Машинное зрение
Заказать уникальную курсовую работу- 21 21 страница
- 11 + 11 источников
- Добавлена 15.12.2018
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Введение 3
1. Теоретические основы проблемы машинного зрения 4
1.1 Генезис дефиниции «машинное зрение» 4
1.2 Описание процесса обработки изображений 6
2. Эмпирические основы проблемы машинного зрения 11
2.1 Применение машинного зрения 11
2.2 Перспективы развития и использования машинного зрения 16
Заключение 21
Литература 22
Куда практичнее заставить машину самостоятельно построить карту. Этот способ более универсальный, но требует мощного компьютера. Впрочем, роботы будущего объединят оба варианта — машины сначала построят карту, а затем сравнят ее с оригиналом.Облегчить задачу может спутниковая система навигации — она подскажет роботу его координаты на карте, после чего останется лишь сравнить реальную обстановку с оригиналом. Сегодня наиболее популярна спутниковая система навигации GPS. К запуску готовятся европейская Gallileo и российская ГЛОНАСС.Все, о чем мы писали выше, — не настоящее зрение, а так, прообраз. Робота необходимо заставить видеть, как видит человек. В противном случае толкового помощника из него не выйдет.Чтобы обходиться без водителя, автомобилю требуется от одного до нескольких глаз — видеокамер, и мозга — алгоритма для обработки поступающей через окуляры информации. Робот способен за пару секунд, а то и быстрее, решить за вас зубодробительную задачу на экзамене по высшей математике или квантовой механике, но, когда его попросят отличить живого человека от изображения президента США на долларе, он впадет в ступор.Чтобы заставить робота «думать», можно использовать аналог биологического мозга, который состоит из миллионов крохотных процессоров — нервных клеток. Ничего фантастического здесь нет. Искусственные нейронные сети (ИНС) с начала 90-х годов прошлого века используют для составления финансовых прогнозов и различных отчетов. Физически ИНС — либо программа, которая запущена на обычном компьютере, либо набор специальных микросхем. Существующие прототипы роботов-андроидов имеют ИНС и прекрасно справляются с задачей нахождения нужного человека в толпе.Наше зрение называется стереоскопическим, или бинокулярным. За счет того, что мозг знает, на каком расстоянии расположены глаза друг от друга и под какими углами, нам удается прикинуть дистанцию до объекта. Два глаза позволяют понять, что перед нами, — плоскость или объемный предмет. Одноглазому роботу непросто идентифицировать выкрашенный в один цвет куб, особенно если освещение будет равномерным.Чтобы наверняка определить расстояние до объекта, одноглазый робот может менять фокусное расстояние, приближая или удаляя объект. Машина делает несколько снимков с разными приближениями, а затем выбирает из них тот, на котором главный предмет виден наиболее четко. При известном фокусном расстоянии вычислить дистанцию проще простого.Программисты достигли немалых успехов в «одноглазой» робототехнике. Случаи, когда один глаз предпочтительнее двух, нередки. В маленьких роботах уместить две камеры бывает невозможно. Кроме того, стереоскопия дает ощутимую нагрузку на систему питания и вычислительную часть.Современная робототехника еще не перешагнула порог, отделяющий реальность от мира, описанного фантастами, но ногу занесла. Роботы-андроиды, которых активно демонстрируют на международных выставках, умеют запоминать и различать людей по внешности, понимают выражения лиц и читают рукописные тексты.Ну, а в индустрии машинное зрение востребовано уже давно. Казалось бы, тривиальная задача — проверить поступающие по конвейеру куриные яйца на брак. Человека такая работа утомит через час, да и скорость выполнения оставит желать лучшего. А вот подключенный к компьютеру робот с десятком видеокамер готов осматривать яйца сутки напролет.Таракан-пилот. Можно ли вместо микросхем и сложной электроники использовать подручные средства? Запросто! Сотрудник калифорнийского университета Гарнет Герц создал робота, которым управляет рядовой американский таракан, сидящий на шарике. Сложной начинки в машине нет, поскольку главная задача проекта — продемонстрировать работоспособность идеи. Агрегат представляет собой платформу с колесами и постоянно находится в движении. Датчик дистанции, в случае, если обнаруживает вблизи какое-нибудь препятствие, включает в кабине свет. Таракан, стремясь скрыться от раздражающего фактора, начинает убегать. Шарик крутится и поворачивает колеса машинки.