Автоматизация проектирования компонентов расширенной реальности тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Четвергова, Мария Владимировна

• Четвергова, Мария Владимировна
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Четвергова, Мария Владимировна

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ИССЛЕДОВАНИЕ МЕТОДОВ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ КОМПОНЕНТОВ РАСШИРЕННОЙ РЕАЛЬНОСТИ ДЛЯ ИСПОЛЬЗОВАНИЯ В ОБРАЗОВАТЕЛЬНОЙ, ПРОЕКТНОЙ И УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ

1.1 Системный подход в построении систем автоматизированного проектирования

1.2 Системы виртуальной реальности с позиции системного подхода

1.3 Определение системы и компонентов расширенной реальности

1.4 Принципы совмещения виртуальных и реальных объектов в системах расширенной реальности

1.5 Компоненты системы автоматизированного проектирования расширенной реальности

1.6 Анализ методов распознавания изображений для синтеза компонентов расширенной реальности

1.7 Анализ и классификация изображений при распознавании объектов расширенной реальности

1.8 Методы подготовки специалистов на базе виртуальных лабораторий с компонентами расширенной реальности

1.9 Выводы по первой главе 51 ГЛАВА 2. МОДЕЛИ И МЕТОДИКИ ИДЕНТИФИКАЦИИ И СОВМЕЩЕНИЯ ВИРТУАЛЬНЫХ И РЕАЛЬНЫХ ОБЪЕКТОВ В СИСТЕМЕ ПРОЕКТИРОВАНИЯ КОМПОНЕНТОВ РАСШИРЕННОЙ РЕАЛЬНОСТИ

2.1 Сравнительное исследование существующих планарных маркерных систем

2.2 Структура и алгоритм синтеза универсального маркера для системы проектирования компонентов расширенной реальности

2.3 Методика распознавания и представления комбинированного компланарного маркера в цифровом видеопотоке в режиме реального времени

2.3.1 Получение видеопотока и выделение кадров

2.3.2 Перевод в градации серого

2.3.3 Предварительная обработка входных цифровых изображений

2.3.4 Оптимизация контрастности изображения

2.3.5 Оптимизация яркости изображения

2.3.6 Фильтрация изображений и подавление шумов

2.3.7 Повышение резкости объектов на изображениях

2.3.8 Сегментация изображения

2.3.9 Бинаризация изображения

2.3.10 Выделение и рекурсивная разметка связных областей

2.3.11 Определение и идентификация контуров маркеров на основе выделения прямых линий и углов

2.3.12 Проективные преобразования выделенных маркерных изображений

79

2.4 Методика идентификации точечных особенностей объектов для привязки виртуальных моделей в системе проектирования компонентов расширенной реальности

2.5 Методика распознавания объектов с использованием рандомных деревьев для сопоставления описания дескрипторов

2.6 Обучение подсистемы распознавания точечных особенностей

2.7 Экспериментальное исследование методики распознавания

2.8 Выводы по второй главе 92 ГЛАВА 3. АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПРОЕКТИРОВАНИЯ КОМПОНЕНТОВ РАСШИРЕННОЙ РЕАЛЬНОСТИ

3.1 Выбор графического движка (engine) для системы проектирования

компонентов расширенной реальности

3.2 Функциональные модули программно-инструментального комплекса автоматизированной системы синтеза компонентов расширенной реальности

3.2.1 Базовый класс приложения OGRE

3.2.2 Класс приложения OGRE

3.2.3 Менеджер управления алгоритмами и сценариями

3.2.4 Менеджер управления сценой и объектами

3.2.5 Менеджер управления конфигурацией

3.2.6 Совокупность классов описания виртуальных объектов на сценах расширенной реальности

3.3 Архитектура системы проектирования компонентов расширенной реальности

3.3.1 Подсистема идентификации объектов

3.3.2 Подсистемы определения вида и классификации

3.3.3 Подсистема работы с информационными ресурсами

3.3.4 Подсистема визуализации

3.3.5 Модуль управления пользовательским интерфейсом

3.4 Модель среды с синтезированными компонентами расширенной реальности

3.5 Алгоритм функционирования системы проектирования компонентов расширенной реальности

3.6 Программно-аппаратное обеспечение системы

3.7 Выводы по третьей главе 122 ГЛАВА 4. ВНЕДРЕНИЕ И ЭКСПЛУАТАЦИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПРОЕКТИРОВАНИЯ КОМПОНЕНТОВ РАСШИРЕННОЙ РЕАЛЬНОСТИ В РАЗЛИЧНЫХ ПРЕДМЕТНЫХ ОБЛАСТЯХ

