Реконструкция 3D-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки Текст научной статьи по специальности «Математика»

Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки

Гошин Е.В., Фурсов В. А.

РЕКОНСТРУКЦИЯ 3Б-СЦЕН ПО РАЗНОРАКУРСНЫМ ИЗОБРАЖЕНИЯМ ПРИ НЕИЗВЕСТНЫХ ВНЕШНИХ ПАРАМЕТРАХ СЪЁМКИ

Е.В. Гошин1’2, В.А. Фурсов1 '2

1 Институт систем обработки изображений РАН, Самара, Россия,

2 Самарский государственный аэрокосмический университет имени академика С.П. Королёва (национальный исследовательскийуниверстиет) (СГАУ), Самара, Россия

Аннотация

В работе рассматривается информационная технология восстановления 3Б-сцены по разноракурсным изображениям, полученным при неизвестных внешних параметрах съёмки. Идея работы состоит в том, чтобы определять параметры сдвига и поворота камер непосредственно по соответствующим точкам исходных изображений.

Ключевые слова: разноракурсные изображения, определение положения камеры, внутренние параметры камеры, сопоставление изображений, 3Б-реконструкция.

Цитирование: Гошин, Е.В. Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки / Е.В. Гошин, В.А. Фурсов // Компьютерная оптика. - 2015. - Т. 39, № 5. - С. 770-776. - Б01: 10.18287/0134-2452-2015-39-5-770-776.

Введение

1. Постановка задачи

Задача восстановления трёхмерных моделей сцен по разноракурсным изображениям является одной из наиболее востребованных в системах компьютерного зрения. При этом типичной является ситуация, когда внешние параметры камер в глобальной системе координат (сдвиг и поворот) не известны [1]. Известно, что эти параметры связаны с параметрами фундаментальной матрицы, которая может быть оценена по набору (не менее семи) соответствую -щих точек на видах сцены.

Такой путь решения задачи был предложен в работе [2]. Однако вследствие того, что процедуры восстановления трёхмерных моделей крайне чувствительны к неизбежным погрешностям определения параметров фундаментальной матрицы, технология в целом часто оказывается неработоспособной. В работах [3, 4] решается задача определения внешних параметров камер с использованием уравнений Круппа. Наибольшее число известных работ, посвящённых этой проблеме, направлено на исследование различных способов калибровки. Наиболее известные в области калибровки работы [5, 6] решают задачу определения как внешних, так и внутренних параметров камеры, в том числе параметры дисторсии. Однако калибровка камеры проводится с использованием плоского шаблона (например, шахматной доски), что, как правило, неосуществимо в реальных условиях съёмки.

Указанные выше попытки определить матрицу проективного преобразования при отсутствии информации о параметрах сдвига и поворота свидетельствуют об актуальности задачи. Вместе с тем полученные в этом направлении результаты пока достаточно скромны. В частности, используемые технологии и доступные открытые библиотеки пока не позволяют получить достаточно надёжное решение этой задачи для широкого диапазона характеристик разноракурсных изображений.

Для восстановления 3Б-сцены по разноракурсным изображениям будем использовать модель камеры-обскуры [7]. Предполагается, что разноракурсные изображения получены путём перемещения в пространстве одной камеры с известными внутренними параметрами, заданными матрицей:

f 0 U0

K =

0 f v0 0 0 1

(1)

где f - фокусное расстояние камеры, а (u0, v0), - координаты главной точки камеры в системе координат, связанной с камерой.

Пусть M - некоторая точка в глобальной системе координат, которая должна быть восстановлена по паре разноракурсных изображений. Преобразование из глобальной системы координат в однородные координаты изображения имеет вид:

m =

( u ' ~ K (R t) M = K ( r 41 Г12 r13 *1 's ( x 1 Y

v Г21 Г22 Г23 *2 Z

V 1 J v Г31 Г32 r33 *3 J V 1 J

, (2)

где u, v - однородные координаты точек на изображении вида, X, Y, Z - глобальные координаты точки M, а (R | t) - объединённая матрица поворота-сдвига, называемая также матрицей внешних параметров.