В подавляющем большинстве случаев тараканы неплохо справляются с работой. Проект был продемонстрирован на ряде выставок и, возможно, будет развиваться на новом витке.Прогрессивные системы машинного зрения позволят создавать автомобили, которые никогда не собьются в пробки, не попадут в аварию и честно соблюдут все правила дорожного движения.Развитие автомобильных роботов стимулируют автогонки, спонсируемые Пентагоном. Ближайшей осенью состоится четвертый такой турнир. Первые три прошли в пустыне Мохаве штата Невада, а теперь роботы выйдут на псевдогородскую трассу длиной 100 км. В задачи машин входит распознавание знаков дорожного движения, понимание ситуации на дороге и разрешение опасных моментов.Обыватели, кстати, уже могут начать пользоваться техническими благами, которые дарит машинное зрение. Некоторые компании предлагают вполне полезные системы для помощи водителю. Обкатанные в реальных ситуациях разработки в будущем легко будет перенести на роботов-автомобилей.Компания Siemens, к примеру, активно рекламирует комплекс pro.pilot, который предупреждает об опасных маневрах других водителей и помогает в дождь или туман, сообщая о скорости других авто на 250 метров впереди. Кроме того, система элегантно решает проблему так называемых «слепых мест» — если водитель собрался перестроиться на другую полосу и не заметил, как его обгоняют, pro.pilot предупредит аварию сильной вибрацией руля или громким звуком.Еще одна важная задача — не дать водителю отвлечься или уснуть. Инфракрасная цифровая камера пристально следит за лицом водителя в любое время суток. Если человек увлечется разговором, заслушается песней по радио или, хуже того, уснет, pro.pilot примет меры. Сначала начнет трястись сиденье. Если этого окажется мало, и водитель не пожелает собраться с мыслями, электроника начнет издавать противные звуковые сигналы, от которых очнется и мертвый. Уже сегодня такую систему можно найти в некоторых авто класса люкс.ЗаключениеТаким образом, машинное зрение имеет все шансы превзойти человеческое в ближайшие десять лет. Уже сейчас роботы видят сквозь стены и на километры вперед. Последний бастион — расшифровка видеоинформации — скоро падет. В строй встанут роботы-автомобили, роботы-поезда и роботы-самолеты. А еще — доктора, скальпель которых никогда не сорвется, а зоркий глаз вовремя заметит артерию.Остается надеяться, что люди сумеют направить мощь машинного зрения в верное русло, а не станут в спешном порядке конструировать терминаторов.Литература1Jiang Xiangang, Xu Miaocun, Jiang Xiaojun. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАНИЙ В МАШИННОМ ЗРЕНИИ / Современные технологии. Системный анализ. Моделирование. 2009. № 2 (22). С. 205-209.2Грекул В. Методические основы управления IT-проектами / В. Грекул, Н. Коровкина, Ю. Куприянов. – ИНТУИТ, Национальный открытый университет. – 2016. – 474с.3Дятлов Е.И.МАШИННОЕ ЗРЕНИЕ (АНАЛИТИЧЕСКИЙ ОБЗОР) / Математические машины и системы. 2013. № 2. С. 32-40.4Желтов С.Ю., Визильтер Ю.В.МАШИННОЕ ЗРЕНИЕ КАК ПРИКЛАДНАЯ ТЕХНИЧЕСКАЯ ДИСЦИПЛИНА / Вестник компьютерных и информационных технологий. 2004. № 3 (3). С. 14.5Информационные технологии управления: Учеб. пособие для вузов /Под ред. проф. Г. А. Титоренко. — 4-е изд., доп. М.: ЮНИТИ-ДАНА, 2008.6Информационные технологии управления: Учебное пособие / Под ред. Ю.М. Черкасова. – М.: ИНФРА-М, 2008.7Королев Ю.Ю. Технология автоматизированной обработки учетно-аналитической информации. — Мн., 2008.8МАШИННОЕ ЗРЕНИЕ: ОТ ТЕОРИИ РАСПОЗНАВАНИЯ К ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ / Автоматизация в промышленности. 2009. № 11. С. 36-38.9Метлицкий Е.А., Горячев Г.А.ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ НАУЧНОГО И ИНФОРМАЦИОННОГО ОБСЛУЖИВАНИЯ НАПРАВЛЕНИЯ "МАШИННОЕ ЗРЕНИЕ, АНАЛИЗ ИЗОБРАЖЕНИЙ, МАШИННЫЙ ИНТЕЛЛЕКТ" / Отчет о НИР № 94-07-00822 (Российский фонд фундаментальных исследований)10Попов И.И., Максимов Н.В., Компьютерные сети: Учебное пособие. -М., ФОРУМ: ИНФРА-М, 2004.11Саниев К.Б.КОГНИТИВНОЕ МАШИННОЕ ЗРЕНИЕ НА ОСНОВЕ ПАРАМЕТРИЧЕСКОГО АНАЛИЗА СТРУКТУРНЫХ ПРИМИТИВОВ ИЗОБРАЖЕНИЙ / Ползуновский вестник. 2013. № 2. С. 73-77.
1 Jiang Xiangang, Xu Miaocun, Jiang Xiaojun. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАНИЙ В МАШИННОМ ЗРЕНИИ / Современные технологии. Системный анализ. Моделирование. 2009. № 2 (22). С. 205-209.
2 Грекул В. Методические основы управления IT-проектами / В. Грекул, Н. Коровкина, Ю. Куприянов. – ИНТУИТ, Национальный открытый университет. – 2016. – 474с.
3 Дятлов Е.И. МАШИННОЕ ЗРЕНИЕ (АНАЛИТИЧЕСКИЙ ОБЗОР) / Математические машины и системы. 2013. № 2. С. 32-40.
4 Желтов С.Ю., Визильтер Ю.В. МАШИННОЕ ЗРЕНИЕ КАК ПРИКЛАДНАЯ ТЕХНИЧЕСКАЯ ДИСЦИПЛИНА / Вестник компьютерных и информационных технологий. 2004. № 3 (3). С. 14.
5 Информационные технологии управления: Учеб. пособие для вузов /Под ред. проф. Г. А. Титоренко. — 4-е изд., доп. М.: ЮНИТИ-ДАНА, 2008.
6 Информационные технологии управления: Учебное пособие / Под ред. Ю.М. Черкасова. – М.: ИНФРА-М, 2008.
7 Королев Ю.Ю. Технология автоматизированной обработки учетно-аналитической информации. — Мн., 2008.
8 МАШИННОЕ ЗРЕНИЕ: ОТ ТЕОРИИ РАСПОЗНАВАНИЯ К ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ / Автоматизация в промышленности. 2009. № 11. С. 36-38.
9 Метлицкий Е.А., Горячев Г.А. ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ НАУЧНОГО И ИНФОРМАЦИОННОГО ОБСЛУЖИВАНИЯ НАПРАВЛЕНИЯ "МАШИННОЕ ЗРЕНИЕ, АНАЛИЗ ИЗОБРАЖЕНИЙ, МАШИННЫЙ ИНТЕЛЛЕКТ" / Отчет о НИР № 94-07-00822 (Российский фонд фундаментальных исследований)
10 Попов И.И., Максимов Н.В., Компьютерные сети: Учебное пособие. -М., ФОРУМ: ИНФРА-М, 2004.
11 Саниев К.Б. КОГНИТИВНОЕ МАШИННОЕ ЗРЕНИЕ НА ОСНОВЕ ПАРАМЕТРИЧЕСКОГО АНАЛИЗА СТРУКТУРНЫХ ПРИМИТИВОВ ИЗОБРАЖЕНИЙ / Ползуновский вестник. 2013. № 2. С. 73-77.
Вопрос-ответ:
Какие теоретические основы лежат в основе проблемы машинного зрения?
Теоретические основы проблемы машинного зрения включают в себя генезис дефиниции машинного зрения и описание процесса обработки изображений.
Что такое генезис дефиниции машинного зрения?
Генезис дефиниции машинного зрения - это процесс развития и формирования понятия о возможностях и особенностях машинного зрения.
Как описывается процесс обработки изображений в машинном зрении?
Процесс обработки изображений в машинном зрении описывается как последовательность шагов, включающих захват изображения, предварительную обработку, извлечение признаков и классификацию.
Как применяется машинное зрение в настоящее время?
В настоящее время машинное зрение применяется в различных областях, таких как промышленность, медицина, автомобильная промышленность, робототехника, безопасность и многое другое.
Каковы перспективы развития и использования машинного зрения?
Перспективы развития и использования машинного зрения включают в себя разработку более точных и эффективных алгоритмов, расширение областей применения и интеграцию с другими технологиями, такими как искусственный интеллект и автоматизация процессов.
Какие теоретические основы лежат в основе машинного зрения?
Машинное зрение основывается на идеях из области компьютерного зрения, искусственного интеллекта и психологии. Это наука, которая изучает методы и алгоритмы, позволяющие компьютеру "видеть" и анализировать изображения. Её задача - разработка алгоритмов и программ, позволяющих компьютеру обрабатывать и распознавать изображения так же, как это делает человек.
Как описать процесс обработки изображений в машинном зрении?
Процесс обработки изображений в машинном зрении состоит из нескольких этапов. Сначала выполняется предобработка изображения, включающая его улучшение и фильтрацию. Затем происходит сегментация изображения - разделение на отдельные объекты или регионы интереса. Далее проводится извлечение признаков - выделение характеристик, которые помогут распознать объекты. На основе этих признаков происходит классификация или распознавание объектов. Наконец, происходит интерпретация полученной информации и принятие решений на основе результатов обработки изображения.
Для чего применяется машинное зрение?
Машинное зрение применяется во многих областях, включая промышленность, робототехнику, медицину, безопасность, автоматизацию процессов и многое другое. В промышленности машинное зрение используется для контроля качества продукции, распознавания дефектов и недостатков, определения геометрических параметров и многое другое. В робототехнике оно необходимо для навигации и восприятия окружающей среды роботом. В медицине оно используется для анализа медицинских изображений, диагностики заболеваний и многое другое.
Какие перспективы развития и использования машинного зрения?
Перспективы развития и использования машинного зрения огромны. С развитием технологий обработки изображений и искусственного интеллекта оно становится все более точным и эффективным. Оно может быть применено во многих сферах жизни, начиная от автоматизации бытовых задач и заканчивая сложными промышленными процессами. В будущем машинное зрение может стать неотъемлемой частью нашей повседневной жизни.