4.1 Виртуальный интерактивный криминалистический полигон

4.2 Синтез виртуальной интерактивной стоматологической лаборатории

4.3 Подсистема визуализации результатов мониторинга объектов ЖКХ с использованием технологии расширенной реальности

4.3.1 Состав и структура подсистемы мониторинга с компонентами расширенной реальности

4.3.2 Описание работы подсистемы мониторинга объектов ЖКХ

4.4 Оценка эффективности использования системы с компонентами расширенной реальности

4.5 Выводы по разделу 151 ОСНОВНЫЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЯ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1 Описание работы подсистемы мониторинга объектов ЖКХ

176

ПРИЛОЖЕНИЕ 2 Акты внедрения

Введение диссертации (часть автореферата) на тему «Автоматизация проектирования компонентов расширенной реальности»

ВВЕДЕНИЕ

Актуальность работы. Современное развитие информационных технологий предопределило создание систем виртуальной и расширенной реальности. Первая погружает пользователя в виртуальную среду, которая генерируется компьютером в интерактивном режиме, вторая «искусственно» изменяет окружающий мир с помощью виртуальных объектов. Данное направление является динамично развивающимся и востребованным в плане научных исследований.

Производительность персональных компьютеров и мобильных вычислительно-коммуникационных устройств позволяет обрабатывать цифровые аудио- и видеоданные в режиме реального времени, что существенно расширяет сферу применения методов искусственного интеллекта, технологий трехмерного моделирования, способов управления объектами виртуальной реальности, интерфейсов человеко-машинного взаимодействия. Это позволяет пользователю непосредственно участвовать в процессе синтеза, управления и визуализации объектов виртуальной и расширенной реальности, предлагая более качественное восприятие информационных и образовательных материалов.

Поэтому решение задачи разработки моделей, методик и алгоритмов автоматизированного проектирования виртуальных объектов с интеграцией их в сцены реального окружения, реализации возможности интерактивного управления ими и визуализации на мобильных вычислительных устройствах в режиме реального времени является актуальной научно-исследовательской и прикладной проблемой.

Научные исследования и результаты, изложенные в диссертации, основаны на работах И. П. Норенкова, В. А. Камаева, В. А. Сойфера, Я. А. Фурмана, М. Н. Фаворской, М. В. Фурса, А. Г. Кравец и других российских ученых, а также зарубежных ученых, среди которых, Р. Вудс, У. Прэтт, Т. Павлидис, R. Azuma, D. Zhang, М. Fiala и многие другие.

Диссертационная работа направлена на решение научной задачи, которая связана с разработкой двухуровневой модели и методики автоматизированного проектирования компонентов расширенной реальности, с привязкой виртуальных объектов к предлагаемой системе планарных маркеров и особых точек на изображениях реальных объектов, которая отличается повышенной надежностью, точностью и качеством распознавания, возможностью визуализации синтезируемых сцен на мобильных вычислительных устройствах в режиме реального времени с возможностью управления.

Актуальность исследований обусловлена появлением и широким распространением мобильных информационно-вычислительных систем нового поколения в виде смартфонов и планшетов и существующим отставанием в области создания математического и программного обеспечения для синтеза и работы с виртуальными объектами по технологии расширенной реальности с целью внедрения новых методик и технологий интерактивного «повсеместного» (и-1еагптg) обучения, а также новых способов моделирования и исследования сложных объектов, систем и процессов.

Цели и задачи исследования. Целью диссертационной работы является повышение эффективности образовательных и управленческих технологий за счет автоматизации проектирования компонентов расширенной реальности и их использования при подготовке специалистов.

Для достижения цели необходимо решить следующие задачи:

1. Провести анализ предметной области в плане исследования технологий синтеза виртуальной и расширенной реальности, способов совмещения виртуальных и реальных объектов на сценах, методов анализа, распознавания и классификации изображений, существующих планарных маркерных систем, методов обучения с использованием технологии виртуальной реальности.

2. Разработать универсальную маркерную модель в виде планарного графического изображения и методику ее распознавания в цифровом видеопотоке в режиме реального времени с целью совмещения и точной

привязки виртуальных объектов к реальному окружению в процессе синтеза сцен расширенной реальности.

3. Разработать методику идентификации точечных особенностей на изображениях физических объектов в цифровом видеопотоке в режиме реального времени с целью совмещения и точной привязки виртуальных объектов к реальному окружению в системе проектирования компонентов расширенной реальности и провести ее экспериментальное исследование.