С учётом связи пиксельных и однородных координат точек:

m (x, y) = K 1m (u, v)

(3)

соотношение (2) можно представить в виде

m (x, y)

x

У

11J

( r 11 r12 r13

r21 r22 r23

V r31 r32 r33

*2 *3 J

( X 1

Y

Z

(4)

770

Компьютерная оптика, 2015, том 39, №5

Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки

Гошин Е.В., Фурсов В.А.

Далее под координатами точки m всюду подразумеваются координаты m(x,y), удовлетворяющие (4).

С использованием соотношения (4) строится процедура вычисления 3Б-координат сцены. В частности, записав с использованием неизвестных множителей g и g' соотношения вида (4) для соответствующих точек m(x,y) и m(x',y') [8] в виде равенств:

x

У

1

/'

X

/

У

1

R

g

X" " t1" Л

Y - t2

Z Lt3 _ У

-R'

g

Гг xi

Z

VL -1 L 3 _У

1

1

Y

t

2

(5)

(6)

и приравняв фигурирующие в (5), (6) векторы координат [X, Y, Z]T, получаем:

x f x " t1 -11 ’'

gR-1 У 7 p* bo 1 r У = c - t2 - t2 '

1 1 Lt3 - t3'_

(7)

Соотношение (7) представляет собой систему из трёх уравнений относительно двух неизвестных - g и g'. Посредством подстановки найденных из этой системы указанных множителей в соотношение (5) и/или (6) формируется вектор координат трёхмерной точки [X, Y, Z]T.

Из соотношений (3) - (7) видно, что для реконструкции 3Б-сцены необходимо знать параметры матрицы поворота-сдвига (R | t). Проблема состоит в том, что часто эти параметры оказываются неизвестными и вначале требуется определить их по заданным на двух видах координатам N пар соответствующих точек m(x,у) и m(x',y1). Решению этой задачи и посвящена настоящая статья.

Идея работы состоит в том, чтобы определить параметры поворота и сдвига камер в глобальной системе координат непосредственно по заданным соответствующим точкам видов, исключив промежуточный этап оценивания параметров фундаментальной матрицы.

2. Формулировка задачи оптимизации

Задачу определения параметров сдвига и поворота сформулируем как задачу оптимизации параметров проективного преобразования, обеспечивающего близость (в смысле заданного критерия) соответствующих точек на двух видах. Для компактной записи общей оптимизационной задачи введём обозначения:

QX = ZrX+tx Qy = zr + ty > Qy = z r + tz ^

(8)

где

rx = ri m i = riix i + ri2 y, +

r = r2 mi = r2ixi + r22y, + Г23 , *

Г = Г3 mi = Г31 x< + Г32уi + Г33

(9)

Г1 =[^^n, ^ Г13 ] а Г2 =[r21, Г22 , Г23 ] * r3 = [r31, r32, r33 ]

(10)

Зададим критерий оптимальности проективного преобразования в виде суммы квадратов разностей координат соответствующих точек на изображениях видов. С учётом обозначений (8), (9), (10) этот критерий представляется в виде:

r,t, z ) = £

i=1

где r = [r1, r2, r3]T - 9*1-вектор параметров поворота камеры, составленный из векторов-строк (10) матрицы поворота R, а z - вектор, компонентами которого являются глобальные координаты Zi, i =1, N точек сцены. Заметим, что для векторов-строк матрицы поворота r1, r2, r3 должны выполняться требования ортонормальности.

Поскольку глобальные координаты Z, i = 1, N, также являются неизвестными, в результате решения должны быть оценены N + 12 неизвестных параметров - компонент вектора Y = [r , t , Z ] , являющегося прямой суммой векторов r, t, z. С учётом сказанного задача формулируется следующим образом. Найти

(xQ - Qx )2 +(yQ - Qy )2

(11)

Y*: Q (Y* )=жQ (^ z) (12)

при условии

Ы=INI=hll=1,

(rl, r2 ) = (rl, r3 ) = ( r2 , r3 ) =0,

r1 X r2 = rз, r2 X r3 = rl, r3 X r1 = r2 ,

(13)

где W - область допустимых значений параметров сдвига, поворота и координат Zi, i =1, N .

