Методы программирования систем технического зрения реального времени

Образы пантографов различных конструкций на изображениях отличаются друг от друга (рис. 3,4), но в области токосъемной каретки имеют похожую структуру. Обычно на изображении в области верхней части пантографа присутствуют один или два фрагмента, которые можно приближенно считать прямоугольными. Яркость пикселей в этих фрагментах существенно отличается от яркости пикселов фона. Для вычисления высоты пантографа необходимо определить положение верхней стороны верхней прямоугольной области образа пантографа - положение образа верхней планки пантографа.

В подобных СТЗ при получении данных для оценки динамических характеристик пантографа может дополнительно предусматриваться определение относительного расположения и других частей пантографа (рис. 5). По каждому из определяемых параметров СТЗ должна формировать последовательность значений величин, которым сопоставлена временная метка и/или местоположение полученных значений на железнодорожном перегоне. На рис. 5 представлена схема, иллюстрирующая параметры относительного расположения частей пантографа TGV (французские железные дороги).

Рис. 5. Схема расположения определяемых параметров при слежении за движением пантографа электровоза TGV. Цифрами отмечены прослеживаемые части пантографа (1-4) и базовый уровень (5), относительно которого определяется высота расположения частей пантографа. Кроме значений высоты (эти параметры показаны на схеме стрелками), СТЗ определяет угол наклона верхней планки (1) относительно нижней планки (2) и базового уровня (5).

В приведенных примерах и в других подобных задачах, когда образ прослеживаемого объекта удается представить в виде совокупности известных характерных признаков с априорно известными пространственными отношениями, для слежения за объектом в реальном времени предлагается использовать унифицированные программные конструкции, обеспечивающие обнаружение соответствующих моделей образов на изображениях. Характерные признаки, образующие эти модели, могут быть однотипными (например, прямолинейные края) или принадлежать ограниченному множеству признаков. При использовании структурного метода построения модели образа искомого объекта характерные признаки в модели связываются пространственными отношениями, задающими относительное расположение этих признаков на изображении. Такое построение программного обеспечения позволяет не только повысить эффективность процесса разработки СТЗ для конкретной задачи, но и уменьшить время обработки анализируемых изображений.

В рассматриваемых СТЗ требуются методы обнаружения объектов, которые были бы пригодны для функционирования в реальном времени, и работоспособны на сценах с неуправляемым освещением (при условии соблюдения перечисленных выше ограничений). В связи с этим, требуется рассмотрение следующих задач, в каждой из которых необходимо учитывать направленность на функционирование ПрО СТЗ в реальном времени:

1) представление модели объекта интереса;

2) организация обнаружения образа объекта интереса на изображении;

3) способы использования априорной информации.

Совместное решение перечисленных задач в рассматриваемых СТЗ обеспечивается посредством специальной организации двух высокоуровневых алгоритмов обработки. Первый предназначается для первоначального обнаружения объектов интереса, а второй - для обнаружения объектов с учетом результатов обработки предыдущих изображений (для сопровождения образа объекта интереса). В структуре обоих высокоуровневых алгоритмов учитывается априорная информация об обрабатываемых сценах и структурные геометрические модели объектов интереса.

В соответствии с предлагаемым подходом, структурная геометрическая модель (СГМ) рассматривается как средство для управления вычислительным процессом обнаружения объекта интереса. СГМ используется на этапе проектирования высокоуровневого алгоритма обработки зрительных данных и в процессе его выполнения. Этот алгоритм, реализующий процедуру обнаружения объекта интереса, представляет собой алгоритм построения подграфа графа сцены в соответствии с априорной информацией из прикладной области задачи, структурной геометрической моделью образа объекта интереса и информацией о результатах обработки предыдущих изображений (на этапе сопровождения объекта интереса). Эти источники информации позволяют ограничить глубину поиска на графе описания сцены. Сам граф в ПрО СТЗ непосредственно не формируется. Предполагается, что он задан неявно в форме входного цифрового изображения. На изображении присутствуют характерные признаки, которые могут быть согласно с используемой СГМ объединены в признаки более высокого уровня, интерпретируемые применительно к решаемой прикладной задаче.