4. Разработать архитектуру и основные модули системы автоматизированного проектирования компонентов расширенной реальности, функциями которой являются установление соответствия между виртуальными. и реальными объектами, идентификация и локализация местоположения маркеров или точечных особенностей, сбор данных, визуализация сцен расширенной реальности.

5. Разработать программно-инструментальные комплексы с компонентами расширенной реальности в виде лабораторий, полигонов и тренажеров для подготовки специалистов различного профиля и поддержки работы в сфере ЖКХ, медицины, образования.

6. Выполнить апробацию и провести экспериментальные исследования предложенной системы автоматизированного проектирования компонентов расширенной реальности, а также разработанных обучающих лабораторий и полигонов с компонентами расширенной реальности при решении управленческих и образовательных задач.

Объектом исследования диссертационной работы является автоматизированная система проектирования компонентов расширенной реальности.

Предметом исследования являются модели компонентов расширенной реальности, а также методики и алгоритмы их автоматизированного проектирования.

Методы исследований. Для решения поставленных задач использовались алгоритмы обработки цифровых изображений, методы

математического и системного анализа, методы контурного анализа, методы и алгоритмы теории распознавания образов, методы и алгоритмы трехмерного моделирования, синтеза виртуальной среды расширенной реальности, объектно-ориентированного проектирования.

Научная новизна.

1. Предложены универсальная графическая планарная модель маркера и методика ее детектирования в цифровом видеопотоке в режиме реального времени для интеграции виртуальных объектов в сцены реального мира, которая в отличие от существующих позволяет распознать и идентифицировать объект даже при перекрытии маркера до 70 %.

2. Предложена методика обнаружения и распознавания точечных особенностей на изображениях реальных объектов в цифровом видеопотоке, включающая этапы выделения, обработки, локализации особенности, идентификации контуров, распознавания, которая в отличие от аналогов позволяет сопоставлять дескрипторы объектов путем использования рандомных деревьев с учетом перспективных искажений.

3. Впервые разработаны функциональная модель системы и методика автоматизированного проектирования компонентов расширенной реальности, которая позволяет синтезировать обучающую виртуальную среду с использованием мобильных вычислительных устройств в реальной окружающей среде.

4. Разработаны архитектура и функциональные модули системы автоматизированного проектирования компонентов расширенной реальности, которая в отличие от аналогов использует мобильные клиентские приложения для сбора данных и синтеза виртуальной среды, а серверное решение - для обработки, распознавания, хранения, поиска и загрузки сложных сцен и моделей.

Практическая значимость работы.

Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-телекоммуникационные системы» и

способствуют развитию критических технологий доступа к мультимедийным услугам, уменьшения последствий природных и техногенных катастроф, обработки, хранения, передачи и защиты информации».

Результаты исследований позволяют разрабатывать и внедрять технологии виртуальной и расширенной реальности в различные области знаний, в частности, для визуализации результатов автоматизированного проектирования сложных технических объектов и систем, для подготовки специалистов (врачей-стоматологов, юристов, инженеров) с использованием технологии «погружения» в виртуальную среду, для мониторинга состояния объектов инженерных коммуникаций жилищно-коммунального хозяйства РФ.

Практическая ценность заключается в разработке инновационных методик и алгоритмов синтеза элементов расширенной реальности на мобильных коммуникационных вычислительных устройствах руководителей и персонала в реальном времени при наведении объектива видеоустройства на объекты контроля и мониторинга с возможностью локализации местонахождения и передачи изображений объектов для распознавания в центр обработки и получения необходимой информации по беспроводным каналам связи.

Разработанные модели маркеров, методики и алгоритмы распознавания и синтеза элементов расширенной реальности, программно-технической системы синтеза и визуализации виртуальной реальности могут быть использованы для решения задач «компьютерного» зрения в различных отраслях, при создании современных интеллектуальных систем поддержки принятия решений, систем автоматизированного проектирования и производства, автоматизированных систем мониторинга, управления и диспетчеризации. В работе даны практические рекомендации по внедрению результатов исследований и примеры их реального применения в сферах ЖКХ, образования, медицины.

Достоверность и обоснованность результатов. Обоснованность и адекватность разработанного адаптивного алгоритма подтверждается корректностью использования математического аппарата, их практической

реализацией, соответствующими выводами по итогам теоретического анализа путем сравнения результатов работы общеизвестных алгоритмов с предлагаемыми в работе, итогами экспериментальных исследований, полученных с помощью тестовой системы.

Соответствие паспорту специальности.

