов // Научно-техническая международная молодёжная конференция «Системы, методы, техника и технологии обработки медиаконтента». - Москва. - 2011.

9. Иванов, Ю.А. Детекция и идентификация световой сигнализации на железной дороге [Текст] / Ю.А.Иванов // Научно-техническая конференция «Техническое зрение в системах управления - 2012». - г.Москва. - 2012г.

10. Броневич, А.Г. Детекция и идентификация опор контактной сети по данным лазерного сканирования [Текст] / А.Г.Броневич, Ю.А.Иванов, В.И.Уманский, Д.А.Якушев // Труды первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте ИСУЖТ-2012». - Москва. - 2012. - С.182-185.

11. Иванов, Ю.А. Система управления маневровым локомотивом, основанная на техническом зрении [Текст] / Ю.А.Иванов // Локомотив-информ. - 2013. — №4. - С.74-77.

12. Иванов, Ю.А. Алгоритм обнаружения посторонних объектов на рельсах с помощью системы технического зрения [Текст] / Ю.А.Иванов, Н.В.Ким // Научно-техническая конференция «Техническое зрение в системах управления - 2013». - Москва. - 2013.

13. Иванов, Ю.А. О безопасности на железнодорожном транспорте [Текст] / Ю.А.Иванов // Локомотив-информ. - 2013. - №9. - С.4-6.

Патенты

14. Патент на полезную модель №120619 Российская Федерация, В 61 С 17/12. Устройство для управления локомотивом [Текст] / Иванов Ю.А., Розенберг E.H.; Заявитель и патентообладатель Москва. Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте. - 6 с.

15. Патент на полезную модель №120936 Российская Федерация, В 61 К 9/02. Система для контроля негабаритное™ подвижного состава [Текст] / Галушкин А.Б., Иванов Ю.А., Иконников Е.А, Миронов B.C., Раков В.В., Розенберг E.H.; Заявитель и патентообладатель Москва. Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте. - 6 с.

Иванов Юрий Анатольевич

РАЗРАБОТКА ЛОКОМОТИВНОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ

05.13.01 - Системный анализ, управление и обработка информации (транспорт)

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

Подпись в печать Д,ДО/5 г. Формат 60 х 90/16 Тираж 80 экз

Усл.- печл. - 1,5 Заказ № Ю

127994, Москва, ул. Образцова, д.9, стр.9, УПЦ ГИ МИИТ