CC BY
92
Литература: 1. Введение в биомембранологию /Под ред. А.А. Болдырева. М.: Изд-во МГУ, 1990. 208с. 2. Стрюк Р.И. Адренореактивность и сердечно-сосудистая система/ Стрюк Р.И., Длусская И.Г. // М.: Медицина. 2003. 160c.
3. Steinhauer D. E. Quantitative imaging of sheet resistance with a scanning near-field microwave microscope. / Steinhauer
D. E., Vlahacos C. P., Dutta S. K., Feenstra B. J., Wellstood F. C., Anlage S. M. // Appl. Phys. Lett. 1998. № 72. P. 861 - 863.
4. Щеголева Т.Ю. Исследование биологических объек-
тов в миллиметровом диапазоне радиоволн / Т.Ю. Щеголева // К.: Наук. думка. 1996. 182 с. 5. Гордиенко Ю.
E. Свойства четвертьволнового коаксиального СВЧ измерительного преобразователя для диагностики материалов / Гордиенко Ю. Е., Петров В. В., Полетаев Д. А. // Радиотехника. 2008. № 154. С. 61 - 66. 6. Гордиенко Ю.Е. Вклад колебательных и излучательных потерь в характеристики СВЧ преобразователей с коаксиальной измерительной апертурой. / Г ордиенко Ю.Е., Гуд Ю.И., Полетаев Д.А. // Радиотехника. 2009. № 157. С. 108 - 114. 7. Кураев А. А. Электродинамика и распространение радиоволн. / Кураев А. А., Попкова Т. Л., Синицын А. К. // Мн.: Бестпринт, 2004. 358 с. 8. Лебедев И. В. Техника и приборы СВЧ / Лебедев И. В. // М.: Высш. школа, 1970. 440 с. 9. Бондаренко И.Н. Формирование сигналов сканирования в микроволновой микроскопии с резонаторным микрозондом / Бондаренко И.Н., Гордиенко Ю.Е., Ларкин С.Ю. // Радиотехника. 2009. № 158. С. 59 - 67.
Поступила в редколлегию 14.09.2013
Рецензент: д-р физ.-мат. наук, проф. Лучанинов А.И.
Бородкина Анна Николаевна, аспирант каф. микроэлектронных приборов и устройств ХНУРЭ. Научные интересы: биофизика, радиофизика, СВЧ методы измерений, неразрушающий контроль. Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел.: (057) 7021-362.
Гордиенко Юрий Емельянович, д-р физ.-мат. наук, проф., главный научный сотрудник каф. микроэлектроники, электронных приборов и устройств ХНУРЭ. Научные интересы: СВЧ диагностика материалов и объектов, микроэлектронные датчики. Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел. (057)702-13-62.
Слипченко Николай Иванович, д-р физ.-мат. наук, проф. каф. Микроэлектроники, электронных приборов и устройств, проректор по научной работе ХНУРЭ. Научные интересы: Солнечная энергетика, микроволновая микроскопия материалов и сред. Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел. (057)702-13-62.
УДК621.397
ВЫЧИСЛЕНИЕ КООРДИНАТ ИНФРАКРАСНЫХ ВСПЫШЕК НА ОБЪЕКТЕ ДЛЯ ОЦЕНКИ ЕГО МЕСТОПОЛОЖЕНИЯ
ИЛЬИН М.А.___________________________
Рассматриваются метод идентификации инфракрасных (ИК) маркеров, располагаемых на объекте, и процедура вычисления координат маркеров по видеоизображениям их вспышек в трехкамерной телевизионной системе. Метод оперирует идентификационными областями маркеров, что позволяет отличить один маркер от других с учетом их возможного перекрытия, а также предсказать будущее положение каждого маркера. Метод может найти применение для управления виртуальными декорациями при студийных видеосъемках, построения скелетной анимации и слежения за подвижными объектами.
Введение
Оптический трекинг, или определение координат объекта и прослеживание его движения оптоэлектронными средствами с применением световых маркеров на объекте, является весьма эффективным. Использование цифровых телевизионных средств, формирующих изображения большого числа маркеров на цифровом видеорастре, еще более повышает эффективность оптического трекинга - появляется возможность оценки всех шести степеней свободы подвижного объекта - его 3D координат и трех углов ориентации. При этом возникают задачи идентификации
каждого маркера системы трекинга и измерения 2D координат центров их видеоизображений, получаемых с разных ракурсов. В существующих системах используются самые разнообразные системы идентификации. Одни применяют метод, определяющий порог яркости, другие системы основаны на изменении спектра каждого маркера, однако все они имеют общий недостаток - существует ограничение на количество маркеров в системе. Поэтому возникает также задача разработки метода идентификации, который позволит снять и это ограничение. С решением сформулированных задач были связаны исследования, отдельные результаты которых приведены ниже.
