Анализ процесса локализации и требований к алгоритму. Постановка критериев анализа алгоритмов локализации. Разработка алгоритма фильтрации и модификации результатов обнаруженных объектов на изображении. Выбор среды реализации и языка программирования.
При низкой оригинальности работы "Разработка и реализация алгоритма локализации объекта, заданного моделью, на изображении", Вы можете повысить уникальность этой работы до 80-100%
Данная работа посвящена разработке и реализации алгоритма локализации объекта, заданного моделью, на изображении. Работа включает в себя введение, четыре главы, заключение, библиографический список и два приложения.Таким образом, машины получают способность «видеть» и распознавать объекты, как человек и даже лучше. Технология, с помощью которой машины обретают визуальные способности человека называли машинным зрением. Хотя возможность видеть, с точки зрения человека, кажется простой, ее программная реализация является сложной, трудоемкой задачей. Многие крупные корпорации организуют целые отделы, а некоторые компании даже используют эту технологию как основную для разработки своих продуктов. Сложность заключается в том, что разработать универсальный инструмент, способный распознавать, локализовать объекты любой формы - задача, которую еще не под силу решить современными методами.В этой главе раскрываются понятия ключевых компонентам, процессов и алгоритмов.Распознавание, идентификация, отслеживание и классификация объектов на изображениях - задачи, которое решаются с помощью технологии машинного зрения. Матрицы состоят из значений цветов, заданных в формате определенных цветовых схем, например, RGB или HSV. Также известны алгоритмы, использующие набор изображений объектов, которые необходимо локализовать или распознать. Как правило, распознавая, например, вершину угла объекта, алгоритм выдает не конкретную точку, а целый набор точек, расположенных близко друг к другу. Задача локализации состоит из двух процессов: процесс распознавания объектов и процесс определения пространственного отношения между распознанными объектами и камерой, что произвела снимок.Например, можно изменить модуль определения объекта локализации на модуль объекта другой формы. Имея абстрактные требования к функционалу и к архитектуре алгоритма, необходимо сформулировать требования к работе алгоритма и его окружения. Например, средства использования зависят от условий эксплуатации, а от требований к входным параметрам зависят требования к эксплуатации. Как было сказано выше, для своей работы, алгоритму нужно иметь изображение с полностью расположенным на нем объектом локализации. Далее представлены требования к изображениям, подаваемым на вход алгоритму: 1. Достаточная освещенность.В ходе анализа было выявлено одно приложение, реализующее схожий алгоритм и находящееся в открытом доступе - AR Measure (рис. Это приложение для устройств под управлением IOS, позволяющее делать относительно точные измерения на изображении. Для определения расстояние между точками пространства приложение использует информацию о плоскости, которую распознает библиотека ARKIT. Таким образом, можно предположить, что для измерения расстояния, приложение лишь ассоциирует выбранные точки на изображении с выбранными точками на плоскости реального мира. В ходе тестирования AR Measure, было выявлено, что измерения можно производить только между объектами, находящимися на одной плоскости.Это стало причиной тому, что на данный момент известно не так много литературы, которая раскрывает тему локализации объектов, заданных моделью на изображении. Данная книга не дает ответ на то, как реализовать какой-либо алгоритм из сферы машинного зрения. Однако, авторы дают читателям фундаментальные знания, которые, в дальнейшем, позволят осваивать алгоритмы значительно проще. Вторая книга - «Learning OPENCV» [10], написанная Андрианом Кехлером и Гари Брадски посвящена работе с библиотекой OPENCV. Это неудивительно, ведь распознавание лиц, на настоящий момент, является одной из наиболее популярных задач машинного зрения. но, не смотря на то, что распознанию лиц уделено наибольшее внимание, авторы не обошли стороной распознавание примитивных фигур.Данное исследование предполагает использование одного или нескольких алгоритмов обработки изображений, а также использование вспомогательных средств, таких как среда разработки, языки программирования и прочее.Для того, чтобы приступить к разбору и анализу инструментов, нужно сформулировать основные критерии. Первоочередной задачей является решение, какие алгоритмы обработки изображений нужно использовать. От правильности этого решения зависит то, сколько времени будет потрачено на проектирование и разработку алгоритма.Анализ существующих аналогов позволил понять, какие инструменты могут быть использованы для достижения поставленной цели.Она написана специально для устройств под управлением IOS, а значит очень удобна в нативной разработке. ARKIT позволяет использовать камеру и гироскоп устройства, чтобы накладывать виртуальные объекты на заданную точку пространстве. ARWORLDTRACKINGCONFIGURATION - конфигурация, позволяющая отслеживать объекты реального мира через камеру заднего вида; ARFACETRACKINGCONFIGURATION - конфигурация, позволяющая отслеживать положение лица через фронтальную камеру. Это означает, что библиотека ARKIT позволяет работать только с вертикальными и горизонтальными поверхностями.
План
Оглавление алгоритм локализация программирование язык
Введение
Глава 1. Анализ процесса локализации и постановка требований к алгоритму
1.1. Описание процесса локализации объекта на изображении
1.2. Описание требований и ограничений в реализации алгоритма
1.3. Анализ существующих решений
1.4. Анализ литературы
1.5. Выводы по первой главе
Глава 2. Анализ и выбор алгоритмов и инструментов
2.1. Постановка критериев анализа алгоритмов локализации
2.2. Поиск и анализ существующих алгоритмов и инструментов
2.3. Библиотека ARKIT
2.4. Библиотека OPENCV
2.5. Выбор алгоритмов и инструментов на основании проведенного анализа
2.5.1. Экономическое обоснование разработки алгоритма
2.5.2. Оценка функционального размера разрабатываемой информационной системы
2.5.3. Оценка базовой трудоемкости разработки программного обеспечения
2.5.4. Расчет трудоемкости разработки программного обеспечения с учетом поправочных коэффициентов
2.6. Выводы по второй главе
Глава 3. Разработка алгоритма локализации объекта, заданного моделью, на изображении
3.1. Разработка абстрактной концепции алгоритма локализации
3.2. Разработка алгоритма фильтрации и модификации результатов обнаруженных объектов на изображении
3.2.1. Разработка алгоритма усреднения вершин
3.2.2. Разработка алгоритма слияния схожих фигур
3.2.3. Разработка алгоритма фильтрации по количеству вершин
3.2.4. Разработка алгоритма фильтрации по размеру фигур
3.2.5. Разработка алгоритма фильтрации по выпуклости фигур
3.3. Разработка алгоритма локализации объекта с заданными параметрами и координатами на изображении
3.4. Выводы по третей главе
Глава 4. Реализация алгоритма локализации объекта, заданного моделью, на изображении
4.1. Выбор инструментов программной реализации разработанного алгоритма
4.1.1. Выбор среды реализации
4.1.2. Выбор языка программирования
4.1.3. Выбор среды разработки
4.1.4. Выбор системы контроля версий
4.2. Реализация алгоритма обнаружения фигур на изображении
4.3. Реализации алгоритма фильтрации и модификации набора фигур
4.4. Реализация алгоритма локализации объекта с заданными параметрами и координатами на изображении
4.5. Выводы по четвертой главе
Заключение
Библиографический список
Приложение
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы