<div>
	Расчетное прогнозирование в задаче идентификации стереоизображений</div>

Самойленко  Марина   Витальевна, Хачикян Владимир Александрович

doi:10.17586/2226-1494-2024-24-1-11-19

2024 , ТОМ 24, НОМЕР 1 ( январь-февраль )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2024-24-1-11-19

УДК 528.72: 514.88: 004.02

Расчетное прогнозирование в задаче идентификации стереоизображений

Самойленко М.В., Хачикян В.А.

Читать статью полностью

Язык статьи - русский

Ссылка для цитирования:

Самойленко М.В., Хачикян В.А. Расчетное прогнозирование в задаче идентификации стереоизображений // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 1. С. 11–19. doi: 10.17586/2226-1494-2024-24-1-11-19

Аннотация

Введение. Рассмотрены вопросы повышения эффективности и достоверности идентификации стереоизображений за счет расчетного прогнозирования положения и размеров зоны неопределенности, в которой заведомо находится искомая точка соответствия. Метод. На одном из стереоизображений выбирается контрольная точка, для которой требуется найти точку соответствия на втором стереоизображении. По известным параметрам стереоскопической телевизионной системы и координатам контрольной точки с помощью предложенного в работе математического аппарата рассчитываются координаты границ зоны неопределенности на втором стереоизображении. Вторая точка соответствия находится с использованием поисковой процедуры путем сопоставления одинаковых малых областей с центрами в контрольной точке на первом стереоизображении и в точках зоны неопределенности на втором. Сопоставление производится по критерию минимума квадратического рассогласования интенсивностей. Необходимой априорной информацией для реализации метода являются предельные высоты отображаемого на стереоизображениях рельефа. Основные результаты. Получены соотношения линейных размеров на плоском рельефе и на изображении, формируемом по принципу центрального проецирования. Выведены соотношения, позволяющие расчетным путем получить координаты точек соответствия и стереоскопического рассогласования для стереоизображений плоского рельефа. Для стереоизображений объемного рельефа приведены расчетные формулы определения границ зоны неопределенности на втором стереоизображении, в пределах которой осуществляется поиск точки соответствия. Корректность и работоспособность полученных соотношений подтверждены компьютерным моделированием. Обсуждение. Ограничение размеров области поиска посредством расчетного прогнозирования зоны неопределенности позволяет уменьшить вычислительные и временные затраты на поисковую процедуру. За счет этого повышается эффективность идентификации точек стереоизображений и уменьшается вероятность ложной идентификации.

Ключевые слова: стереоизображения, идентификация, зона неопределенности, точки соответствия, прогнозирование

