Search

В данной работе предложен Ð¿Ð¾Ð´Ñ Ð¾Ð´ к Ð½Ð°Ñ Ð¾Ð¶Ð´ÐµÐ½Ð¸ÑŽ оптимального совмещения манипулятора вокруг крестика винта с помощью решения системы Ð½ÐµÐ»Ð¸Ð½ÐµÐ¹Ð½Ñ‹Ñ Ð¸Ð½Ñ‚ÐµÑ€Ð²Ð°Ð»ÑŒÐ½Ñ‹Ñ ÑƒÑ€Ð°Ð²Ð½ÐµÐ½Ð¸Ð¹. Описан метод Кравчика решения систем Ð½ÐµÐ»Ð¸Ð½ÐµÐ¹Ð½Ñ‹Ñ Ð¸Ð½Ñ‚ÐµÑ€Ð²Ð°Ð»ÑŒÐ½Ñ‹Ñ ÑƒÑ€Ð°Ð²Ð½ÐµÐ½Ð¸Ð¹. Разработана программная реализация алгоритма обнаружения частей (окружность и крест) головки винта на фотографии. Изложена сущность методов обнаружения границ Кэнни, стандартного и кругового преобразований Хафа., This paper proposes an approach to finding the optimal alignment of the manipulator around the screw cross by solving a system of nonlinear interval equations. The Krawczyk method for solving systems of nonlinear interval equations is described. A software implementation of the algorithm for detecting parts (circle and cross) of the screw head in the photo has been developed. The essence of the methods for detecting Canny boundaries, standard and circular Hough transformations is described.

Цель работы - реализовать алгоритм для поиска железнодорожных стрелок на изображениях, сделанных с локомотива поезда. В ходе работы были решены следующие проблемы: 1. Реализация двух алгоритмов для поиска ж/д стрелок: на основе преобразования Хафа для прямых, и алгоритм с обучением машины опорных векторов. 2. Создание датасета из 1357 размеченных ж/д стрелок. Данный датасет использовался для проверки качества работы обоих алгоритмов и обучения машины опорных векторов. 3. Сравнение результатов работы разработанных алгоритмов. Алгоритм на основе преобразования Хафа заключался в том, что изображение разбивалось на некоторое количество горизонтальных блоков, и в каждом блоке применялся алгоритм Хафа для поиска прямых. После чего пересечения найденных линий искались с учетом геометрических особенностей различных видов ж/д стрелок. В алгоритме с использованием машины опорных векторов был SVM-классификатор, входными векторами которого были гистограммы ориентированных градиентов окрестностей ж/д стрелок, размеченных в датасете. В результате алгоритм с использованием преобразования Хафа показал точность обнаружения=40% и процент найденных стрелок=70%, а алгоритм с построением SVM-классификатора показал точность=73% и процент найденных стрелок=78%. Таким образом, можно сделать вывод о том, что алгоритм с применением SVM-классификатора достаточно устойчив к шуму и показывает хорошие результаты для изображений, сделанных в различных погодных условиях, и работает лучше алгоритма на основе преобразования Хафа., The purpose of this work is to develop two algorithms for detection railway switches on images taken from a train locomotive. During the work following problems were solved: 1. Developing of two algorithms for railway switches detection: algorithm based on Hough Transform and the algorithm based on support vector machine. 2. Creating dataset of 1357 labeled railway switches. This dataset was used for training SVM classifier and testing both algorithms. 3. Comparison of the results of both algorithms. In the algorithm based on Hough Transform first step was to divide an image to multiple horizontal blocks and detect lines in each block separately using Hough algorithm. After that intersections of detected lines were find using geometry features of different railboard switches types. Input vectors for SVM classifier were histograms of oriented gradients of railway switches marked in dataset. Several classifiers were trained for different switches types. As a result, the algorithm using the Hough transform showed the detection accuracy=40% and percentage of switches found=70%, and the algorithm with the construction of the SVM classifier showed the accuracy=73% and recall=78%. Thus, we can conclude that the algorithm using the SVM classifier is quite stable to noise and shows good results for images taken in various weather conditions. Also the SVM classifier shows better accuracy and recall than Hough based algorithm.

Данная работа посвящена разработке алгоритма автоматического определения линейных размеров объектов на изображении по объектам-маркерам в приложении к строительной отрасли. Задачи, которые решались в ходе разработки: 1. Улучшение существующих алгоритмов вычисления расстояния, за счёт добавления работы с разными условиями освещения. 2. Обучение нейронной сети для получения описывающих масок маркеров, находящихся на фотоизображении. 3. Применение и анализ методов компьютерного зрения для работы с полученными масками маркеров на изображении. Работа основана на архитектуре нейронной сети, сегментирующей маски объектов. Анализ результатов проводился путём запуска вычислений на валидационных данных. В результате был разработан алгоритм вычисления расстояния между объектами- маркерами в приложении к строительной отрасли, когда маркерами являются ограничители на строительной линейке, а также представлены и проанализированы результаты вычисления расстояний между маркерами на предоставленном множестве фотографий., This program is designed to develop algorithms for automatically determining the linear dimensions of objects in the image in the application to the construction industry. Tasks that were solved during development: 1. Improving existing algorithms. 2. Training the neural network to obtain descriptive marker masks used in the image. 3. Application and analysis of computer vision methods for working with masked markers in the image. The work is based on the architecture of the neural network called Mask R-CNN. Analysis of the results of wireline calculations on validation data. As a result, an algorithm for calculating the boundaries between markers and multiple photographs was developed.

The paper considers an issue of object registration in the image through the generalized Hough transform with uncompensated geometric distortions being available. It proposes the method of geometric distortion correction and the method of parameter space normalization. The paper shows that the proposed algorithms require a relatively small amount of computations, but significantly improve the reliability of object detection. The paper may be of interest to professionals working in the field of pattern recognition as well as to graduate and undergraduate students attending lectures on the pattern recognition.

Настоящая статья посвящена обзору стереоскопической системы измерения раствора валков на машине непрерывного литья заготовок. Рассмотрены основные факторы влияющие на качество выпускаемой продукции и актуальные устройства для её контроля. Описан состав и устройство данной системы. Освещены основные принципы алгоритма измерения, который использует систему технического зрения в виде пары камер. Показаны основные технические характеристики и преимущества разрабатываемой системы. This article reviews the stereoscopic measurement system solution on rolls continuous casting machine. The main factors affecting the quality of products and relevant devices for its control. Discloses a device and the system. When covering the main principles of the measurement algorithm, which uses a vision system as a pair of cameras. The basic technical characteristics and advantages of the system under development.