Метод проектирования высокоуровневых алгоритмов обработки изображений на основе обнаружения объектов с использованием структурных геометрических моделей показал свою высокую эффективность на примере решения ряда прикладных задач. В реализованных СТЗ образы объектов описывались с помощью структурных моделей, состоящих из элементов типа "полигональная область". Стороны полигональных областей на изображении формируют характерные признаки типа "ступенчатый край". Модель может быть задана либо в явном виде, с использованием классов для представления модели и ее частей, либо неявно в форме последовательности операций, выполняемых в составе высокоуровневого алгоритма обработки.

Обеспечение обработки в реальном времени при поиске структурных геометрических моделей производится за счет следующих приемов:

1) Частичная обработка моделей. Для обнаружения модели достаточно выделить на изображении не все стороны полигональных областей, а только заданное количество, считающееся в конкретной задаче достаточным для достоверного обнаружения объекта интереса. Для каждой из обнаруживаемых сторон на изображении выполняется поиск ограниченного количества краевых признаков (обычно 2-3), распределенных по длине стороны, а не всех контурных точек, образующих сторону полигональной области.

2) Для обнаружения объектов интереса в условиях возможного перекрытия нескольких полигональных областей (в частности, при появлении образов, перекрывающих образ объекта интереса), в описание геометрической модели добавляются приоритеты поиска. Эти приоритеты указывают необходимость и порядок обнаружения сторон полигональных областей, так что для принятия гипотезы о наличии области достаточно обнаружение сторон с одинаковыми приоритетами. Значение приоритета характеризует достоверность обнаружения области в результате обнаружения заданного подмножества сторон.

3) Применение поиска методом "сверху-вниз", если на предыдущих изображениях объекты интереса уже были обнаружены. На этапе первоначального обнаружения и применении поиска методом "снизу-вверх" для сокращения времени поиска возможно использование априорной информации о примерном расположении объекта, которая доступна в случае, если в данной задаче поле зрения было организовано специальным образом.

Опыт разработки прикладных СТЗ с применением алгоритмов поиска образов объектов с использованием СГМ продемонстрировал возможность обеспечения обработки в реальном времени зрительных данных, представленных в виде видеосигнала телевизионного стандарта, на базе общедоступных ПК. К этим СТЗ относятся: СТЗ для определения взаимного расположения частей пантографов в движении, СТЗ для определения местоположения контактного провода железной дороги в процессе движения электровоза, СТЗ для определения колебаний контактного провода железной дороги, СТЗ для определения силы взаимодействия токоприемника локомотива с контактным проводом. Автоматизация обработки зрительных данных в перечисленных задачах позволяет получить информацию о движущихся объектах, которую сложно получить другими способами, например, с помощью контактных измерительных средств или ручного выполнения измерений человеком.

Применение описанного метода проектирования высокоуровневых алгоритмов позволяет не только обеспечить обработку изображений в реальном времени, но и упростить решение прикладных задач благодаря возможности быстрого макетирования высокоуровневого алгоритма обработки зрительных данных для прикладных задач инспекционного контроля путем модификации базового алгоритма поиска объектов на основе использования новой геометрической модели образа объекта.

В четвертой главе рассматриваются методы проектирования и реализации высокоуровневых алгоритмов обработки зрительных данных для СТЗ реального времени, в которых образы объектов интереса на обрабатываемых изображениях имеют непостоянную структуру.

Изменения формы и структуры образов объектов интереса могут быть связаны как с изменением геометрических характеристик наблюдаемого объекта, например, вследствие относительного движения его частей, так и с изменением относительной ориентации или расстояния между объектом и зрительным датчиком. Эти особенности необходимо учитывать при разработке ПрО СТЗ, чтобы обеспечивать надежное обнаружение образов объектов интереса в реальном времени. Для этой цели может использоваться априорная информация, характеризующая возможные изменения формы и структуры образов объектов интереса на обрабатываемых изображениях. Методы проектирования высокоуровневых алгоритмов обработки зрительных данных, основанные на использовании априорной информации, были успешно применены для решения нескольких прикладных задач, в частности, были разработаны и применены на практике СТЗ для слежения за процессом сближения и стыковки космического корабля (КК) с Международной космической станцией (МКС), СТЗ для слежения за движущейся малоразмерной целью, СТЗ для слежения за низколетящими целями на расстояниях прямой видимости.

Для слежения за образами движущихся объектов (целями) в ПрО СТЗ обычно используются два основных источника информации: модель движения цели и модель ее образа на изображении. Модель движения может быть получена на основе априорной информации, например, посредством анализа движения образцов целей на тестовых видеопоследовательностях. При формировании модели образа цели обычно совместно учитываются особенности относительного расположения зрительного датчика и наблюдаемых целей, а также геометрические свойства объектов-целей. Затем в процессе слежения среди информации, извлеченной из зрительных данных, выполняется поиск модели, совместимой с известной системе слежения моделью движения и моделью образа цели в текущий момент времени.

В качестве основного примера, на котором демонстрируются описываемые методы программирования, выбрана СТЗ для автоматизации визуального мониторинга процессов сближения и стыковки КК и МКС. Сближение и стыковка являются одними из наиболее сложных и ответственных этапов в управлении полетами космических аппаратов. Рассматриваемая СТЗ была спроектирована и разработана для использования в качестве дополнительного средства наблюдения за сближением и стыковкой беспилотных кораблей "Прогресс" с Международной космической станцией. СТЗ обрабатывает полутоновые изображения, поступающие с ТВ-камеры, установленной на КК "Прогресс". Данные обработки изображений, полученные с помощью этой СТЗ, используются в качестве исходных данных для расчета параметров относительного движения космического корабля и станции (дальность, скорость, угловые отклонения). Все результаты в масштабе реального времени предоставляются операторам, контролирующим процесс сближения и стыковки (рис. 6).

Рис. 6. Основное окно СТЗ для слежения за процессом сближения и стыковки космического корабля и Международной космической станции.

Образ МКС на разных расстояниях имеет различную структуру (рис. 7). Например, на расстояниях порядка 100 м хорошо заметны солнечные батареи и внешний контур станции. На расстояниях менее 45 м становится хорошо виден стыковочный узел, а на расстояниях менее 30 м становится видна крестообразная стыковочная мишень (стыковка выполняется таким образом, что мишень на изображении расположена ниже стыковочного узла).

Рис. 7. Примеры изображений, обрабатываемых СТЗ для слежения за процессом сближения и стыковки космического корабля с Международной космической станцией. (а) Расстояние между КК и МКС составляет 106 м. (б) Расстояние между КК и МКС составляет 19 м.

Структура образов объектов интереса служит критерием классификации входных изображений. Классом изображений будем называть совокупность изображений, на которых образы объекта интереса описываются одним и тем же набором характерных признаков.

В СТЗ для слежения за сближением и стыковкой КК и МКС в результате анализа образцов изображений в интервале прослеживаемых расстояний (от 100 до 0 м) были выделены четыре класса изображений, на которых можно указать однотипные наборы признаков для обнаружения образа станции и ее частей. Эти классы изображений соответствуют четырем различным фрагментам прослеживаемого интервала дальностей.

В процессе разработки рассматриваемых СТЗ проектирование высокоуровневого алгоритма обработки изображений выполняется в виде композиции алгоритмов, выполняющих обработку изображений различных классов. Последовательность операций по обработке текущего изображения показана на рис. 8. На все операции "обработать изображение" накладываются временные ограничения, зависящие от масштаба реального времени конкретной СТЗ.