Список литературы

Луманн Т., Робсон С., Кайл С., Бом Я. Ближняя фотограмметрия и 3D-зрение / пер. с англ. М.: ЛЕНАНД, 2018. 704 с.
Назаров А.С. Фотограмметрия: пособие для студентов вузов / 2-е изд., перераб. и доп. Минск: ТетраСистемс, 2010. 400 с.
Pepe M., Costantino D., Alfio V.S., Vozza G., Cartellino E. A novel method based on deep learning, GIS and geomatics software for building a 3D city model from VHR satellite stereo imagery // ISPRS International Journal of Geo-Information. 2021. V. 10. N 10. P. 697. https://doi.org/10.3390/ijgi10100697
Ma Y., Li Q., Chu L., Zhou Y., Xu C. Real-time detection and spatial localization of insulators for UAV inspection based on binocular stereo vision // Remote Sensing. 2021. V. 13. N 2. P. 230. https://doi.org/10.3390/rs13020230
Ding J., Yan Z., We X. High-accuracy recognition and localization of moving targets in an indoor environment using binocular stereo vision // ISPRS International Journal of Geo-Information. 2021. V. 10. N 4. P. 234. https://doi.org/10.3390/ijgi10040234
Albanwan H., Qin R. A comparative study on deep‐learning methods for dense image matching of multi‐angle and multi‐date remote sensing stereo‐images // The Photogrammetric Record. 2022. V. 37. N 180. P. 385–409. https://doi.org/10.1111/phor.12430
Fan R., Wang H., Cai P., Wu J., Bocus M.J., Qiao L., Liu M. Learning collision-free space detection from stereo images: Homography matrix brings better data augmentation // IEEE/ASME Transactions on Mechatronics. 2022. V. 27. N 1. P. 225–233. https://doi.org/10.1109/tmech.2021.3061077
Yang G., Liao Y. An improved binocular stereo matching algorithm based on AANet // Multimedia Tools and Applications. 2023. V. 82. N 26. P. 40987–41003. https://doi.org/10.1007/s11042-023-15183-6
Han Y., Pan C., Cheng Z., Xu Y. A PTV-based feature-point matching algorithm for binocular stereo photogrammetry // Measurement Science and Technology. 2023. V. 34. N 12. P. 125602. https://doi.org/10.1088/1361-6501/acf875
Wei H., Meng L. An accurate stereo matching method based on color segments and edges // Pattern Recognition. 2023. V. 133. P. 108996. https://doi.org/10.1016/j.patcog.2022.108996
Якасова Н.В. Алгоритмы поиска регулярных объектов на изображениях // Образовательные ресурсы и технологии. 2016. № 2. С. 277-281.
Фаворская М.Н., Тупицын И.В. Метод повышения устойчивости сопоставлений на стереоизображениях // Механика, управление и информатика. 2012. № 3(9). С. 139-144.
Chen M., Duan Z., Lan Z., Yi S. Scene reconstruction algorithm for unstructured weak-texture regions based on stereo vision // Applied Sciences. 2023. V. 13. N 11. P. 6407. https://doi.org/10.3390/app13116407
Liu C.W., Wang H., Guo S., Bocus M.J., Chen Q., Fan R. Stereo matching: fundamentals, state-of-the-art, and existing challenges // Autonomous Driving Perception: Fundamentals and Applications. Springer Nature Singapore, 2023. P. 63–100. https://doi.org/10.1007/978-981-99-4287-9_3
Фаворская М.Н., Тупицын И.В. Иерархический метод поиска соответствующих точек на стереоизображениях // Вестник Сибирского государственного Аэрокосмического университета имени академика М.Ф. Решетнёва. 2012. № 1(41). С. 62-67.
Степанов Д.Н. Методики сопоставления особых точек в задаче визуальной навигации БПЛА // Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика. 2015. Т. 4. № 4. С. 32-47. https://doi.org/10.14529/cmse150402
Гошин Е.В., Фурсов В.А. Метод согласованной идентификации в задаче определения соответственных точек на изображении // Компьютерная оптика. 2012. Т. 36. № 1. С. 131-135.
Орлов В.П., Шариков Е. Алгоритм нахождения и классификации особых точек объекта на основе детектора Харриса // Наноиндустрия. 2017. № S(74). С. 171-178.
Гук А.П., Алтынцев М.А. Автоматическая идентификация соответственных точек на аэроснимках лесных массивов // Вестник СГУГиТ. 2017. Т. 22. № 4. С. 68–77.
Загорский М.Ю., Богданов В.Л., Гарманов В.В., Королева В.П., Рябов Ю.В. Математическая модель снимков стереопары и алгоритм восстановления рельефа местности на ее основе // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 3. С. 36-51.
Самойленко М.В. Векторно-матричный метод восстановления пространственных координат точки в общем случае стереосъемки // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 6. С. 954-960. https://doi.org/10.17586/2226-1494-2018-18-6-954-960
Самойленко М.В. Влияние асимметрии интенсивности на ошибку идентификации стереоизображений // Измерительная техника. 2023. № 5. С. 22–28. https://doi.org/10.32446/0368-1025it.2023-5-22-28

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License