Наименование, шифр СЧ ОКР, основание, исполнитель и сроки выполнения
СЧ ОКР
1.1 Наименование: «Разработка программного средства построения статического 3D изображения с использованием стереопары («Модуль8»).
1.2 Основание для выполнения: Программа дисциплины «ЛО и ПО САПР»
1.3. Исполнитель: студент ….
1.4 Срок выполнения: начало — 01.10.2011, окончание – 01.12.2011.
Цель выполнения ОКР, наименование и индекс изделия
2.1 Целью выполнения ОКР является разработка программного средства построения статического 3D изображения с использованием стереопары («Модуль8»).
2.2 Наименование изделия: Модуль8.
Тактико-технические требования к изделию
3.1 Состав изделия
3.1.1 В состав в ПО входят следующие элементы:
- ПО пользовательского интерфейса
- Программное средство построения статического 3D изображения с использованием стереопары («Модуль 8»).
- комплект эксплуатационной документации;
3.2 Требования назначения
3.2.1 Общие требования
3.2.1.1 Модуль 8 предназначен для построения статического 3D изображения с использованием стереопары («Модуль8»). ПО преобразует два изображения объекта, зарегистрированные под разными ракурсами с известным паралаксом.
3.2.1.2 Модуль 8 должен обеспечивать решение следующих задач:
· Построение статического 3D изображения по двум плоским изображениям объекта, хранящихся в файлах, выбраемым пользователем из буфера обмена.
· Просмотр 3D изображения в аксонометрической проекции с возможностью изменения ракурса.
· Занесение полученного статического 3D изображения в буфер обмена.
3.2.1.3 Прикладное программное обеспечение должно быть реализовано в среде MathLab.
3.2.2 Модуль 8 должен быть реализован в среде операционной системы Windows XP.
3.2.3 Порядок и способы взаимодействия с сопрягаемыми объектами
3.2.3.1 Исходные данные и результаты обработки данных должны храниться в буфере обмена.
3.2.3.2 ПО должно позволять обрабатывать данные в форматах BMP, JPEG.
3.3 Требования надежности.
Необходимо обеспечить выработку диагностических сообщений при нештатных действиях пользователя.
Требования к видам обеспечения.
4.1 Требования к математическому, программному и информационно-лингвистическому обеспечению.
4.1.1 Модуль 1 должен разрабатываться в соответствии с ЕСПД, ГОСТ 28388-89, ГОСТ 19.101 - 77 - ГОСТ 19.508 - 79
4.1.2 ПО должно быть разработано в среде MatLab.
4.1.3 4.1.3 В комплект поставки ПО входят: пояснительная записка, комплект исходных текстов, исполняемые и служебные модули, требуемые
библиотеки, Руководство оператора.
4.1.4 Порядок работы с ПО должен быть изложен в Руководстве по эксплуатации.
ПРИЛОЖЕНИЕ
Обоснование метода
Реально наблюдаемые объекты сцены находятся в трехмерном пространстве. Для наблюдения за ними большинство биологических объектов, в том числе и человек, имеет два глаза, разнесённых примерно на 6,5 сантиметров. Благодаря этому мы легко вычисляем расстояния до предметов и, как следствие, определяем с высокой точностью их истинные размеры. Каким же образом наше сознание по двум плоским изображениям воспринимает трехмерную сцену и существует ли техническое решение этой задачи?
Общая схема получения стереоскопических изображений приведена на рисунке 1, где две видеокамеры разнесены на некоторую базу. Каждая видеокамера имеет свой угол обзора, а пересечение углов обзора левой и правой видеокамер образует стереоклин.
Рис. 1 Схема получения стереоскопического изображения
Определение расстояния возможно только в области стереоклина, а поскольку интересующий нас объект может находиться вне его зоны, нужна система позиционирования, внешний вид которой приведен на рисунке 2.
Для того, чтобы измерить расстояние до одного из объектов, необходимо исходные изображения наложить друг на друга (рисунок 3) и сконвергировать на одном из объектов. При этом образовавшийся угол конвергенции позволит определить расстояние до объекта.