Поставленную задачу можно переформулировать как задачу безусловной оптимизации, если вместо вектора параметров r = [r1, r2, r3]T оценивать вектор параметров, составленный из углов поворота вокруг осей X, Y, Z . При этом выполнение ограничений (5) обеспечивается тем, что матрица R формируется в виде

R = RX Ry Rz , (14)

где

Г1 о о ^

R x

0 cos (a) ± sin (a) ,

v 0 + sin (a) cos (a) ,

Компьютерная оптика, 2015, том 39, №5

771

Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки

Е.В. Гошин, В. А. Фурсов

^ cos(b) 0 ± sin (b)Л

Ry = 0 1 0

ч+sin (b) 0 Cos(b) у

^ cos (g) ± sin (g) 0''

R z = + sin (g) cos ( g) 0

l 0 0 1 у

Здесь знак перед синусом указывает направление поворота.

Выполнив в векторе r = [rb r2, r3]T замены, соответствующие представлению (14):

r11 = Cos b Cos g, r12 = Cos b Sin g,

r13 = Sin b,

r21 =- Cos a Sin g- Sin a Sin b Cos g, r22 = Cos a Cos g-Sin a Sin b Sin g, r23 = Sin a Cos b,

r31 =-Sin a Sin g-Cos a Sin b Cos g, r32 = - Sin a Cos g- Cos a Sin b Sin g, r33 = Cos a Cos b,

задачу (12) можно представить в следующем виде. Найти

Y': s(Y' )=,ms?„Q(ф>*,Z), (15)

где j = [a, b, g], а t и Z те же, что и выше. Подчеркнём, что в данном случае отсутствуют ограничения на искомые параметры.

3. Построение вычислительной процедуры

Сформулированная задача является многомерной и в общем случае многоэкстремальной. Несмотря на устранение ограничений и снижение размерности, она остаётся достаточно громоздкой в вычислительном отношении. Поэтому для её решения воспользуемся идеей блочной многошаговой схемы оптимизации [9], [10], [11].

Представим вектор Y в виде

Y = [У ,TT J , (16)

где T = [tT, ZT]T - (N+ 3)*1-вектор, являющийся прямой суммой векторов t и Z. Теперь задача определения минимума в правой части (15) может быть представлена в виде [11]:

min Q (ф,Т) = min min Q (ф,Т),

9,TeQ^Y™ ' TeQ^ '

где Wj, WT - подобласти допустимых значений, являющиеся проекциями исходной области Q на подпространства, соответствующие макропеременным j, T соответственно.

Применяя к макропеременным j, Т схему многошаговой оптимизации [10], можно записать алгоритм определения значений j, T, доставляющих минимум критерию (15) на k-м шаге, в виде следующей после-

довательности вложенных оптимизационных задач меньшей размерности:

Ф: Q (Yk)

mn Q К, Т У))

ф eQ9 4 '

(17)

где

■ГУ): QУ, TУ )) = minQУ, Т). (18)

На первом шаге вектор j0 должен быть каким-либо образом задан.

Процедура останавливается, если

||дфЛ <еФ, И J <е, HAZk|| < ez, (19)

где

A9k = 9k - 9k-1, Atk =tk - tk-1, AZk = Zk - Zk-1

и

||AQ (Yk )||<Eq , (20)

где

AQ (Yk ) = Q (Yk)-Q (Yk-1), а e<p, et, eZ, £q - заданные положительные числа (пороговые значения). Полученное на k-м шаге значение критерия считается оптимальным:

Q (Yk) - Q (Y*),

а соответствующие значения jk, tk, Zk - решением задачи.

Для определения минимума в (18) решается система уравнений

xiQZ - QX = 0, i = 1, N

xiQZ - Qy = 0, i = 1, N

(21)

При этом в (15) достигается минимум, поскольку левые части уравнений (21) входят в исходный критерий (11) в виде слагаемых. В результате решения системы (21) определяется вектор сдвига. Решение системы (21) осуществляется для каждого заданного фиксированного значения jk. Процедура определения вектора сдвига реализуется следующим образом.

