Точно Не проект 2 / Не books / Источник_1

Так как конечная цель системы состоит в удалении объектов из кучи, то вида сцены только с одной стороны явно не достаточно, если не имеется никаких моделей объектов. Поэтому в работе [93] было решено, фиксировать трехмерные детали кучи объектов тремя датчиками глубины, которые размещались симметрично вокруг рабочей области и которые могли “видеть”, что находится снизу.

Все датчики глубины были калиброваны во внешней системе координат робота с целью интеграции данных от трех источников. Были получены три диапазонных вида для одной и той же сцены. Сначала множества 3D-точек каждого из видов аппроксимировались набором плоских поверхностных заплат. Затем отдельно для каждого из трех видов выполнялась группировка заплат с целью построения гипотезы объектов данного вида. При этом использовалось предположение о существовании выпуклых ребер объекта между заплатами. Данное предположение подсказывает тот факт, что обе заплаты принадлежат одному объекту, в то время как существование вогнутых ребер объекта – подсказка, что смежные заплаты принадлежат различным объектам. На следующем шаге результаты, полученные для трех отдельных видов, объединяются, т.е. гипотезы объектов, построенные для каждого из трех видов, обобщались с помощью подходящей эвристики. В результате этого шага были построены глобальные гипотезы объектов, т. е. множество заплат, которые, вероятно, принадлежат одному объекту. Глобальные гипотезы объектов обычно подтверждаются на бóльшем числе плоских заплат, чем гипотезы объектов отдельного вида, и они обычно имеют бóльшее пространственное протяжение.

Каждая пара глобальных гипотез (плоских заплат) объекта может быть проанализирована, чтобы установить, имеется ли возможность схватывания объекта манипулятором робота с двумя пальцами. Это означает, что устанавливается, имеются ли две плоские заплаты, которые расположены напротив друг друга, приблизительно параллельны и не слишком смещены относительно центра объекта и т.п. Найденные возможности схватывания затем оцениваются согласно некоторой качественной мере, и лучшие сообщаются роботу, который пытается выполнить схватывание и удалить объект. После этого весь процесс повторяется, начиная со сбора данных, потому что удаление объекта может вызвать изменения в сцене. Таким способом объекты удаляются один за другим, пока куча не исчезнет. Потенциальные возможности метода представлены на рисунке 10.33. Рисунок 10.33,a является изображением с уровнями серого цвета. Рисунок 10.33,б – соответствующее диапазонное изображение, полученное с помощью датчиков глубины. Рисунок 10.33,в представляет отдельные гипотезы объектов, построенные с помощью одного вида. На рисунке 10.33,г изображены глобальные гипотезы объектов совместно с манипулятором, полученные на основе трех отдельных гипотез. Анализ множества гло-

8.Объясните зрительный эффект, связанный с сеткой Германа.

9.Приведите краткую характеристику известных универсальных систем компьютерного зрения.

10.Объясните обобщенную схему системы компьютерного зрения.

11.Какие операторы применяются для первоначального выделения границ.

12.Что называют элементом границы?

13.Для чего применяется код Фримэна?

14.Объясните суть метода восстановления границ на основе согласованной разметки граничных элементов.

15.Назовите основные принципы перцептивного группирования, используемые человеком.

16.Сформулируйте преобразование Хафа для прямой линии.

17.Как применить A-алгоритм для выделения контурных сегментов?

18.Объясните суть метода наращивания областей.

19.Сформулируйте основную идею активного моделирования контуров.

20.Как выполняется интерпретация контурных рисунков?

21.Какими отличительными особенностями характеризуются системы зрения роботов?

22.На какие группы подразделяются 2D-методы распознавания изображений в робототехнике?

23.Сформулируйте особенности 2D-методов, использующих глобальные признаки.

24.Сформулируйте особенности 2D-методов, использующих локальные признаки.

25.Сформулируйте особенности 2D-методов, использующих граф отношений.

