Разработка программно-аппаратного комплекса интеллектуального комплексирования данных, получаемых разнородными сенсорами с адаптивным выбором вида отображаемых данных на дисплее

Развитие теории построение автоматизированных систем и систем контроля, требует решения комплексных задач, включающих в себя как развитие аппаратной части, так и программных компонент. Решение задач построение новейших систем управления и анализа внешних источников, невозможно без решения задач получения, обработки и анализа данных. В качестве таких информационных потоков могут выступать данные, получаемые как конечными автоматами (концевиками) или сенсорами (линейки, датчики приращений тока, силомоментные и тп.), так и многомерными матрицами (видеокамеры, тепловизоры, дальнометрические, инфракрасные и др.). Комбинирование информационных полей, поиск зависимостей и построение интеллектуальных систем анализа и принятия решений, расширяют спектр решаемых задач и позволяют повысить как точность, так и автоматизацию процессов. Современные автоматизированные системы и комплексы, построенные на основе объединения фото и видео потоков, получаемых с выходов чувствительных матриц, требуют комплексного подхода к обработке и анализу получаемых признаков. Современные системы фото и видео фиксации способны работать в контрастных условиях освещенности, воздействия неблагоприятных факторов среды, охватывать наблюдением территорию большой площади. Особое значение для анализа визуальной информации имеют объединенные изображения, позволяющие наблюдать непрерывную сцену целиком вместо просмотра разрозненных ее частей. Развитие систем позволяющих применение при этом различных камер, их положения, объективов и условий съёмки, повышает качество и скорость выявления информационных параметров. Комбинирование данных, полученных в различных электромагнитных диапазонах, позволит выделить первично значимые объекты, а также повысить эффективность анализа и принятия решения. Задача получения объединённых изображений является актуальной, поскольку необходимость совмещения возникает: коллаборативных робототехнических системах, при разработках новых человеко-машинных интерфейсов; в охранных системах, при создании единого пространства зоны контроля; при объединении снимков в медицине, для получения объединённых рентгенограмм, КТ и МРТ снимков; при построении картографических изображений, полученных со спутника в различных диапазонах с данными визуального контроля; при решении задач фотограмметрии; при получении обзорных снимков, используемых в строительстве; в микробиологии, при создании изображений биологических объектов малых размеров снятых при помощи микроскопов с различной засветкой; в безопасности, про объединении данных получаемых сканерами отпечатков пальца; в генетике, про создании единых снимков нуклеиновых кислот; в технологических процессах, например при производстве плёнок и стёкол для выявления вкраплений и неоднородностей при литье или вытягивании цельнолистовых изделий т.д. При решении задачи получения объединённого изображения, требуется устранение ряда проблем, сильно влияющих на конечный результат, большинство из которых связанны с постановкой объектов в кадре и их освещённостью. Интеллектуализация и автоматизация подбора параметров совмещения для формирования комбинированных данных. К таким задачам можно отнести сложности в объединении изображений, полученных с различных точек фиксации, получении кадров с использованием группы нестационарных камер, применением различных по характеристикам объективов, типами и размерами чувствительных матриц. Также фиксация кадра без штатива, помогающего добиться хорошей стабилизации камеры, изображения могут получиться смазанными, стационарные объекты стать перемещающимися или повёрнутыми. В зависимости от глубины расположения предмета в композиции, на различных изображениях, объекты могут иметь различное положение относительно других предметов. Так, если при съемке с одной точки все предметы на изображениях идут в одном и том же порядке слева направо, то при съемке с различных точек этот порядок иногда может меняться. В ряде случаев, группы объектов, запечатлённые с различных точек, могут восприниматься как разрозненные или единая структура. При наблюдении с различных ракурсов, объединение по наборам сопряженных точек, находящихся на различных удалениях от камеры, дает принципиально разные результаты. Наличие движения в кадре, шумов или размытия, а также различия в скорости фиксации кадра, резко осложняют последующую обработку. При съемке одной и той же сцены выбор различного фокусного расстояния влияет на полученное изображение. В большинстве случаев при съемке одной и той же композиции, фиксируемые предметы меняют характер взаимоотношения между объектом съемки и его фоном, а также изменяют восприятие расстояния между ними. Перемещая камеру, при фиксации изображения, из положения А в положение Б невозможно сделать фотографии на одном фокусном расстоянии с различных точек без использования каких-либо дополнительных устройств, поэтому фокусное расстояние в большинстве случаев будет различным. Отсутствие точных данных о изменении положения камеры накладывают дополнительные ограничения на применение методов первичной обработки двумерных сигналов. Результат объединения изображений, полученных из различных точек, также сильно зависит от разности во времени фиксации кадров и от количества фиксируемой информации. Большинство используемых на практике алгоритмов не являются универсальными и в ряде случаев требуют участие оператора при выборе параметров и перенастройке системы. При объединении данных с неполным перекрытием, а также в условиях изменения условий съёмки, автоматизированное объединение данных считается нереализуемой задачей и требует участие оператора на различных этапах. Более сложной является задача объединения данных полученных в отличных от оптического диапазона, так объединение изображений отражающих градации изменения температур или рентгенограмм, могут вообще не иметь границ объектов, что делать невозможным применение методов объединения. Использование для выполнения таких операций нейронных сетей является перспективным направлением, позволяющим автоматизировать процессы и расширить возможности применения алгоритмов. Решение задачи объединения цифровых двумерных сигналов полученных группой нестационарных камер с различными матрицами, а также с возможность комплексирования данных различных оптических диапазонов, накладывает ограничения на использование применяемых на практике алгоритмов, а в ряде случаев делает невозможным их использование. В связи, с чем разработка новых программно-аппаратных комплексов объединения двумерных сигналов является актуальной задачей. Основное внимание при выполнении работ будет направлено на решение задачи автоматического объединения цифровых двумерных сигналов, полученных матрицами с учётом их возможного различия в типах сенсоров, их пространственном расположении и физических размерах. На различных этапах реализация проекта потребуется применение нейронных сетей с формированием обучающих выборок по данным сенсоров, работающих в различных электромагнитных диапазонах.