Работа выполнена в соответствии с паспортом специальности ВАК РФ 05.13.12 - Системы автоматизации проектирования, пункты 4, 5 и 8.

На защиту выносятся:

1. Модель маркера и методика ее детектирования в цифровом видеопотоке в режиме реального времени.

2. Методика обнаружения и распознавания точечных особенностей на изображениях реальных объектов в видеопотоке.

3. Модель системы и методика автоматизированного проектирования компонентов расширенной реальности.

4. Архитектура и функциональные модули системы автоматизированного проектирования компонентов расширенной реальности.

Внедрение результатов работы и связь с научными программами. Диссертационные исследования проводились на кафедре «Системы автоматизированного проектирования» Пензенского государственного университета (ПГУ) и выполнялись в процессе ряда НИР федеральных и ведомственных целевых программ: «Исследование методов и принципов управления информационными процессами в сенсорных и ячеистых сетях нового поколения»; «Методы управления потоками мультимедийной информации в самоорганизующихся ячеистых сетях», «Теоретические и алгоритмические основы позиционирования, мониторинга и визуализации состояния мобильных объектов в информационном пространстве на основе самоорганизующихся беспроводных сетей».

Результаты исследования внедрены в эксплуатацию при создании виртуального кабинета для обучения подготовки стоматологов в медицинском институте Пензенского государственного университета, для создания

подсистемы визуализации результатов мониторинга распределенных инженерных коммуникаций в муниципальном предприятии «Гортеплосеть» г. Кузнецка Пензенской области и для отработки приемов работы и получения практических навыков с элементами деловой игры в Пензенском филиале Российского государственного университета инновационных технологий и предпринимательства.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: I Международной конференции «Трехмерная визуализация научной, технической и социальной реальности. Кластерные технологии моделирования» (Ижевск, 2009); VII, X Международной научно-методической конференции «Инновации в науке, образовании и бизнесе» (Пенза, 2009); VI Всероссийском научно- методическом симпозиуме «Инфосельш-2009» (Анапа, 2009); VIII Международной научно-методической конференции «Инновации в науке, образовании и бизнесе» (Пенза, 2010); Международном симпозиуме «Надежность и качество» (Пенза, 2010); V Международной научно-технической конференции «Аналитические и численные методы моделирования естественнонаучных и социальных проблем» (Пенза, 2010); V Всероссийской молодежной научной конференции «Мавлютовские чтения» (Уфа, 2011); I Международной научно-практической конференции «Молодежь и наука: модернизация и инновационное развитие страны» (Пенза, 2011); IV Всероссийской межвузовской научной конференции «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» (Муром, 2012); I, II Международной научно-практической конференции «Современные проблемы отечественной медико-биологической и фармацевтической промышленности. Развитие инновационного и кадрового потенциала Пензенской области» (Пенза, 2012); IV Всероссийской молодежной научной конференции «Научный потенциал молодежи - будущее России» (Муром, 2012); XXXIX Международной

конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (1Т+8&Е'12) (Украина, Ялта-Гурзуф, 2012).

Публикации. По теме диссертации опубликовано 16 печатных работ, в том числе 3 из них в журналах, рекомендованных ВАК, 1 свидетельство об официальной регистрации программы для ЭВМ.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Четвергова, Мария Владимировна

ОСНОВНЫЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЯ

В процессе диссертационных исследований достигнуты следующие основные результаты:

1. Проведен анализ предметной области в плане исследования технологий синтеза виртуальной и расширенной реальности, способов совмещения виртуальных и реальных объектов на сценах, методов анализа, распознавания и классификации изображений, существующих планарных маркерных систем, методов обучения с использованием технологии виртуальной реальности.

2. Предложены универсальная графическая планарная модель маркера и методика ее распознавания в цифровом видеопотоке в режиме реального времени для интеграции виртуальных объектов в сцены реального мира, которая в отличие от существующих позволяет распознать и идентифицировать объект даже при перекрытии маркера до 70 %.

3. Предложены методика обнаружения и распознавания точечных особенностей на изображениях реальных объектов в цифровом видеопотоке, включающая этапы выделения, обработки, локализации особенности, идентификации контуров, распознавания, которая в отличие от аналогов позволяет сопоставлять дескрипторы объектов путем использования рандомных деревьев с учетом перспективных искажений.

4. Впервые разработаны функциональная модель системы и методика автоматизированного проектирования компонентов расширенной реальности, которая позволяет синтезировать обучающую виртуальную среду с использованием мобильных вычислительных устройств в реальной окружающей среде.

