ISSN 2304-6600 (Online)
ISSN 1997-0935 (Print)



Инженерные изыскания и обследование зданий. Специальное строительство

ОЦЕНКА ИЗМЕРЕНИЙ РАССТОЯНИЯ ДО ОБЪЕКТА ПРИ ИССЛЕДОВАНИИ ЕГО ГРАФИЧЕСКОГО ОБРАЗА

  • Локтев Алексей Алексеевич - Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ)
  • Локтев Даниил Алексеевич - Московский государственный технический университет им. Н.Э. Баумана (ФГБОУ ВПО «МГТУ им. Н.Э. Баумана»)
DOI: 10.22227/1997-0935.2015.10.54-65
Страницы: 54-65
Предложены усовершенствованные алгоритмы обработки первичной информации, получаемой на основе исследования графического образа подвижного или неподвижного объекта за счет использования методов и процедур статистического анализа, которые позволяют приблизить теоретические результаты к результатам эксперимента. Использование статистического анализа и вероятностных подходов приводит к увеличению точности определяемых характеристик, границ применимости процедур вычисления параметров состояния (размеры, форма, расстояние от наблюдателя) и поведения объекта (скорость и направление движения) и уменьшают вычислительную сложность конечного алгоритма. Полученные в работе байесовские оценки на основе использования квадратичной, прямоугольной и простой функций потерь при нормальном, лапласовском, равномерном и логнормальном распределении ошибок, позволяют сделать выводы об интервалах использования тех или иных моделей и алгоритмов определения параметров различных объектов. Предложенная методика позволяет сделать качественную оценку применимости того или иного метода определения геометрических и кинематических параметров подвижного объекта путем анализа серии изображений, полученных с фото- или видеодетекторов.
  • размытие изображения;
  • объект;
  • эффективность оценки;
  • байесовская оценка;
  • функция потерь;
  • апостериорный риск;
  • функция распределения ошибок;
Литература
  1. Sun Z., Bebis G., Miller R. On-road vehicle detection using optical sensors: A review // Proceeding of the IEEE International Conference on Intelligent Transportation Systems. 2004. Vol. 6. Pp. 125-137.
  2. Nayar S.K., Nakagawa Y. Shape from focus: an effective approach for rough surfaces // Proceeding CRA90. 1990. Vol. 2. Pp. 218-225.
  3. Rabe C., Volmer C., Franke U. Kalman filter based detection of obstacles and lane boundary // Autonome Mobile Systeme. 2005. Vol. 19. Pp. 51-57.
  4. Loktev D.A., Loktev A.A. Determination of object location by analyzing the image blur // Contemporary Engineering Sciences. 2015. Vol. 8. No.11. Pp. 467-475.
  5. Rajagopalan A.N., Chaudhuri S. An MRF model-based approach to simultaneous recovery of depth and restoration from defocused images // Transactions on Pattern Analysis and Machine Intelligence. 1999. Vol. 21. No. 7. Pp. 577-589.
  6. Gaspar T., Oliveira P. New dynamic estimation of depth from focus in active vision systems // Preprints of the 18th IFAC World Congress Milano (Italy) August 28 - September 2. 2011. Pp. 484-491.
  7. Lelegard L., Vallet B., Bredif M. Multiscale Haar transform for blur estimation from a set of images // International Archives of Photogrammetry, Remote Sensing and Spatial Information Science. Munich, Germany, October 5-7, 2011. Pp. 65-70.
  8. Lin H.-Y., Chang C.-H. Depth from motion and defocus blur // Optical Engineering. December 2006. Vol. 45 (12). No. 127201. Pp. 1-12.
  9. Levin A., Fergus R., Durand Fr., Freeman W.T. Image and depth from a conventional camera with a coded aperture // ACM Transactions on Graphics. 2007. Vol. 26. No. 3. Article 70. Pp. 124-132.
  10. Локтев А.А., Локтев Д.А. Метод определения расстояния до объекта путем анализа размытия его изображения // Вестник МГСУ. 2015. № 6. C. 140-151.
  11. Sizikov V.S., Rimskikh M.V., Mirdzhamolov R.K. Reconstructing blurred noisy images without using boundary conditions // Journal of Optical Technology. 2009. Vol. 76. No. 5. Pp. 279-285.
  12. Elder J.H., Zucker S.W. Local scale control for edge detection and blur estimation // IEEE Transaction on Pattern Analysis and Machine Intelligence. 1998. Vol. 20. No. 7. Pp. 699-716.
  13. Алфимцев А.Н., Локтев Д.А., Локтев А.А. Разработка пользовательского интерфейса комплексной системы видеомониторинга // Вестник МГСУ. 2012. № 11. C. 242-252.
  14. Алфимцев А.Н., Локтев Д.А., Локтев А.А. Сравнение методологий разработки систем интеллектуального взаимодействия // Вестник МГСУ. 2013. № 5. C. 200-208.
  15. Jiwani M.A., Dandare S.N. Single image fog removal using depth estimation based on blur estimation // International Journal of Scientific and Research Publications. 2013. Vol. 3. No. 6. Pp. 1-6.
  16. Локтев А.А., Алфимцев А.Н., Локтев Д.А. Алгоритм распознавания объектов // Вестник МГСУ. 2012. № 5. C. 194-201.
  17. Robinson Ph., Roodt Yu., Nel A. Gaussian blur identification using scale-space theory // Faculty of Engineering and Built Environment. University of Johannesburg. South Africa. 2007. Pp. 68-73.
  18. Langley P. User modeling in adaptive interfaces // Proc. of the Seventh Intern. Conf. on User Modeling. 1997. Pp. 357-370.
  19. Trifonov A.P., Korchagin Yu.E., Trifonov M.V., Chernoyarov O.V., Artemenko A.A. Amplitude estimate of the radio signal with unknown duration and initial phase // Applied Mathematical Sciences. 2014. Vol. 8. No. 111. Pp. 5517-5528.
  20. Chernoyarov O.V., Sai Si Thu Min, Salnikova A.V., Shakhtarin B.I., Artemenko A.A. Application of the local Markov approximation method for the analysis of information processes processing algorithms with unknown discontinuous parameters // Applied Mathematical Sciences. 2014. Vol. 8. No. 90. Pp. 4469-4496.
СКАЧАТЬ (RUS)