26.Какая идея лежит в основе построения датчиков глубины?

27.Объясните основные принципы распознавания 3D-объектов.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

REFERENCES

1.Александров В.В. ЭВМ видит мир/ В.В. Александров, М.Д. Горский.– Л.:Машиностроение. Ленингр. отд-ние, 1990. – 129с.

2.Алиев Р.А. Производственные системы с искусственным интеллектом / Р.А. Алиев, Н.М. Абинеев, М.М. Шахназаров. – М.: Радио и связь, 1990. – 264с.

3.Бондарев В.Н. Адаптивное частотно-импульсное моделирование в задачах цифровой обработки сигналов/ В.Н. Бондарев // Вестн. СевГТУ: Сб. науч. тр. – Севастополь, 1999. – Вып. 18 – С.46 – 51.

4.Бондарев В.Н. Среда для интеллектуальной цифровой обработки сигналов/

В.Н. Бондарев, Д.В. Аведов // Вестн. СевГТУ: Сб. науч. тр. – Севастополь, 1997. – Вып. 5 – С.12 – 16.

5.Бондарев В.Н. Информационная технология построения математических моделей объектов/ В.Н. Бондарев, Д.В. Виленчик, С.В. Гольденберг // Электронное моделирование. – 1992. - №1 - C.31 – 40.

6.Бондарев В.Н. Цифровая обработка сигналов: методы и средства /

В.Н. Бондарев, Г.Трёстер, В.С. Чернега. – Харьков: Изд-во “Конус”, 2001. – 398с.

7.Братко И. Программирование на языке Пролог для искусственного интеллекта/ И. Братко. - М.:Мир,1990. – 560с.

8.Вагин В.Н. Дедукция и обобщение в системах принятия решений / В.Н. Вагин.

–М.: Наука,1988.-384с.

9.Вапник В.Н. Теория распознавания образов (статистические проблемы управления)/ В.Н. Вапник, А.Я. Червоненкис. – М.: Наука, 1974.- 416с.

10.Васильев В.И. Проблема обучения распознаванию образов / В.И. Васильев. – К.: Высш. шк. Головное изд-во,1989. – 64с.

11.Вейценбаум Дж. Возможности вычислительных машин и человеческий разум. От суждений к вычислениям/ Дж. Вейценбаум; Под ред. А.Л. Горелика. – М.: Радио и связь, 1982. – 368с.

12.Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. – СПб: Питер, 2000. – 384с.

13.Гладун В.П. Процессы формирования новых знаний / В.П. Гладун. – София: СД “Педагог 6”,1994. – 192с.

14.Гладун В.П. Эвристический поиск в сложных средах / В.П. Гладун. – К.: Наук. думка, 1977. – 166с.

15.Горелик А.Л. Методы распознавания: Учеб. пособие для вузов/А.Л. Горелик, В.А. Скрипник. – 3-е изд., перераб. и доп. – М.: Высш. шк.,1989. – 232с.

16.Диалоговые системы и представление знаний: Справочное пособие /

Л.В.Кокорева, О.Л. Перевозчикова, Е.Л. Ющенко. – К.: Наук. думка, 1992. – 448с.

17.Доорс Дж. ПРОЛОГ –язык программирования будущего/ Дж. Доорс, А.Р. Рейблен, С. Вацера. – М.: Финансы и статистика,1990. – 142с.

18.Ефимов Е.И. Решатели интеллектуальных задач/ Е.И. Ефимов. – М.: Наука, 1982. – 320с.

19.Информационные технологии в испытаниях сложных объектов: методы и средства / В.И.Скурихин, В.Т.Квачев, Ю.Р.Валькман; Отв. ред. В.Н. Ягипко. – К.: Наук.

думка, 1990. – 320с.

20.Искусственный интеллект [В 3-х кн.]. – Кн.1. Системы общения и экспертные системы: Справочник / Под. ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464с.