5. Разработаны архитектура и функциональные модули системы автоматизированного проектирования компонентов расширенной реальности, которая в отличие от аналогов использует мобильные клиентские приложения для сбора данных и синтеза виртуальной среды, а серверное решение для обработки, распознавания, хранения, поиска и загрузки сложных сцен и моделей.

6. Разработаны программно-инструментальные комплексы с компонентами расширенной реальности в виде лабораторий, полигонов и тренажеров для подготовки студентов различного профиля и поддержки работы специалистов в сфере ЖКХ.

7. Выполнена апробация и проведены экспериментальные исследования системы автоматизированного проектирования компонентов расширенной реальности, а также разработанных обучающих лабораторий и полигонов с компонентами расширенной реальности при решении управленческих и образовательных задач.

Список литературы диссертационного исследования кандидат технических наук Четвергова, Мария Владимировна, 2013 год

ЛИТЕРАТУРА

1. ГОСТ 23501.101-87 Системы автоматизированного проектирования. Основные положения. М. : ИПК Изд-во стандартов, 01.04.1988. - 12 с.

2. ГОСТ 34.003-90 Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения. М.: ИПК Изд-во стандартов, 01.01.1992. - 14 с.

3. Малюх, В. Н. Введение в современные САПР: Курс лекций - М. : ДМК ПРЕСС, 2010.- 192 с.

4. Иванько, А. Ф. Автоматизация проектирования систем и средств управления / А. Ф. Иванько, М. А. Иванько, В. Г. Сидоренко, Г. Б. Фанк // М. : Изд-во МГУП, 2001. - 148 с.

5. Вермишев, Ю. X. Основы автоматизации проектирования / Ю. X. Вермишев // М. : Радио и связь, 1988. - 279 с.

6. Норенков, И. П. Автоматизированное проектирование. Учебник,-М. : Изд-во МГТУ им. Н.Э. Баумана, 2000. - 188 с.

7. РД 50-680-88 Методические указания. Автоматизированные системы. Основные положения. Москва, 1989. - 11 с.

8. Meguid, S. A. Integrated computer-aided design of mechanical systems / S. A. Meguid // London: Elsevier Applied Science, 1987. - 196 c.

9. Кондратьев, И. Технология виртуальная, результат реальный / И. Кондратьев // Computer world, № 35, 2007.

10. Krueger, М. W. Artificial Reality / M. W. Krueger // Addison-Wesley, 1983.-312 p.

11. Krueger, M. W. Artificial Reality II / M. W. Krueger // Addison-Wesley, 1991.-304 p.

12. Lanier, G. Interview / G. Lanier // Computer graphics world. № 4, 1992. -p. 108-119.

13. Катыс, Г. П. Виртуальная реальность в компьютерном обучении (ч.1) / Г. П. Катыс, П. Г. Катыс// Открытое Образование. № 2, 1999. - с. 34-38.

14. Катыс, Г. П. Виртуальная реальность в компьютерном обучении (ч. 2) / Г. П. Катыс, П. Г. Катыс // Открытое Образование. № 3. 1999. - с. 26-30.

15. Watars, R. С. The rise of shared virtual environments / R. C. Watars, J. W. Barms // IEEE Spectr. (USA). March, vol. 34. № 3, 1997. - p. 20-25.

16. Плясневич, Г. С. Концептуальное моделирование виртуальной реальности / Г. С. Плясневич, Б. П. Тюхов // Интеллектуальные системы. Тр. Конф. 1996 г. второго международного симпозиума. СПб., 1996.

17. Литвинцева, JI. В. Виртуальная реальность: анализ состояния и подходы к решению / J1. В. Литвинцева, С. Д. Налитое // Новости искусственного интеллекта. № 3, 1995. - с. 24-90.

18. Дмитриева, В. Реконструкция прошлого в познавательном пространстве "виртуальных реальностей" / В. Дмитриева, Ю. Святец // [Электронный ресурс]. - Режим доступа : http://www.ab.rU/~kleio/aik/krug/3/15.shtml.

19. Конушин, А. С. Алгоритмы построения трехмерных компьютерных моделей реальных объектов для систем виртуальной реальности / А. С. Конушин // дисс. ... канд. техн. наук : 05.13.11. - М., 2005. - 158 с.

20. Устройства для перемещения в виртуальной реальности [Электронный ресурс]. - Режим доступа : http://www.3dnews.ru/display/.

21. Фурса, М. В. Исследование и разработка математического и программного обеспечения оптических систем слежения реального времени для приложений виртуального окружения / М. В. Фурса // дисс. ... канд. техн. наук: 05.13.11.-М., 2009.- 132 с.

