Машинное зрение
Cтраница 2
В пятой главе рассматривается информационная технология навигации и наведения, альтернативная ГЛОНАСС / СР8 - технологии - технология машинного зрения. Приводятся функциональные схемы интегрированных бортовых схем, использующих технологию машинного зрения, обсуждаются основные проблемы, возникающие при ее реализации, включая проблему формирования эталонных изображений, представляющую наибольшую трудность. Описаны основные способы и алгоритмы формирования эталонных изображений. [16]
А Р М ( определение выражено сочетанием: прилагательное - причастие I существительное): visual - sensing system система машинного зрения; single-step mode - пошаговый режим работы. [17]
Настоящее издание является фактически первой достаточно подробной книгой, в которой изложены основные принципы формирования алгоритмов навигации и наведения подобного класса высокоточного оружия с использованием новейших информационных технологий: глобальных навигационных систем и машинного зрения. [18]
Приложения нейронных сетей охватывают самые разные области интересов: распознавание образов, обработка зашумленных данных, дополнение образов, ассоциативный поиск, классификация, составление расписаний, оптимизация, прогноз, диагностика, обработка сигналов, абстрагирование, управление процессами, сегментация данных, сжатие информации, сложные отображения, моделирование сложных процессов, машинное зрение, распознавание речи. [19]
Различают монокулярное и бинокулярное машинное зрение, предназначенных соответственно для построения и обработки плоских и объемных изображений. [20]
Управление движением позволяет роботу перемещаться, совершать рабочие движения своими подвижными элементами, воспринимать нагрузку и дозировать собственные усилия. Задачи машинного зрения и управления движением тесно связаны друг с другом. [21]
 |
Принципиальная схема человеко-машинной системы для управления роботом с использованием технического зрения. [22] |
Зрение робота является подклассом технического зрения в том смысле, что оно использует принципы технического зрения для решения прикладных задач в условиях временных ограничений. Круг вопросов, решаемых в машинном зрении, связан с разработкой теории, методов и алгоритмов анализа изображений. [23]
 |
Иерархия представлений изображений. Воспроизводится с разрешения Prentice-Hall, Inc., Englewood Cliffs, New Jersey. [24] |
В традиционных операциях обработки изображений поток информации в пирамидальной структуре обычно направлен от нижнего слоя к верхнему. Вместе с тем в приложениях, связанных с машинным зрением и системами понимания изображений, часто требуется пересылать информацию сверху вниз для управления обработкой нижнего уровня. Например, чтобы обнаружить дефекты в плате интегральной схемы ( ИС), нужна модель маски для идентификации пятен и отверстий. [25]
К данному типу представлений изображений относятся высокоабстрактные представления, описывающие логические соотношения между объектами изображения. Логическим представлениям изображения большое внимание обычно уделяется в машинном зрении и управлении визуальной информацией. [26]
В пятой главе рассматривается информационная технология навигации и наведения, альтернативная ГЛОНАСС / СР8 - технологии - технология машинного зрения. Приводятся функциональные схемы интегрированных бортовых схем, использующих технологию машинного зрения, обсуждаются основные проблемы, возникающие при ее реализации, включая проблему формирования эталонных изображений, представляющую наибольшую трудность. Описаны основные способы и алгоритмы формирования эталонных изображений. [27]
Использование систем технического зрения ( СТЗ) для операций контроля является тем направлением, которое обещает значительное повышение производительности процесса контроля и уровня качества готовой продукции. Системы технического зрения имеют и другие названия-телевизионные системы с микропроцессорным управлением и машинное зрение. Типовая СТЗ состоит из телевизионной камеры, ЭВМ и устройства их сопряжения, выполняющего функции препроцессора. Аппаратные и программные средства системы совместно формируют изображение и осуществляют его анализ путем сравнения с эталонными данными, хранящимися в памяти ЭВМ. Данные часто представляются в виде конечного числа моделей объектов, подлежащих контролю. [28]
Положение граней параллелепипеда может быть определено аналитически как положение касательных плоскостей, параллельных хоу, yoz, zox. Это позволяет автоматически строить оболочки, что значительно повышает эффективность использования системы машинного зрения. [29]
В последнее время все большее значение приобретают области исследований, связанных с получением и анализом изображений. Обработка изображений играет все большую роль в медицинской диагностике ( рентгенография, ультразвуковые изображения, ядерная медицина), в робототехнике ( системы машинного зрения, распознающие устройства), в промышленном контроле ( анализ качества выпускаемых компонентов и правильности сборки), в неразрушающем контроле. Не будет преувеличением сказать, что не последнюю роль в широком распространении коммерческих систем обработки изображений сыграли именно ПЭВМ. Действительно, еще несколько лет назад приличная система обработки изображений стоила сотни тысяч рублей. Сейчас подобная система, базирующаяся на ПЭВМ, в десятки раз дешевле и тем самым становится доступной для широкого применения. Простой, но красивый пример применения системы обработки изображения на базе ПЭВМ - контроль сборки тормозного устройства на автомобильном заводе. При этом в память ПЭВМ записывается изображение правильно собранного тормозного устройства. На выходе конвейера устанавливается телекамера, сопряженная с ПЭВМ, в память которой вводятся изображения собранных тормозных устройств. Если разность изображений правильно собранной и сходящей с конвейера системы превысит пороговое значение, компьютер выдает сигнал тревоги. [30]
Страницы: 1 2 3