Рис. 8. Диаграмма взаимодействия алгоритмов обработки изображений в процессе обработки текущего изображения img(t). Вызов на его обработку Prc(img(t)) перенаправляется согласно классу изображения. Эти действия выполняются в составе высокоуровневого алгоритма обработки изображений СТЗ.

В СТЗ для слежения за процессом сближения и стыковки КК и МКС высокоуровневый алгоритм обработки зрительных данных должен обеспечивать обнаружение объектов интереса с учетом возможности запуска автоматической обработки в произвольный момент времени в процессе сближения КК и МКС. Для этого в каждом из четырех алгоритмов для различных классов изображений (интервалов расстояний) реализованы собственные варианты поиска методами "снизу-вверх" и "сверху-вниз". Таким образом, эти алгоритмы могут применяться как для первоначального обнаружения, так и для прослеживания объекта интереса. В зависимости от интервала расстояний, на который рассчитан алгоритм обработки, в нем производится обнаружение образов различных частей станции:

· Изображение класса 1 (дальность от 100 м до 45 м). Выполняется поиск поперечного сечения станции на основе обнаружения его кругового контура.

· Изображение класса 2 (дальность от 45 м до 25 м). Выполняется поиск поперечного сечения станции на основе обнаружения образа стыковочного узла.

· Изображение класса 3 (дальность от 25 м до 15 м). Производится поиск мишени.

· Изображение класса 4 (дальность от 15 м до 0 м). Выполняется поиск мишени: сначала обнаруживается перекрестие, затем метки мишени.

Под согласованным применением алгоритмов обработки будем понимать такой способ обработки поступающих изображений видеопоследовательности, при котором обеспечивается выбор алгоритма обработки, соответствующего классу текущего обрабатываемого изображения. Т.е. вариант применяемого алгоритма обработки зрительных данных должен быть согласован с текущим состоянием объекта интереса. Данные о текущем состоянии объекта интереса в ПрО СТЗ могут быть доступны из двух информационных источников:

1) Результаты обработки предыдущих изображений видеопоследовательности.

2) Модель движения объекта интереса.

В зависимости от количества обработанных изображений, в ПрО СТЗ могут быть доступны либо первый, либо оба информационных источника, либо ни одного из них. Эти состояния можно рассмотреть в качестве основных возможных состояний ПрО СТЗ, в каждом из которых планирование действий в цикле реального времени должно приводить к выбору алгоритма обработки зрительных данных, обеспечивающего успешную обработку текущего изображения.

Для выбора текущего алгоритма для обработки поступающих изображений в ПрО СТЗ добавлен объект "Селектор класса текущего изображения". В случае, если сформирован прогноз движения объекта интереса по результатам обработки предыдущих изображений, выбор алгоритма производится на основе этого прогноза. Иначе, при отсутствии сведений о текущем положении объекта интереса, происходит перебор алгоритмов до нахождения алгоритма, выполняющего устойчивое обнаружение (т.е. подтверждающееся посредством обработки последовательности изображений заданной длительности). Для обеспечения корректной работы переключателя алгоритмов обработки основным требованием, предъявляемым к этим алгоритмам, является отсутствие ложных срабатываний на изображениях, принадлежащих интервалам дальностей, соответствующих другим алгоритмам.

Для настройки параметров низкоуровневых алгоритмов обработки зрительных данных в ПрО СТЗ применяется шаблон "Адаптивные параметры обработки". Он построен по аналогии с шаблоном проектирования "Прогнозирование местоположения объектов", согласно которому в процессе обработки последовательности изображений длительность обработки можно уменьшить и упростить выполняемые операции за счет использования априорной информации или результатов обработки предыдущих изображений для вычисления текущего положения объекта интереса. Шаблон "Адаптивные параметры обработки" предполагает вычисление параметров алгоритмов обработки с учетом достоверности сведений о расположении объектов интереса на обрабатываемом изображении. Если доступен достоверный прогноз положения объекта, то чувствительность алгоритмов обработки может быть увеличена, а количество данных, требуемых для подтверждения обнаружения объекта - уменьшено.