22. Янг, С. Алгоритмические языки реального времени: конструирование и разработка: пер. с англ. Л. В. Ухова / С. Янг // М. : Мир, 1985.-400 с.

23. 0'Leary, D. Е. Artificial intelligence and virtual organizations / D. E. 0'Leary // Communication ACM (USA). № 1, 2007. - p. 52-59.

24. Padgett, M. Virtual Reality systems: from training simulators to intelligent VR / Mary Lou Padgett // Proc. SPffi, Vol. 2878, 2006. - p. 409^50.

25. Alcaniz, M. New Technologies for Ambient Intelligence / M. Alcaniz, B. Rey // Amsterdam: IOS Press, 2005. - p. 2-13.

26. Sairio, M. Augmented Reality. [Электронный ресурс]. - Режим доступа: www.tml.tkk.fi/Studies/.../mikko_sairio.pdf.

27. Billinghurst, М. Collaborative Augmented Reality / M. Billinghurst, H. Kato // Communications of the ACM. Vol.45, Issue 7, NY, USA, 2002. - p. 64-70.

28. Comport, A. I. A real - time tracker for markerless augmented reality / And. I. Comport, E. Marchand, F. Chaumette // ACM/IEEE International Symposium on Mixed and Augmented Reality, ISMAR'03, Tokyo, Japan, 2003. - p. 36-45.

29. Sutherland, I. A Head-Mounted Three- Dimensional Display / I. Sutherland // Fall Joint Computer Conf., Am. Federation of Information Processing Soc.(AFIPS) 33, Thompson Books, Washington, D.C., 1968. - p. 757-764.

30. Milgram, P. A Taxonomy of Mixed Reality Visual Displays / P. Milgram, F. Kishino // IEICE Trans. Information Systems, vol. E77-D, no. 12, 1994. -p. 1321-1329.

31. Azuma, R. A Survey of Augmented reality / R. Azuma // Preference: Teleoperators and Virtual Environments, vol. 6, no.4, Aug. 1997. - p. 355-385.

32. Azuma, R. Recent advances in augmented reality / R. Azuma, Y. Baillot, R. Behringer, S. Feiner, B. Maclntyre // IEEE Computer Graphics and Application, vol.21, issue 6, 2001. - p. 34-41.

33. Yuan, M. L. Registration Using Projective Reconstruction for Augmented Reality Systems / M. L. Yuan, S. K. Ong, A. Y. C. Nee// IMST, 2004. [Электронный ресурс]. - Режим доступа : http://hdl.handle.net/! 721.1 /3919.

34. Бойченко, И. В. Дополненная реальность: состояние, проблемы и пути решения / И. В. Бойченко, А. В. Лежанкин / [Электронный ресурс]. -Режим доступа : http://www.tusur.ru/filearchive/reports-magazine/2010-l-2/161-165.pdf.

35. Глобальная спутниковая навигационная система ГЛОНАСС. Интерфейсный контрольный документ. - Редакция 5.1. - М. : КНИЦ МО России, 2008. - 74 с.

36. Gait Aid Virtual Walker for Movement disorder patients [Электронный ресурс]. - Режим доступа : http://www.medigait.com/index.html.

37. PHANTOM Premium 6D0F [Электронный ресурс]. - Режим доступа : http://www.sensable.com/haptic-phantom-premium-6dof.htm.

38. Sandor, С. Exploring Visuo-Haptic Mixed Reality/ С. Sandor, Т. Kuroki, S. Uchiyama, H. Yamamoto // IEIC Technical Report (Institute of Electronics, Information and Communication Engineers). Vol. 106, №470, 2007. - p. 31-36.

39. Yan, Guo Application of augmented reality GIS in architecture / Y. Guo, Q. Du, Y. Luo, W. Zhang, L. Xu // International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, Vol. XXXVII, №5, 2008. - p. 331-336.

40. Takada, D. A context-aware AR navigation system using wearable

sensors / D. Takada, T. Ogawa, K. Kiyokawa, H. Takemura // In proceeding from the

th

13 International Conference Human-Computer Interaction, Berlin, 2009. - p. 1-10.

41. Foxlin, E. Head-tracking relative to a moving vehicle or simulator platform using differential inertial sensors / Eric Foxlin // Proceedings of Helmet and Head-Mounted Displays, SPIE, Vol. 4021, 2000. - p. 133-144.