21.Искусственный интеллект [В 3-х кн.] .– Кн.2. Модели и методы: Справочник

/Под. ред. Д.А. Поспелова. – М.: Радио и связь, 1990. – 304с.

22.Классификация и кластер / Ред. Дж. Вэн Райзин; Пер. с англ. П.П. Кольцова; Под ред. Ю.И. Журавлева. – М.: Мир,1980. – 389с.

23.Косарев Ю.А. Естественная форма диалога с ЭВМ / Ю.А. Косарев. – Л.: Машиностроение. Ленингр. отд-ние , 1989. – 143с.

24.Кофман А. Введение в теорию нечетких множеств/ А. Кофман. – М.: Радио и связь, 1982. – 432с.

25.Кузнецов О.П. Дискретная математика для инженера /О.П. Кузнецов, Г.М. Адельсон-Бельский. – М.: Энергоатомиздат,1988. – 480с.

26.Кузин Л.Т. Основы кибернетики [В 2-х т.]. – Т.2. Основы кибернетических

моделей: Учеб. пособие для вузов / Л.Т. Кузин – М.: Энергия, 1979. –584с.

27.Логический подход к искусственному интеллекту : от классической логики к логическому программированию / Пер. с франц. А.Тейз , П. Грибомон, Ж. Луи . – М.:

Мир ,1990.- 432с.

28.Мичи Д. Компьютер-творец / Д.Мичи, Р. Джонсон; Предисл. Д.А. Поспелова.

–М.: Мир, 1987. – 255с.

29.Назаретов В.М. Техническая имитация интеллекта: Учеб. пособие для втузов / В.М. Назаретов, Д.П. Ким; Под ред. И.М. Макарова. – М.: Высш. шк., 1986. – 144с.

30.Нильсон Н. Принципы искусственного интеллекта / Н. Нильсон – М.:Радио и связь,1985. – 376с.

31.Обработка нечеткой информации в системах принятия решений /

А.Н. Борисов, А.В. Алексеев , Г.В. Меркурьев . – М.: Радио и связь, 1989. – 304с.

32.Огнев И.В. Интеллектуальные системы ассоциативной памяти/ И.В. Огнев, В.В. Борисов. – М.: Радио и связь 1996. – 176с.

33.Осуга С. Обработка знаний / С. Осуга ;Пер. с япон. – М.: Мир , 1989. –293с.

34.Перспективы развития вычислительной техники [В 11 кн.]: Справ. пособие / Под ред. Ю.М. Смирнова. Кн. 2. Интеллектуализация ЭВМ / Е.С. Кузин, А.Н. Ройтман,

И.Б. Фоминых. – М.:Высш. шк., 1989. – 159с.

35.Попов Э.В. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта/ Э.В.Попов , Г.Р.Фридман. –М.: Наука, 1976. – 456с.

36.Поспелов Д.А. Ситуационное управление: теория и практика/ Д.А. Поспелов.

–М.: Наука, 1986. – 288с.

37.Представление и исследование знаний / Под ред. Х. Уэно, М. Исидзука; Пер.

с япон. – М.: Мир 1989. – 220с.

38.Приобретение знаний / Под ред. С. Осуги, Ю. Саэки ; Пер. с япон. – М.: Мир, 1990. – 304с.

39.Программирование на языке R-Лисп/ А.П. Крюков, А.Я. Родионов, А.Ю. Таранов. – М.: Радио и связь, 1991. –192с.

61.Brill E. An overview of Empirical Natural Language processing/ E.Brill, R.L. Mooney// AI MAGAZINE. – 1997. – V.18. – №4. – P.13 – 23.

62.Brooks R. Symbolic reasoning among 3-dimensional models and 2-dimensional images/ R. Brooks // Artificial Intelligence. – 1981. – V.17. – P.285–349.