Описанные подходы иллюстрируются эффективным применением в различных практических задачах.

В СТЗ для слежения за низколетящими целями выделение классов изображений выполнено на основе разбиения допустимого интервала расстояний между зрительным датчиком и объектом слежения. В каждом из трех выделенных классов при обнаружении кандидатов на цель и сопровождении выделенной цели используются собственные наборы ограничений на изменения формы и вид траектории цели.

В СТЗ для слежения за движущейся малоразмерной целью классы изображений были выделены на основе анализа допустимых траекторий движения образа объекта интереса - пятна лазерного целеуказателя. В зависимости от класса траектории применяются различные способы построения траектории движения образа цели и ее сопровождения на последовательности изображений. По мере накопления данных о кандидатах на цель в ПрО СТЗ производится верификация класса обрабатываемых изображений.

В заключении сформулированы основные результаты диссертации.

Положения, выносимые на защиту

1) Архитектура ПрО СТЗ реального времени для обработки полутоновых и цветных изображений с возможностью использования нескольких полей зрения.

2) Схема компонентной классификации и проектирования объектов ПрО СТЗ, основанная на выделении классов для представления понятий, относящихся к подсистемам ПрО СТЗ.

3) Каркас ПрО СТЗ реального времени для многозадачных операционных систем семейства Windows NT/XP, предназначенный для использования в широком круге прикладных и научных задач.

4) Организация алгоритмов обработки последовательностей изображений с использованием комбинированных методов распознавания объектов для первоначального обнаружения и для прослеживания объектов.

5) Структура алгоритмов обработки зрительных данных для обнаружения объектов с образами изменяющейся структуры на основе иерархического разделения высокоуровневого алгоритма обработки зрительных данных СТЗ на алгоритмы, соответствующие различным классам изображений.

6) СТЗ для решения прикладных и научных задач обработки зрительных данных в реальном времени. Разработанный каркас и повторно используемые компоненты ПрО СТЗ были использованы для разработки следующих СТЗ реального времени: СТЗ для определения взаимного расположения частей пантографов в движении; СТЗ для определения местоположения контактного провода железной дороги по высоте и в плане в процессе движения электроподвижного состава; СТЗ для определения колебаний контактного провода железной дороги; СТЗ для обнаружения дефектов верхнего строения железнодорожного пути; СТЗ для определения силы взаимодействия токоприемника локомотива с контактным проводом; СТЗ для контроля качества металлического порошка в порошковой металлургии; СТЗ для контроля чистоты жидкости в емкостях на движущемся конвейере; СТЗ для слежения за низколетящими целями на расстояниях прямой видимости; СТЗ в составе системы "глаз-рука", выполняющей захват подвижного объекта; СТЗ в составе системы "глаз-рука", формирующей траекторию объекта; СТЗ для слежения за движущейся малоразмерной целью для применения в системах визуализации бесконтактных измерений; СТЗ для слежения за процессом сближения и стыковки космического корабля с Международной космической станцией.

Печатные работы по теме диссертации

Соколов С.М., Богуславский А.А. Графический интеллектуальный интерфейс для СТЗ, функционирующих в супервизорном и автономном режимах. // Материалы 2-й Всероссийской с участием стран СНГ конференции "Распознавание образов и анализ изображений: новые информационные технологии", Ульяновск, апрель 1995, с. 86-89.

Соколов C.М., Богуславский А.А. Графический интеллектуальный интерфейс для информационной системы мобильного робота, функционирующего в супервизорном и автономном режимах. // Материалы VII научно-технической конференции "Экстремальная робототехника", Санкт-Петербург, апрель 1996, с.221-226.

Охоцимский Д.Е., Платонов А.К., Белоусов И.Р., Богуславский А.А. и др. Автоматический захват подвижного объекта роботом-манипулятором: Препринт ИПМ им. М.В. Келдыша РАН № 78. М., 1996. 24 с.

Sokolov S.M., Boguslavsky A.A. Real time vision systems based on PC. // Proc. 13th ISPE/IEE International Conference on CAD/CAM, Robotics & Factories of the Future'97, Universidad Technolуgica de Pereira, Columbia, 1997, p.336-342.

Okhotsimsky D.E, Platonov A.K., Belousov I.R., Boguslavsky A.A., et al. Vision system for automatic capturing a moving object by the robot manipulator // Proc. IEEE/RSJ Intern. Conf. on Intelligent Robots and Systems IROS'97, Grenoble, France, Sept. 7-11, 1997, p. 1073-1079.

Okhotsimsky D.E, Platonov A.K, Belousov I.R., Boguslavsky A.A., et al. Real time hand-eye system: interaction with moving objects // Proc. IEEE Intern. Conf. on Robotics and Automation ICRA'98, Leuven, Belgium, May 15-20, 1998, p.1683-1688.

Okhotsimsky D.E., Platonov A.K., Belousov I.R., Boguslavsky A.A., et al. Dynamic Model Approach for Automatic Robot Interaction with Fast Mobile Objects. // Proc. of the Workshop "Adaptive Robots & General System Logical Theory", St.-Petersburg, Russia, July 7-10, 1998, p.41-46.

Охоцимский Д.Е., Платонов А.К., Белоусов И.Р., Богуславский А.А. и др. Захват подвижного объекта роботом-манипулятором. // Известия РАН, "Механика твердого тела". №4, 1998, с. 102-116.

Богуславский А.А., Соколов C.М. Графический интерфейс систем технического зрения на базе персональных компьютеров: Препринт ИПМ им. М.В. Келдыша РАН № 24. М., 1998. 24 с.

Богуславский А.А., Соколов C.М. Интерфейс с аппаратным обеспечением и хранение данных в системах технического зрения на базе персональных компьютеров: Препринт ИПМ им. М.В. Келдыша РАН № 68. М., 1998. 22 с.

Белоусов И.Р., Богуславский А.А., Емельянов С.Н. и др. Система "глаз-рука" в задачах взаимодействия робота с подвижными объектами // Труды научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, 3-4 декабря, 1998, с.10-56.

Охоцимский Д.Е., Платонов А.К., Белоусов И.Р., Богуславский А.А. и др. Взаимодействие робота-манипулятора с подвижными объектами: Препринт ИПМ им. М.В. Келдыша РАН № 6. М., 1999. 24 с.

Богуславский А.А., Соколов С.М., Мерзликин И.В. Система технического зрения реального времени в лабораторном практикуме по физике. // Материалы X Международной конференции "Применение новых технологий в образовании", Троицк, 30 июня - 3 июля 1999, с.42-43.

Богуславский А.А., Соколов С.М., Егиазарян А.В. и др. Информационно-справочная система для паспортизации и контроля состояния объектов инфраструктуры железной дороги. // Материалы 15-й российской научно-технической конференции "Неразрушающий контроль и диагностика", Москва, 28 июня - 2 июля 1999, с. 192.

Богуславский А.А., Соколов С.М. Система поддержки принятия решения в составе железнодорожной передвижной лаборатории комплексной диагностики. // Материалы 15-й российской научно-технической конференции "Неразрушающий контроль и диагностика", Москва, 28 июня - 2 июля 1999, с. 217.

Охоцимский Д.Е., Платонов А.К., Белоусов И.Р., Богуславский А.А. и др. Взаимодействие робота-манипулятора с подвижными объектами / Сб. "Пространства жизни". - М: Наука, 1999, с. 181-192.

Богуславский А.А., Сербенюк Н.С., Соколов С.М. Конический сенсор для навигации подвижного робота по маякам. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 5-6 декабря 2000, с.42-55.

