1. Наука
  2. Видання
  3. Системи обробки інформації
  4. 4(159)'2019
  5. Метод определения параметров проективного преобразования мозаичного стохастического маркера без учета дополнительной априорной информации

Метод определения параметров проективного преобразования мозаичного стохастического маркера без учета дополнительной априорной информации

А.Н. Маковейчук
Аннотации на языках:


Анотация: Предметом изучения в статье является метод параметров проективного преобразования на изображении. Целью является разработка “слепого” метода нахождения четверки опорных точек с помощью оптимизационного алгоритма. Задачи: анализ факторов, влияющих на возможность решения задачи, выбор целевой функции для оптимизации. Получены следующие результаты. Показана эффективность использования индексного метода вместо координатного, выбран способ начальной инициализации, при котором алгоритм быстро сходится. Обоснован выбор целевой функции. Разработан метод нахождения четверки опорных точек с помощью оптимизационного алгоритма. Научная новизна полученных результатов заключается в следующем. Установлен вид целевой функции, которая принимает минималь-ное значение для правильно трансформированных бинарных изображений. Разработан метод, который использует итерационный алгоритм и позволяет “вслепую” без дополнительной априорной информации находить параметры ис-комого проективного преобразования.


Ключевые слова: AR-маркер, бинарные изображения, проективное преобразование, оптимизационный алгоритм, априорная информация.

Список литературы

1.Mapping and localization from planar markers [Electronic resource] / R.M. Carnicer, R. Muñoz-Salinas, J.M. Manuel,Y.B. Enrique // Pattern Recognition. – 2016. – P. 158-171. – Available at: https://arxiv.org/abs/1606.00151.
2.Siltanen S. Theory and applications of marker-based augmented reality / S. Siltanen. – Finland: Espoo 2012, 2012. –198 p.
3.Маковейчук О.М. Використання генетичних алгоритмів для знаходження інверсних псевдовипадкових блочнихперестановок / О.М. Маковейчук, І.В. Рубан, Г.В. Худов // Системи управління, навігації та зв’язку. – 2019. – № 4(56). – C. 72-81.
4.Hartley R. Multiple View Geometry in Computer Vision / R. Hartley, S. Zisserman. – Cambridge University Press. –New York, NY, USA. – 2003. – 655 p.
5.Facebook Research. AR/VR-Facebook Research [Electronic resource]. – 2019. – Available at:https://research.fb.com/category/augmented-reality-virtual-reality.
6.Форсайт А.Д. Компьютерное зрение. Современный подход / А.Д. Форсайт, Ж. Понс. – М.: Вильямс, 2004. – 928 с.
7.Nagymáté G. Affordable gait analysis using augmented reality markers / G. Nagymáté, R.M. Kiss // Plos One. – 2019.https://doi.org/10.1371/journal.pone.0212319.
8.Маковейчук О.М. Новий тип маркерів доповненої реальності / О.М. Маковейчук // Сучасні інформаційні систе-ми. – 2019. – № 3(3). – С. 43-48.
9.Duda R.O. Use of the Hough Transformation to Detect Lines and Curves in Pictures [Electronic resource] / R.O. Duda,P.E. Hart // Graphics and Image Processing. – 1972. – № 1(15). – P. 11-15. – Available at: https://www.cse.unr.edu/~bebis/CS474/Handouts/HoughTransformPaper.pdf.
10.Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an im-proved Hough transform / L. Zhengrong, L. Walker, R. Hayward, F. Ross, J. Zhang // Machine Vision and Applications. – 2009. – № 21(5). – P. 677-686.
11.Manzanera A. Line and circle detection using dense one-to-one Hough transforms on greyscale images /A. Manzanera, T. Nguyen, X. Xu // EURASIP Journal on Image and Video Processing, Springer. – 2016. – № 34. – P. 1773-2000.
12.Goldman S. Global Investment Research [Electronic resource] / S. Goldman. – 2019. – Available at:https://www.goldmansachs.com/careers/divisions/global-investment-research/.