1.Оценка параметров видеоизображения маркера
Для нахождения координат программа действует по следующему алгоритму:
- определяется порог чувствительности для поиска ярких пятен в зависимости от фона;
- производится поиск областей, имеющих точки, которые превышают этот порог;
- производится яркостный анализ пятна, определяются его границы и рассчитывается интегральная яркость [1].
Основой для обнаружения засветок маркеров на изображении является сегментация. Она представляет собой процесс разбиения изображения на множество областей (наборов пикселей), соответствующих структурным единицам в сцене или определенным объектам. Цель состоит в том, чтобы найти такие объекты, какие представляют интерес по геометрии изображения, и отказаться от избыточной информации, т.е. от
РИ, 2013, № 4
21
областей в изображении, не представляющих такого интереса. Часто это делается в качестве первого шага, прежде чем применяются аналитические алгоритмы, которые позволяют извлекать более абстрактную информацию из данных изображения. Это один из наиболее важных шагов в извлечении информации из изображения. Сегментация изображения является низкоуровневой процедурой, работающей на уровне отдельных пикселей. Существует несколько методов для определения принадлежности пикселя к интересующей зоне. Один из наиболее простых методов для выделения принадлежности пикселя к выбранному сегменту в изображении - это сегментация порога. Она определяет диапазон значений яркости для исходного изображения, тогда пиксели в пределах этого диапазона выбираются, как принадлежащие к области, представляющей интерес, все другие пиксели отклоняются, как принадлежащие к фону. При использовании инфракрасного света в оптической системе слежения маркеры могут быть легко разделены по порогам. Маркеры излучают либо отражают инфракрасный свет, излучения с другими длинами волн будут отфильтрованы, поскольку инфракрасный фильтр установлен в передней части объектива. Таким образом, области в изображении, представляющие маркер, имеют намного более высокие значения яркости по сравнению с (Ьоном. как показано на пне. 1.
$ * »
* *
*
* *
Рис. 2. Крупный план светового пятна засветки маркера
Сегментация и обнаружение засветки могут быть выполнены за один проход, что сводится к снижению требований к памяти и уменьшению количества инструкций для процессора, что улучшает вычислительную производительность.
2. Идентификация маркеров и определение их координат
Идентификация маркеров осуществляется по первому их последовательному включению и дальше контролируется по их идентификационным областям (рис. 3).
Рис. 3. Идентификационные области маркеров
*
• * *
• •
Рис. 1. Вид засветок ИК маркеров
Для определения положения маркера на изображении вычисляется взвешенный вклад пикселей, принадлежащих к маркеру. Для сферических маркеров это обычно соответствует центру маркера. Рис. 2 показывает крупным планом вид одного пятна. Видно, что яркость пикселей возрастает по направлению к центру пятна. Если F(j,k) является яркостью пикселя в позиции j,k, то координаты центра засветки по горизонтали и вертикали (u, v) в пикселях рассчитываются следующим образом [2]:
u Kу'=1 УЭиш v 1У'=1 УЭад u = У'=1 У Kj v = У'=1 У Kj ’
где J,K - общее количество пикселей по горизонтали и вертикали соответственно.
Размеры идентификационных областей маркеров выбираются в блоке синхронизации системы в зависимости от скорости движения объекта, чтобы координаты новых положений маркеров не выходили за пределы своих областей. При возможном перекрытии двух областей идентификация маркеров осуществляется согласно векторам их движения. Если в какой-то момент времени невозможно идентифицировать маркеры, что маловероятно, то их координаты не принимают участие в расчетах 3D координат объекта [3].
После включения, в каждом следующем кадре, устройство обработки информации определяет новые координаты центров засветки маркеров и идентифицирует засветки маркеров по их нахождению в соответствующих идентификационных областях предыдущего кадра. Затем осуществляется перемещение этих идентификационных областей для расположения их центров в точках растра с новыми координатами центров засветок соответствующих маркеров в целях проведения дальнейших оценок координат маркеров. В результате определяются текущие координаты центров засветок всех маркеров и осуществляется их идентификация. Алгоритм идентификации приведен на рис. 4.
22
РИ, 2013, № 4
Был разработан алгоритм, основанный на предсказании положения засветок, что позволяет ускорить поиск, начав его в месте наиболее вероятного появления засветки, при разных ограничениях, выявленных экспериментальным путем.
Далее находятся координаты маркеров по засветкам на светочувствительных матрицах измерительных видеокамер телевизионной системы. Для этого определяются матрицы вращения и переноса, а также учитываются внутренние параметры камеры, такие как фокусное расстояние и центр координат.