Белоусов И.Р., Богуславский А.А., Емельянов С.Н. и др. Взаимодействие робота-манипулятора с подвижными объектами. // Известия РАН, "Механика твердого тела", № 1, 2001, с. 194-204.

Охоцимский Д.Е., Платонов А.К., Белоусов И.Р., Богуславский А.А. и др. Алгоритмы управления роботом-манипулятором в задачах взаимодействия с быстрыми подвижными объектами. // Материалы 12-й научно-технической конференции "Экстремальная робототехника", Санкт-Петербург, 17-19 апреля 2001, с. 53-57.

Богуславский А.А., Соколов С.М. Устройство и применение систем технического зрения для измерения параметров колебательных процессов в подготовке учителей физики. // Материалы конференции "Повышение эффективности подготовки учителей физики, информатики и технологии в условиях новой образовательной парадигмы", Екатеринбург, 21-22 апреля 2001, с. 176-177.

Богуславский А.А., Соколов С.М. Верификация математической модели колебательных процессов сложных механических систем с использованием систем технического зрения. // Материалы Международной научно-практической конференции "Народное образование в XXI веке", Москва, 6-7 июня 2001, с. 77-78.

Boguslavskiy A.A., Kirilchenko A.A., Sokolov S.M., et al. Fundamentals of Construction of Multifunctional Information System of Mobile Robotics complexes. // Proc. 3-rd International Workshop on Computer Science and Information Technologies CSIT'2001, Ufa, Yangantau, Russia, September 21-26, 2001, Vol.2, p.141-151.

Богуславский А.А., Сербенюк Н.С., Соколов С.М. СТЗ для навигации подвижного робота по маякам на основе анализа конической проекции окружающего пространства на ТВ камеру: Препринт ИПМ им. М.В. Келдыша РАН № 96. М., 2001. 21 с.

Богуславский А.А., Соколов С.М. Программно-аппаратные средства ввода зрительных данных в память персонального компьютера: Препринт ИПМ им. М.В. Келдыша РАН № 52. М., 2002. 22 с.

Boguslavsky A.A., Sokolov S.M., Sazonov V.V. Computer Vision for Control and Research of Mechanical Systems. // Proc. 8th Mechatronics Forum International Conference, University of Twente, Netherlands, June 24-26, 2002, p.1096-1105.

Boguslavsky A.A., Sokolov S.M., Trifonov O.V., Yaroshevsky V.S. Intellectual information system for mobile robot control. // Proc. Intern. Conf. on Systemics, Cybernetics and Informatics (SCI 2002), Orlando, Florida, USA, July 14-18, 2002, p.620-627.

Boguslavsky A.A., Sokolov S.M. Component Approach To The Applied Visual System Software Development. // Proc. 7th Intern. Conf on Systemics, Cybernetics and Informatics (SCI 2003), Orlando, Florida, USA, July 27-30, 2003, p.419-425.

Boguslavsky A.A., Sokolov S.M. Realtime Vision System For Product Check On The Moving Conveyor. // International Conference on Computer, Communication and Control Technologies (CCCT 2003), Orlando, Florida, USA, July 31-August 1-2, 2003, p.963-970.

Богуславский А.А., Соколов С.М. Компонентные технологии отладки для систем технического зрения реального времени. // Труды Первой Всероссийской научной конференции "Методы и средства обработки информации", МГУ им. М.В. Ломоносова, Москва, 1-3 октября 2003, с.304-310.

Соколов С.М., Богуславский А.А., Кошелев В.Я., Касаткин В.В. Автоматизированная система визуального контроля чистоты и грансостава массы гранул. // Материалы научно-технической конференции "30 лет металлургии гранул". Всероссийский институт легких сплавов ВИЛС, 2003, с. 44-45.

Богуславский А.А., Платонов А.К., Сербенюк Н.С. Система машинного видения робота "Трикол". // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 17-18 ноября 2003, с. 21-34.