С использованием выражений (8), (9) система уравнений (21) приводится к виду:

Z, ( r11Xi + Г12 У, + Г13 )+ *x =

= X( Z< ( Г31X + ЪУ, + Г33 )+ 1x )

Z, (Г21Х, + Г22У, + Г23 )+ *x ==

X ( Z< ( Г31X + ГЭ2У, + Г33 ) + *x )

При заданных значениях координат N пар соответствующих точек m(x,y), m(x',y’) и параметров r = [r1, r2, r3]T, однозначно определяемых через значения углов jk, данная система включает 2N уравнений с N+3 неизвестными. Она может быть решена любым из методов решения нелинейных систем. В настоящей работе эта система решалась итеративно с начальным приближением

Z, = 0, i = 1N .

772

Компьютерная оптика, том 39, №5

Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки

Гошин Е.В., Фурсов В. А.

Общая технология определения параметров камеры реализуется в виде следующей последовательности шагов.

Шаг 1.

Задаётся начальный вектор j = {0 0 0}, для него вычисляются значения векторов t и Z.

Шаг 2.

Для заданного (небольшого) А и всех возможных новых значений фк\

К-1 ±А,р -Р gk-1 ],

К-р р-1 ±4 gk-i ],

К-р Pk-l, gk-i ±А]

вычисляются значения векторов t и Z и из указанных вариаций выбирается щ, которое минимизирует критерий Q(jk, Tk) - (15). Шаг 2 повторяется до момента, определённого правилом остановки.

Правило остановки: алгоритм завершает работу в случае, если выполняются правила остановки (19), (20) или для любого из новых значений 9k значение критерия превышает значения критерия для фг1. В этом, последнем, случае в качестве искомых параметров принимаются значения jk-i, Tk-i.

4. Пример реконструкции ЗБ-сцены

Для экспериментальной проверки работоспособности предложенной информационной технологии использовалась трёхмерная модель сцены, представляющая собой горизонтальную плоскость с расположенными на ней четырьмя объектами. 3Б-сцена получена путём моделирования с использованием программы трассировки лучей POV-Ray.

На рис. 1а, б приведены два стереоизображения указанной сцены, полученные при следующих параметрах камер (здесь и далее индексы 1 и 2 применяются для левого и правого вида соответственно):

"960 0 960"

K = K 2 = 0 960 540

0 0 1

"1 0 0" Р II о

R = 0 1 0 Р = 0°

0 0 1 /■ II О

"0,99377 -0,0869 -0,06976" Р II 00

R 2 = 0,07664 0,9873 -0,1388 Р = 4°

0,0809 0,1326 0,9879 /■ II Ui

"0" "-0.8"

C = 0 , C2 = 0

0 0

С использованием предложенной информационной технологии (с шагом изменения параметров угла поворота камеры А = 0,001 рад) были вычислены углы

поворота второй камеры и соответствующая им матрица поворота:

"0,9939 -0,0867 -0,0689" ' a = 7,964°Л

R2 = 0,0765 0,9874 -0,1382 P = 3,953°

0,0801 0,1321 0,9880 vg = 4,988° ,

а также относительный сдвиг:

2

-0.6902

-0,0503

-0,0595

Рис. 1. Исходные смоделированные стереоизображения

Как видно из приведённых результатов оценивания, ошибка в определении сдвига составила около 13 %, а ошибка по углу - менее 1,2 %.

Полученная трёхмерная сцена приведена на рис. 2. Здесь области белого цвета соответствуют точкам сцены, которые отсутствуют на исходных изображениях, в том числе вследствие малого параллакса между изображениями.

Для иллюстрации предложенной информационной технологии ниже приводится также пример реконструкции трёхмерной сцены по тестовым стереоизображениям из базы данных «Tsukuba». Выбор связан с тем, что для этих изображений отсутствует информация о внешних параметрах камеры, при которых эти изображения получены. Исходные тестовые изображения приведены на рис. 3а, б.

В описанной ситуации, когда используются стереоизображения, параметры съёмки которых априори неизвестны, в рамках традиционной технологии отсутствует возможность восстановления трёхмерной сцены. Поэтому завершающим этапом обработки всегда является построение карты диспарантности.

