Рис. 6.2.2. Схема распознавания объекта по адаптивным эталонам
Способ распознавания трехмерного объекта (рис. 6.2.1,6) среди нескольких претендентов (рис. 6.2.1,а) проиллюстрирован на рис. 6.2.2. Предварительно и независимо от текущего наблюдения за объектом поиска в памяти ЭВМ создают банк математических описаний 1 трехмерной геометрической формы и оптических свойств всех объектов-эталонов, претендующих на распознавание. Определяют условия 2 наблюдения и освещения,
при которых получено реальное изображение 3. Эти условия передаются в систему компьютерного моделирования 4, где математическое описание каждого объекта преобразуется в изображение, но уже в условиях реально воздействующих факторов, т. е. тех же самых, что и у реального образа 3. В банке 4 формируется таблица эталонных изображений, имеющих ракурсы и тени, соответствующие реальному изображению, что является необходимым условием успешного автоматического распознавания, выполняемого в блоке 5.
6.2.2. РАСПОЗНАВАНИЕ ОБРАЗОВ В УСЛОВИЯХ НЕИЗВЕСТНОЙ ОРИЕНТАЦИИ ИХ КОРПУСОВ
Рассмотренная в § 6.2.1 задача распознавания изображений по адаптированным эталонам предполагает известную ориентацию тела обнаруживаемого объекта в системе координат, являющейся общей для объекта, приемника и источника света. В общем случае это предположение не оправдывается, так как объект на изображении может ориентироваться случайным образом по отношению к общей системе координат.
Рассмотрим постановку задачи на конкретном примере распознавания объемных образцов на ленте транспортера. Решение принимается процессором видеоробота. Исходная информация поступает от видеокамеры, которая однократно включается в том случае, когда неизвестный ей объект находится перед объективом. В качестве объектов могут быть, например, простые геометрические тела: шар, куб, конус, призма и др. Задачей робота является распознавание типа объекта и его ориентации для правильного захвата соответствующим манипулятором. Априори ориентация объектов на плоскости транспортера неизвестна. Положение и тип источника определены.
В решении этой задачи невозможно обойтись единственным эталонным изображением, адаптированным к условиям наблюдения, так как картина эталона (форма, тона, тени и др.) значительно меняется в зависимости от ориентации тела объекта. Подобные проблемы встречаются и в распознавании плоских фигур неизвестной ориентации. Для таких фигур проблема решается посредством вращения с небольшим приращением угла поворота и корреляции на каждом шаге поворота очередной картины эталона с анализируемым изображением. В описываемом выше случае недостаточно просто вращать эталонное изображение, так как приэтом не происходит требуемой перестройки тонов, теней, формы. Поэтому целесообразно вращать не изображение, а математическую модель объекта и в каждом шаге поворота синтезировать новое изображение с присущими такому положению тела объекта изобразительными свойствами. Сгенерированная серия изображений объекта одного типа проверяется путем корреляции с анализируемым изображением. Подобные операции должны быть проведены для всех типов объектов. Например, если претендентами на распознавание являются три объекта: куб, конус и призма, а поворот корпуса совершается в пределах 360е с шагом 36е, то семейство эталонных образцов должно включать 30 изображений: по 10 на куб, конус и призму. Каждое из эталонных образов-изображений должно быть подвергнуто корреляции с анализируемым изображением. Глобальный максимум среди полей всех корреляционных функций индицирует действительное положение объекта в поле обзора, а соответствующий эталонный образец указывает на тип и ориентацию.