Богуславский А.А., Соколов С.М. Компонентные методы разработки программного обеспечения СТЗ. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 17-18 ноября 2003, с. 35-49.

Соколов С.М., Ярошевский В.С., Трифонов О.В., Богуславский А.А. Система избирательного осмотра окружающего пространства для мобильного робота. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 17-18 ноября 2003, с. 50-59.

Богуславский А.А., Сазонов В.В., Соколов С.М., Земсков В.С. и др. О влиянии микроускорений на распределение примеси в кристаллах InSb:Te, выращенных в орбитальном полете методом бестигельной зонной плавки. // Космические исследования, т. 42, №2, 2004, с. 155-161.

Boguslavsky A.A., Sazonov V.V., Sokolov S.M., Smirnov A.I., Saigiraev K.S. Automatic Vision-based Monitoring of the Spacecraft Docking Approach with the International Space Station. // Proc of the First International Conference on Informatics in Control, Automation and Robotics (ICINCO 2004), Setъbal, Portugal, August 25-28, 2004, Vol. 2, p.79-86.

Богуславский А.А., Соколов С.М. Алгоритмы для слежения за малоразмерной целью в составе СТЗ. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 5-6 апреля 2004, с. 114-125.

Богуславский А.А., Соколов С.М. Система технического зрения со структурированным подсветом для избирательного осмотра сцены. // Материалы 15-й научно-технической конференции "Экстремальная робототехника", Санкт-Петербург, 6-7 апреля 2004, с. 223-230.

Богуславский А.А., Логинов А.А., Соколов С.М. Программные средства визуализации для поддержки принятия решений при телеуправлении мобильным роботом. // Материалы 15-й научно-технической конференции "Экстремальная робототехника", Санкт-Петербург, 6-7 апреля 2004, с. 241-248.

Соколов С.М., Кондриков С.С., Богуславский А.А. Исследование графовых структур для информационных систем мобильных роботов. // Труды школы-конференции "Адаптивные роботы-2004", Санкт-Петербург, 8-11 июня 2004, с. 67-71.

Богуславский А.А., Сазонов В.В., Соколов С.М., Миронос Н.В., Тюрнин П.Г. Расчет силы взаимодействия контактного провода и токоприемника электроподвижного состава по видеоинформации: Препринт ИПМ им. М.В. Келдыша РАН № 86. М., 2004. 32 с.

Богуславский А.А., Сазонов В.В., Соколов С.М., Смирнов А.И., Сайгираев Х.У. Автоматический мониторинг стыковки космического корабля с орбитальной станцией по видеоинформации: Препринт ИПМ им. М.В. Келдыша РАН № 74. М., 2004. 23 с.

Богуславский А.А., Соколов С.М. Компонентный каркас для разработки систем технического зрения реального времени. // Труды Второй Всероссийской научной конференции "Методы и средства обработки информации", Москва, МГУ им. М.В. Ломоносова, 5-7 октября 2005, с. 337-343.

Соколов С.М., Кондриков С.С., Богуславский А.А. Распознавание символьной информации в СТЗ реального времени. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 21-22 марта 2005, ч. 2, с. 63-72.

Соколов С.М., Логинов А.А., Богуславский А.А., Применение структурированного подсвета для восстановления формы объектов. // Материалы научной школы-конференции "Мобильные роботы и мехатронные системы", Москва, МГУ им. М.В. Ломоносова, 21-22 марта 2005, ч. 2, с. 89-98.

Богуславский А.А., Соколов С.М. Обнаружение образов объектов c изменяющейся структурой в системах технического зрения реального времени. // Информационные технологии и вычислительные системы, № 1, 2006, с. 61-77.

Богуславский А.А., Соколов С.М. Обнаружение образов объектов на изображениях с использованием структурных геометрических моделей в СТЗ реального времени. // Программирование, № 1, 2006, с. 66-80.

Размещено на Allbest.ru