42. Maier, P. Augmented Reality for teaching spatial relations / P. Maier, M. Tonnis, G. Klinker // Conference of the International Journal of Arts & Sciences (Toronto 2009) [Электронный ресурс]. - Режим доступа : http://citeseerx.ist.psu.edu/viewdoc.

43. Fiala, М. Fiducial marker systems for augmented reality: Comparison between artag and artoolkit / M. Fiala // In MIRAGE, INRIA, France, 2005.

44. Fiala, M. ARTag a fiducial marker system using digital technique / M. Fiala // IEEE Computer Society, CVPR (2), 2005. - p. 590-596.

45. Kato, I. P. H. ARToolKit User Manual, Version 2.33. /1. P. H. Kato, M. Billinghurst // Human Interface Technology Lab. University of Washington, 2000.

46. Четвергова, M. В. Описание трехмерного виртуального кабинета с использованием технологии расширенной реальности по стоматологии / М. В. Четвергова // IV Всероссийские научные «Зворыкинские чтения» : сб. докл.

Всерос. межвуз. науч. конф. «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России», Муром, 2012 г. - Муром : Полиграфический центр МИ ВлГУ, 2012. - с. 176-179.

47. Augmented Reality Browser Layar [Электронный ресурс]. - Режим доступа : http://www.layar.com.

48. Пельпор, Д. С. Гироскопические системы: Гироскопические приборы и системы / Д. С. Пельпор // М. : Высшая школа, т.2, 1988. - 424 с.

49. Lee, Jia-Hong A Framework of Video News System Using Image Segmentation and Augmented Reality / Jia-Hong Lee, Mei-Yi Wu, Tzu-Hao Tseng // Proceedings of the World Congress on Engineering, vol. II, London, 2011.

50. Comport, A. I. A real - time tracker for markerless augmented reality / And. I. Comport, E. Marchand, F. Chaumette // ACM/IEEE International Symposium on Mixed and Augmented Reality, ISMAR'03, Tokyo, Japan, 2003. - p. 36-45.

51. Zhou, F. Trends in Augmented Reality Tracking, Interaction and Display: A Review of Ten Years of ISMAR / F. Zhou, H. Duh, M. Billinghurst // ISMAR '08 Proceedings of the 7th IEEE, ACM International Symposium on Mixed and Augmented Reality, 2008. - p. 193-202.

52. Васильев, В. H. Математические методы и алгоритмическое обеспечение анализа и распознавания изображений в информационно-телекоммуникационных системах / В. Н. Васильев, И. П. Гуров, А. С. Потапов // Всероссийский конкурс обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы». [Электронный ресурс]. - Режим доступа : http://www.itc.edu.ru/itkonkurs2008/.

53. Арлазаров, В. Адаптивное распознавание символов / В. Арлазаров, В. Троянкер, Н. Котович // Труды ИСА РАН, т.38, 2008. - с. 241-251.

54. Четвергова, М. В. Мониторинг систем инженерных коммуникаций с использованием технологий беспроводных сетей, GPS/ ГЛОНАСС навигации и расширенной реальности / А. Г. Финогеев, Е. А. Финогеев, Е. А. Нефедова, М. В. Четвергова // Информационные технологии в науке, социологии, экономике

и бизнесе : тр. XXXIX Междунар. конф. (IT+S&E'l 1) (Украина, Ялта - Гурзуф, 2012). - Ялта, 2012. - с. 44-45.

55. Четвергова, М. В. Системы виртуальной реальности в медицине / М. В. Четвергова // Инновации в науке, образовании и бизнесе : материалы VII Всерос. науч.-метод. конф. - Пенза : Изд-во Пензенского филиала РГУИТП, 2009.-с. 209-211.

56. Yovcheva, Z. Overview of Smartphone Augmented Reality Applications for Tourism / Z. Yovcheva, D. Buhalis, C. Gatzidis // e-Review of Tourism Research (eRTR), vol. 10, no. 2, 2012. - p. 63-66.

57. Антощук, С. Г. Архитектура распознавания автомобильных номеров / С. Г. Антощук, В. О. Давыдов, А. А. Нутович // Электроника, радиотехника, средства коммуникаций. Труды Одесского политехнического университета, вып. 1(17), 2002. - с. 157-159.

58. VOCORD Traffic / Vocord, Россия // [Электронный ресурс]. - Режим доступа: www.vocord.ru/218.

59. Viola, P. Robust real-time face detection / P. Viola, M. J. Jones // International Journal of Computer Vision, vol. 57, no. 2, 2004. - p. 137-154.