При этом образовавшийся угол конвергенции позволит определить расстояние до объекта.
Рис. 2 Стереосистема
Рис. 3 Стереокадр, несконвергированный
Рис. 4 Стереокадр, сконвергированный на ближнем объекте
Рис. 5 Стереокадр, сконвергированный на дальнем объекте
Точность измерения расстояния зависит от углового разрешения оптоэлектронной системы, стереобазы и углового разрешения.
Сегментация и фрагментация изображений
Формирование изображений в видеокамере осуществляется путем проекции светового потока, сфокусированного оптической системой, на ПЗС-матрицу и накопления зарядов на ней в течение заданного промежутка времени. Качество получаемых изображений зависит от освещенности объекта, расстояния до него, степени наведения резкости и т.п. Перечисленные параметры могут существенно изменяться в процессе наблюдения. Учитывая вариативность перечисленных параметров, изменение освещенности компенсируется изменением времени накопления зарядов (выдержкой) и параметрами светового потока, регулируемого диафрагмой. Компенсация дальности до объектов осуществляется использованием трансфокаторов, обеспечивающих изменение фокусного расстояния, при этом всегда изменяется угловое разрешение. Качество изображения существенно зависит также от разрешающей способности ПЗС-матрицы. На рисунке 6 приведено исходное цветное изображение размерностью 800´600 пикселей.
Рис. 6 Исходное изображение
Объем памяти для хранения такого изображения равен 800´600´3 = 1440000 байт. Таким образом, для передачи изображения в реальном времени с частотой 25 кадров в секунду требуется поток 36000000 байт в секунду. Современный компьютер на базе процессора Pentium 4 может только захватывать и визуализировать такие изображения, при этом затрачивая около 90% всей производительности. С целью снижения размерности исходного изображения с использованием различных методов выделяют контура объектов и сегментируют изображения. При этом объем памяти, требуемый для хранения изображения, снижается от 3-х до 7-и раз в зависимости от наблюдаемого изображения. Пример сегментированного изображения приведен на рисунке 7.
Рис. 7 Сегментированное изображение
С целью дальнейшего снижения размерности исходного описания изображения сегментированное изображение должно быть подвергнуто фрагментации. При этом реальное сжатие фрагментированных изображений может изменяться от 9 до 30 раз по отношению к исходному изображению. Пример фрагментированного изображения приведен на рисунке 8.
Качество такого изображения сравнительно невысокое, однако, объем занимаемой памяти становится вполне приемлемым, что позволяет решать задачи обработки с использованием современной вычислительной техники. Изображение на рисунке 3 состоит из 126 фрагментов, каждый фрагмент описывается шестью байтами. Любой из этих фрагментов может быть замаскирован. Так, выхлоп объекта может быть замаскирован с помощью 4-х фрагментов. Сам же объект представлен 26-ю фрагментами. При движении объекта все 26 фрагментов могут быть объединены в таксон, так как все они имеют одинаковую скорость и направление движения, поэтому все остальные фрагменты могут быть замаскированы. С использованием таксонов может быть решена задача обнаружения движущихся объектов в условиях реальной фоно-помеховой обстановки. На рисунке 9 приведено изображение таксона, при этом все остальные фрагменты замаскированы.
Рис.8 Фрагментированное изображение
Рис. 9 Изображение с выделенным таксоном
Для такого таксона может быть определена относительная скорость только в том случае, если движение объекта осуществляется в горизонтальной плоскости, да и то при небольших угловых разрешениях. Для решения задач сопровождения, определения текущих координат (целенаведения), скорости, ускорения, истинных размеров объекта необходима компонента Z, характеризующая величину дальности до объекта или до фрагмента, принадлежащего объекту (или фону).
Для решения этой задачи используется стереоэффект, что позволяет естественным образом определять расстояния до объектов и их фрагментов. Необходимость знания информации о дальности так же необходима при фрагментации сегментированных изображений, в противном случае для значительной части сегментов имеется неопределенность в принадлежности к одному из нескольких прилегающих фрагментов, что является одной из основных причин низкого качества фрагментации (рис. 8).