63.Chilukuri K.M. Frontiers of expert system: reasoning with limited knowledge / K.M. Chilukuri. – Norwell: Kluwer Academic Publishes, 2000. – 297p.

64.Forgy C.L. RETE: A fast algorithm for many pattern many object pattern match problem/ C.L. Forgy // Artificial Intelligence. – 1982. – №19. – P.17 – 37.

65.Gleason G.J. A modular vision system for sensor-controlled manipulation and inspection/ G.J.Gleason, G.J.Agin // Proceedings of the 9th International Symposium on Industrial Robotics. – Washington D.C.,1979. –P. 57-70.

66.Gordon M.J. HOL: A proof generating system for higher-order logic/ M.J. Gordon

//VLSI Specification, Verification and Synthesis/ G. Birtwistle, P.A. Subrahmanyam editors.

– Kluwer,1988. – 292p.

67.Hanson A. The VISIONS image understanding system/ A.Hanson, E. Riseman // in Advances in computer vision / edited by Christopher Brown. – New Jersey: Lawrence Erlbaum Associates. – 1989. –P.1 – 115.

68.Hertz J. Introduction to the theory of neural computation/ J. Hertz, A. Krogh, R.G. Palmer. – Redwood City: Addison-Wesley Publishing Company,1996. – 327p.

69.Heydt R. (Von der Heydt R) Illusory contours and cortical neuron responses/ R. Heydt, E. Peterhans, G. Baumgartner // Science. –1984. –N 224 . – P.1260–1262

70.Huet G. A unification algorithm for typed lambda calculus/ G. Huet // Theoretical Computer Science. – 1975. – N 1. – P. 27-57

71.Hummel R.A. On the Foundations of Rеlaxation Labeling Processes/ R.A. Hummel, S.W. Zucker // Trans. IEEE Pattern Anal. Machine Intell. – 1983. – V.5(3) . – P.267-287

72.Hutter H.P. Comparison of Classic and Hybrid HMM Approaches to Speech Recognition over Telephone Lines/ H.P. Hutter. – Zürich: ETH. – 1997. – 236 p.

73.Kohonen T. Self-organizing Maps/ T.Kohonen . – Berlin: Springer-Verlag,1995. –

363p.

74.Kung S.Y. Digital Neural Networks/ S.Y.Kung. – Engewood Cliffs, New Jersey: PTR Prentice Hall, 1994. – 418p.

75.Leonardis A. Segmentation of Range Images as the Search for Geometric Parametric Models/ A. Leonardis, A. Gupta, R. Bajcsy // International Journal of Computer Vision. – 1995. – V.14. – P.253 –277.

76.Lin C.T. Neural fuzzy systems: a neuro – fuzzy synergism to intelligent systems/ C.T. Lin, C.S.G.Lee. – Upper Saddle Rever, New Jersey: Prentice Hall PTR, 1997. – 786p.

77.Luger G.F. Artificial intelligence: Structures and Strategies for complex problem solving/ G.F.Luger, W.A.Stubblefield – 2-nd ed. – Redwood: The Benjamin Publishing Company Inc.,1993. – 738p.

78.Martelli A. An application of Heuristic Search Methods to Edge and Contour Detection/ A. Martelli // Communication of the ACM. – 1976. – V.19. - №2. – P.73-83

79.Matsuyma T. SIGMA: a knowledge-base aerial image understanding system/ T. Matsuyma, V.S. Hwang. – N. Y.: Plenum Press, 1990. – 278p.

80.Mori R. Statistical Methods for Automatic Speech Recognition/ R. Mori //Speech processing, recognition and artificial neural networks : Proceedings of the 3-d International School on Neural Nets “Eduardo R. Caianiello”. – L.: Springer-Verlag, 1999. – P.165 - 189.

81.Perkins W.A. A model based vision system for industrial parts/ W.A. Perkins // IEEE Transactions On Computers. – 1978. – V.27. – №2 – P.126–143.

ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