Компьютерная оптика, 2015, том 39, №5

773

Реконструкция 3Б-сцен по разноракурсным изображениям при неизвестных внешних параметрах съёмки

Е.В. Гошин, В.А. Фурсов

Рис. 2. Восстановленная трёхмерная сцена

Рис. 4. Карта диспарантности Tsukuba (а) и восстановленная трёхмерная сцена (б)

На рис. 4а приведена соответствующая приведённым стереоизображениям карта диспарантности, взятая из базы данных.

В данном случае информационная технология завершается построением трёхмерной модели сцены по найденным параметрам поворота и сдвига камеры в глобальной системе координат.

Полученное с использованием разработанного метода облако точек, приведённое на рис. 4б, достаточно хорошо характеризует структуру трёхмерной сцены.

Заключение

Построена информационная технология реконструкции 3Б-сцены по разноракурсным изображениям, основанная на непосредственном определении параметров сдвига и поворота камеры по соответствующим точкам без определения фундаментальной матрицы. Приведённый пример иллюстрирует работо-

способность технологии и возможность восстановления трёхмерной структуры сцены по разноракурсным изображениям, полученным при неизвестных внешних параметрах съёмки.

Благодарности

Работа выполнена за счет гранта Российского научного фонда (проект № 14-31-00014).

Литература

1. Кудинов, И.А. Реализация алгоритма определения пространственных координат и угловой ориентации объекта по реперным точкам, использующего информацию от одной камеры / И.А. Кудинов, О.В. Павлов, И.С. Холопов // Компьютерная оптика. - 2015. - Т. 39, № 3. -

С. 413-419.

2. Hartley, R. Multiple view geometry in computer vision / R. Hartley, A. Zisserman. - Cambridge university press, 2003. - 655 c.

774

Компьютерная оптика, том 39, N°5

Решение задачи автокалибровки камеры с использованием метода согласованной идентификации

Е.В. Гошин, В.А. Фурсов

3. Sun, Q. Self-calibration of multi-camera networks without feature correspondence between different cameras / Q. Sun,

D. Xu // Optik-International Journal for Light and Electron Optics. - 2014. - Vol. 125, Issue 13. - P. 3331-3336.

4. Фурсов, В.А. Решение задачи автокалибровки камеры с использованием метода согласованной идентификации /

В.А. Фурсов, Е.В. Гошин // Компьютерная оптика. -2012. - Т. 36, № 4. - С. 605-610.

5. Tsai, R.Y. A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses / R.Y. Tsai // Robotics and Automation, IEEE Journal of. - 1987. - Vol. 3, Issue 4. -P. 323-344.

6. Zhang, Z. A flexible new technique for camera calibration / Z. Zhang // Pattern Analysis and Machine Intelligence, IEEE Transactions on. - 2000. - Vol. 22, Issue 11. -P. 1330-1334.

7. Форсайт, Д. Компьютерное зрение. Современный подход / Д. Форсайт, Ж. Понс. - М.: Издательский дом «Вильямс», 2004. - 928 с.

8. Грузман, И.С. Цифровая обработка изображений в информационных системах: учеб. пособие / И.С. Грузман, В.С. Киричук, В.П. Косых [и др.] - Новосибирск: Издательство НГТУ, 2002. - 352 c.

9. Гергель, В.П. Многомерная многоэкстремальная опти-

мизация на основе адаптивной многошаговой редукции размерности / В.П. Гергель, В.А. Гришагин,

A. В. Гергель // Вестник Нижегородского университета им. Н.И. Лобачевского. - 2010. - № 1. - С. 163-170.

10. Strongin, R.G. Global Optimization with Non-Convex Constraints / R.G. Strongin, Y.D. Sergeyev. - Springer US, 2000. - 704 с.

11. Стронгин, Р.Г. Параллельные вычисления в задачах глобальной оптимизации / Р.Г. Стронгин, В.П. Гергель,

B. А. Гришагин, К.А. Баркалов. - М.: Издательство Московского университета, 2013. - 280 с.

References

[1] Kudinov IA, Pavlov OV, Kholopov IS. Implementation of an algorithm for determining the spatial coordinates and the angular orientation of an object based on reference marks, using information from a single camera. Computer Optics 2015; 39(3): 413-9.

[2] Hartley R. Multiple view geometry in computer vision. Cambridge university press; 2003.

