Бобырь Максим Владимирович, доктор технических наук, профессор кафедры вычислительной техники,
ул. 50 лет Октября, д. 94, г. Курск 305040.
Researcher ID: G-2604-2013
Maxim V. Bobyr, Dr. of Sci. (Engineering), Professor of the Computer Engineering Department,
50 Let Oktyabrya str. 94, Kursk 305040.
Researcher ID: G-2604-2013.
Емельянов Сергей Геннадьевич, доктор технических наук, профессор, ректор,
ул. 50 лет Октября, д. 94, г. Курск 305040.
Researcher ID: E-3511-2013
Sergei G. Emelianov, Dr. of Sci. (Engineering), Professor, Rector,
50 Let Oktyabrya str. 94, Kursk 305040.
Researcher ID: E-3511-2013.
Милостная Наталья Анатольевна, кандидат технических наук, доцент,
ул. 50 лет Октября, д. 94, г. Курск 305040.
Natalya A. Milostnaya, Cand. of Sci. (Engineering), Associate Professor,
50 Let Oktyabrya str. 94, Kursk 305040.
Цель исследования. Разработка вычислительного процесса в системе технического зрения, позволяющего определять расстояние до объектов от одной видеокамеры на основе трансформации RGB данных, полученных от КМОП-видеокамеры, в трехмерные координаты, показывающие расположение объекта на 3d сцене.
Методы. Научная статья посвящена методам определения расстояний от видеокамеры до объектов, имеющих важное значение в области компьютерного зрения и когнитивного моделирования. Исследование охватывает разнообразные подходы, используемые для оценки расстояний с помощью видеоаналитики, традиционных моделей анализа изображений и машинного обучения. Рассматривается метод, основанный на классическом алгоритме детектирования маркеров, включающий новейший подход, реализующий принцип нейро-нечеткого обучения в системе технического зрения. Особое внимание уделяется визуальной оценке эффективности и точности предложенного нейронечеткого подхода при оценке передвижений исполнительных механизмов мехатронного комплекса. Это исследование предоставляет обзор современного состояния методов определения расстояний от видеокамеры до объектов и предложения по дальнейшему улучшению и развитию данной области.
Результаты. Предложенная в данном исследовании методология определения расстояний от системы технического зрения до объектов представляет собой значимый шаг в развитии методов позиционирования приводов мехатронных комплексов. Методология была апробирована в реальных условиях и продемонстрировала значительное улучшение точности позиционирования приводов. В ходе вычислительных экспериментов удалось в режиме реального времени определять трехмерные координаты (центр масс) детектируемых объектов. Это привело к улучшению позиционирования приводов мехатронного комплекса на 12% по сравнению с аналогичными решениями, что важно для достижения требуемых показателей производительности и эффективности производственной системы.
Заключение. Точность разработанной методологии была проверена на различных тестовых наборах данных, включая сценарии с различными условиями освещения, измененным фоном и распознаванием различных типов объектов. Результаты экспериментов подтвердили эффективность предложенной методики и её применимость в реальных условиях, обеспечивая улучшение точности позиционирования приводов мехатронного комплекса.
Purpose of research. Development of a computational process in a vision system to determine the distance to objects from a single video camera based on the transformation of RGB data received from a CMOS video camera into three-dimensional coordinates showing the location of the object on the 3d scene.
Methods. The research paper focuses on methods for determining distances from a video camera to objects of significant importance in the field of computer vision and machine learning. The study covers a variety of approaches used for distance estimation using video analytics, traditional image analysis models and machine learning. A method based on the classical marker detection algorithm incorporating a recent approach that realizes the principle of neuro-fuzzy learning in a vision system is considered. Special attention is paid to the visual evaluation of the effectiveness and accuracy of the proposed neuro-fuzzy approach in estimating the movements of actuators of mechatronic complex. This study provides an overview of the current state of the art of methods for determining distances from a video camera to objects and suggestions for further improvement and development of this field.
Results. The methodology for determining distances from the vision system to objects proposed in this study represents a significant step in the development of methods for positioning actuators of mechatronic complexes. The methodology was tested in real conditions and demonstrated a significant improvement in the accuracy of actuator positioning. During computational experiments it was possible to determine in real time the three-dimensional coordinates (center of mass) of the detected objects. This led to a 12% improvement in the positioning of mechatronic drives compared to similar solutions, which is important for achieving the required performance and efficiency of the production system.
Conclusion. The accuracy of the developed methodology was tested on various test datasets, including scenarios with different lighting conditions, changed background and recognition of different types of objects. Experimental results confirmed the effectiveness of the proposed methodology and its applicability in real-world conditions, providing improved positioning accuracy of the mechatronic system actuators.
The authors declare that there are no conflicts of interest present.