Адаптивная система прикладного телевидения определения препятствий на подстилающей поверхности для мобильной роботизированной платформы
- 1,2,4 аспирант, кафедра ДЭС, Ярославский государственный университет им. П.Г. Демидова
- 3 д.т.н., доцент, Ярославский государственный университет им. П.Г. Демидова
Ключевые слова:
компьютерное зрениекластеризацияобнаружение препятствиймонокулярная системаадаптивный алгоритмприкладное телевидение
Аннотация
Представлен алгоритм огибания препятствий с помощью монокулярной системы прикладного телевидения. Рассмотрена обработка одного кадра. Описан алгоритм накопления цветовых моделей, которыми описывается подстилающая поверхность.
Для цитирования
Лебедев И.М., Тюкин А.Л., Приоров А.Л., Прозоров А.В. Адаптивная система прикладного телевидения определения препятствий на подстилающей поверхности для мобильной роботизированной платформы // Электромагнитные волны и электронные системы. 2015. № 5. С. 64–69.
Список источников
- BauerA., WiklundM. World Robotics. 2014. Industrial Robots. Режим доступа: http://www.worldrobotics.org/
- Кузнецов О.П. Искусственный интеллект и когнитивные науки // Информационно-измерительные и управляющие системы. 2013. №5. С.16-24.
- Новокрещенов А.А., Хранилов В.П. Программно-аппаратные средства повышения эффективности использования вычислительных ресурсов в полнопереборных задачах автоматизированного размещения элементов // Информационно-измерительные и управляющие системы.2013.№ 7. С. 77-80
- Бабаян П.В., Алпатов Б.А. Методы обработки и анализа изображений в бортовых системах обнаружения и сопровождения объектов // Цифровая обработка сигналов. 2006. № 2. С. 45-51.
- Fazl-Ersi E., Tsotsos J. Region classification for robust door detection in indoor environments // in Int. Conf. on Image Analysis and Recognition (ICIAR). 2009.
- Maier D., Stachniss C. and Bennewitz M. Vision-based Humanoid Navigation Using Self-Supervised Obstacle Detection // International Journal of Humanoid Robotics. 2013.
- Maier D., Bennewitz M. Appearance-Based Traversability Classification in Monocular Images Using Iterative Ground Plane Estimation, Proceedings of the IEEE // RSJ International Conference on Intelligent Robots and Systems (IROS). 2012.
- Chau Nguyen Viet, Marshall I.W. Vision-based obstacle avoidance for a small // Low-cost robot in Int. Conf. on Image Analysis and Recognition (ICIAR). 2007.
- Тюкин А.Л., Лебедев И.М., Приоров А.Л. Разработка и оценка качества работы алгоритма цифровой обработки телевизионных изображений для задач позиционирования в замкнутом пространстве // Нелинейный мир. 2014. Т. 12. № 12. С. 26-30.
- Everett H.R. Sensors for Mobile Robots: Theory and Applications. Massachusetts. 1995.
- Khryashchev V., Shmaglit L., Shemyakov A. The Application of Machine Learning Techniques to Real Time Audience Analysis System // In: Favorskaya M., Jain L.C. (eds.) Computer Vision in Control Systems-2. Intelligent Systems Reference Library. V. 75. Springer International Publishing, Switzerland. 2015. Р. 69-80
- Sonka M., Hlavac V., Boyle R. Image Processing, Analysis, and Machine Vision. Cengage Learning. 2014.
- Приоров А.Л., Хрящев В.В., Голубев М.Н. Удаление импульсного шума со случайными значениями импульсов из изображений // Радиотехника. 2010. № 5. С.72-79.
- Tyukin, A., Lebedev I., Priorov A. The development and research of the indoor navigation system for a mobile robot with the possibility of obstacle detection // Open Innovations Association (FRUCT16). 2014 16th Conference.27-31 Oct. 2014. Р.
- ЛебедевИ.М., ПриоровА.Л., ТюкинА.Л. Анализалгоритмовнавигацииибеспрепятственногопередвиженияавтономныхмобильныхроботов в ограниченном пространстве // Докл.16-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA-2013). Москва. 2014. Т. 2. С.614-618.