В гомогенных координатах проективное преобразование записывается как
m = PM,
cos pcos у cospsin у -sin p
sin asin p cos у — cos asin y sin asin p sin y+cos asin y sin acos p sin a sin p cos y+cos asin y cos asin p sin y— sin asin y cos ycos p
ku kc U0
0 kv v0
0 0 1
где m = (u,v,s)T, M = (X,Y,Z,S)T.
В общем виде матрица калибровки внутренних параметров измерительных камер следующая [4]:
K. =
здесь ku и kv выражают горизонтальное и вертикальное фокусное расстояние с точки зрения размеров пикселя; kc - параметр, учитывающий отклонение плоскости матрицы от плоскости линз; u0,v0 - координаты фокальной точки.
Поскольку требуемое соотношение сторон ячеек ПЗС матриц измерительных видеокамер 1:1, то матрица калибровки
f 0 u(
0 f v,
K =
0 0 1
Для каждой камеры телевизионной системы проективная матрица Pi представляется произведением следующих матриц:
P1 =
0 —1 vi
1 0 -u]
—v 0
K [ri • T ]
где Ri, Ti - матрицы вращения и переноса, первая матрица учитывает ошибку перепроецирования; Кі -матрица калибровки.
Матрица Ri (3 X 3) содержит координаты объекта в евклидовой системе координат XYZ и углы вращения a, р, y вокруг, соответственно, осей X,Y,Z по часовой стрелке:
Рис. 4. Алгоритм идентификации маркеров С учетом матрицы переноса T выражение можно представить в виде P1 = ^A^b1 ", где для трехкамерной телевизионной системы
A1 = [Ai A2
Аз
здесь
A, =
R3l(v — U0) — fR2l
fR11 + R3i(v0 — u) fR11 + R31(v0 — u)
' 1 c 1 j3
"1 0 0 " cos p 0 - sin p cos y - sin y 0"
Ri = 0 cos a sin a 0 1 0 - sin y cos y 0 = A2 = fR12 + R 32 (v0 U) U (fR 22 + U0R32) - v (fR 12 + v0R32)
0 - sin a cos a sin p 0 cos p 0 0 1 jyr% 1 . __ \
A3
РИ, 2013, № 4
R33(v0 — u) — fR13 u(fR 23 + U0R33) — v(v0R33 — fR13 )
23
23
33
и
T3i(v - U0)- fT21
b1 =
T3i(Vo - U) - fTn u(fT21 + U0T31) - V(fT11 + V0T31)
Реконструкция 3D точки M осуществляется методом наименьших квадратов [5]: M = (ATA)-1 ATb.
После определения всех засветок на изображении одной камеры для каждой из них вычисляются эпиполярные линии, относящиеся к другим камерам, и оптимизируется с их помощью поиск точек соответствия вблизи этих линий. Если у нас есть две соответствующие засветки на изображениях с двух камер, засветку на изображении с третьей надо искать вблизи точки пересечения двух эпиполярных линий.
Выводы
Разработанный метод идентификации маркеров позволяет надежно соотнести рассчитанные координаты центров засветок с определенным маркером, что расширяет возможности трекинга, так как появляется возможность использования большого числа маркеров. Ожидается также сокращение времени расчета
координат маркеров за счет предварительного определения возможного перекрытия маркеров и предсказания их будущих положений.
Литература: 1. RohlfJ. A High Perfomance Multiprocessing Toolkit for Real Time 3D Graphic / J. Rohlf, J. Helman / [In A. Glassner, editor]. Proceedings of SIGGRAF, IRIS ’94, 1994. 2. Automatic color blob segmentation and fast arbitrary shape tracking/ Bizhong W. etc.// Visual information engeneering, 2008. P. 408-413. 3. Faugeras D. Three dimensional computer vision / D. Faugeras. The MIT Press, 1992. 4. Faugeras D. The geometry of multiple images / D. Faugeras, Q.-T. Luong, The MIT Press, 2001. 5. Foursa M. Real-time infrared tracking system for Virtual Environments / M. Foursa // ACM SIGGRAPH VRCAI conference proceedings, 2004. Р. 427-430.
Поступила в редколлегию 11.10.2013
Рецензент: д-р техн. наук, проф. Синотин А.М.
Ильин Максим Анатольевич, мл. науч. сотр. ПНИЛ ЗА кафедры радиоэлектронных систем ХНУРЭ. Научные интересы: радиотехнические и телевизионные системы. Адрес: Украина, 61000, Харьков, ул. Чернышевского 25, тел. 706-19-36, e-mail: kudla_max@mail.ru.
24
РИ, 2013, № 4