[3] Sun Q, Xu D. Self-calibration of multi-camera networks without feature correspondence between different cameras. Optik-International Journal for Light and Electron Optics 2014; 125(13): 3331-6.

[4] Fursov VA, Goshin YeV. Information technology for digital terrain model reconstruction from stereo images [In Russian]. Computer Optics 2014; 38(2): 335-42. ISSN 0134-2452.

[5] Tsau RY. A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses. Robotics and Automation, IEEE Journal of 1987; 3(4): 323-44.

[6] Zhang Z. A flexible new technique for camera calibration. Pattern Analysis and Machine Intelligence, IEEE Transactions on 2000; 22(11): 1330-4.

[7] Forsyth D, Ponce J. Computer Vision: A Modern Approach. Prentice Hall; 2002.

[8] Gruzman IS et al. Digital image processing in information systems [In Russian]. Novosibirsk: “NGTU” Publisher; 2002.

[9] Gergel VP, Grishagin VA, Gergel AV. Multidimensional multiextreme optimization based on adaptive multistep dimensionality reduction. Vestnik Nizhegorodskogo uni-versiteta im NI Lobachevskogo 2010; 1: 163-70.

[10] Strongin RG, Sergeyev YD. Global Optimization with Non-Convex Constraints. - Springer US; 2000.

[11] Strongin RG, Gergel VP, Grishagin VA, Barkalov KA. Parallel methods of global optimization problems solving [In Russian]. - Moscow: Moscow State University Publisher; 2004.

3D SCENE RECONSTRUCTION FROM STEREO IMAGES WITH UNKNOWN EXTRINSIC PARAMETERS

Ye. V. Goshin1’2, V.A. Fursov1 '2,

1 Image Processing Systems Institute, Russian Academy of Sciences, Samara, Russia,

2 Samara State Aerospace University, Samara, Russia

Abstract

In this paper we consider an information technology of 3D scene reconstruction from stereo images which were obtained from a camera with unknown extrinsic parameters. The main idea of the present paper is to compute rotation and translation of the camera directly from the corresponding points.

Keywords: stereo images, camera position estimation, intrinsic camera parameters, image matching, 3D reconstruction.

Citation: Goshin YeV, Fursov VA. 3D scene reconstruction from stereo images with unknown extrinsic parameters. Computer Optics 2015; 39(5): 770-6. - DOI: 10.18287/0134-2452-2015-39-5-770-776.

Acknowledgements: The work was financially supported by the Russian Scientific Foundation (RSF), grant No. 14-31-00014.

Сведения об авторах

Фурсов Владимир Алексеевич, д.т.н., профессор, заведующий кафедрой суперкомпьютеров и общей информатики в Самарском государственном аэрокосмическом университете. Область научных интересов: теория

Компьютерная оптика, том 39, №5

775

Моделирование последовательности рельефов по опорным изображениям местности

Е.В. Гошин, В. А. Фурсов

и методы оценивания по малому числу измерений, методы обработки и распознавания изображений, построение параллельных алгоритмов обработки и распознавания изображений, реализуемых с использованием многопроцессорных вычислительных систем.

E-mail: fursov@ssau.ru.

Vladimir Alekseyevich Fursov is a Doctor of Sciences in Engineering, a Professor and the head of Supercomputers and General Informatics sub-department of Samara State Aerospace University, and a lead researcher at IPSI RAS. His research interests are development of the theory of estimation from a small number of observations, methods of image processing and pattern recognition, the development of high-performance parallel methods and algorithms of image processing and pattern recognition implemented using multiprocessor computing systems.

Гошин Егор Вячеславович, к.т.н., ассистент кафедры суперкомпьютеров и общей информатики Самарского государственного аэрокосмического университета. Область научных интересов: методы обработки и распознавания изображений, параллельные вычисления, стереозрение.

E-mail: goshine@yandex.ru.

Yegor Vyacheslavovich Goshin is a Candidate of Sciences in Engineering. His current research interests are in image processing, recognition algorithms, parallel computations and stereovision.

Поступила в редакцию 4 ноября 2015 г. Окончательный вариант - 1 декабря 2015 г.

776

Компьютерная оптика, том 39, №5