60. Четвергова, M. В. Обучение практическим навыкам и умениям студентов медицинских вузов с использованием технологии расширенной реальности / М. В. Четвергова, А. Г. Финогеев, И. Н. Кустикова // Современные проблемы отечественной медико-биологической и фармацевтической промышленности. Развитие инновационного и кадрового потенциала Пензенской области : материалы II Междунар. науч.-практ. конф. (Пенза, 9-10 ноября 2012 г.). - Пенза, 2012. - с. 690-694.

61. Ryu, Y. S. Automatic extraction of eye and mouth fields from a face image using eigenfeatures and multilayer perceptrons / Y. S. Ryu, S. Y. Oh // Pattern recognition, vol.34, № 12, 2001. - p. 2459-2466.

62. Алфимцев, A. H. Разработка и исследование методов захвата, отслеживания и распознавания динамических жестов / А. Н. Алфимцев // дисс. ... канд. техн. наук : 05.13.17.-М., 2008. - 167с.

63. Местецкий, JI. М. Математические методы распознавания образов / Л. М. Местецкий // Курс лекций, М. : ВМиК МГУ, каф. ММП, 2002.

64. Горелик, А. Л. Методы распознавания / А. Л. Горелик, В. А. Скрипкин // Учебное пособие для вузов. М. : «Высшая школа», 1977. - 222 с.

65. Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт // М. : Мир. 1976.-511 с.

66. Колесников, С. Распознавание образов. Общие сведения. Компьютер-информ [Электронный ресурс]: - Режим доступа : http://www.ci.ru/inform03_06/p_24.htm.

67. Popescu, A. SemRetriev: an ontology driven image retrieval system // A. Popescu, P.-A. Moellic, Ch. Millet / Proc. 6th ACM International Conference On Image and Video Retrieval. 2007. - p. 113-116.

68. Вахитов, А. Т. Адаптивное слияние результатов поиска изображений по содержанию / А. Т. Вахитов / Стохастическая оптимизация в информатике. - Вып. 4. Под ред. О. Н. Граничина - СПб. : Издательство С.-Петербургского университета, 2008. - 299с.

69. Eakins, J. Content-based Image Retrieval / J. Eakins, M. Graham // JICS Technology Applications, 1999.-p. 1-66.

70. Lew, M. Content-based Multimedia Information Retrieval: State of the Art and Challenges / M. Lew, N. Sebe, C. Djeraba, R. Jain // ACM Transactions on Multimedia Computing, Communications, and Applications, 2006. - p. 1-19.

71. Васильева, H. Построение соответствий между низкоуровневыми характеристиками и семантикой статистических изображений / Н. Васильева, Б. Новиков // Труды 7-ой Всероссийской научной конференции «Электронные библиотеки: перспективные методы и технологии, электронные коллекции». -Ярославль, 2005. - с. 1-5.

72. Swain, М. J. Color Indexing / М. J. Swain, D. H. Ballard // International Journal of Computer Vision. Vol. 7(1), 1991. - p. 11-32.

73. Tamura, H. Textural features corresponding to visual perception / H. Tamura, S. Mori, T. Yamawaki // IEEE Transactions on Systems, Man, and Cybernetics. Vol. 8(6), 1978. - p. 460-473.

74. Manjunath, B. S. Texture features for browsing and retrieval of image data / B. S. Manjunath, W. Y. Ma // IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 18(8), 1996-p. 837-842.

75. Zhang, D. Content - Based Shape Retrieval Using Different Shape Descriptors / D. Zhang, G. Lu // A Comparative Study, In IEEE International Conference on Multimedia and Expo. - 2001. - p. 289-293.

76. Фукунага, К. Введение в статическую теорию распознавания образов / К. Фукунага // пер. с англ. - М. : Наука. Главная редакция физико-математической литературы, 1979. - 368 с.

77. Essannouni, L. Fast cross-spectral image registration using new robust correlation / L. Essannouni, E. Ibn-Elhaj, D. Aboutajdine // Journal of Real-Time Image Processing. V. 1. № 2, 2006. - p. 123-129.

78. Потапов, А. С. Совмещение аэрокосмических изображений с субпиксельной точностью методом локальной корреляции / А. С. Потапов, И. А. Малышев, В. Р. Луцив // Оптический журнал. Т. 71. № 5. 2004. - с. 31-36.

79. Casasent, D. Deformation-invariant, space-variant optical pattern recognition / D. Casasent, D. Psaltis // Progress in Optics. V. 16. 1978. - p. 291-365.

80. Lan, Z.-D. Robust matching by partial correlation / Z.-D. Lan, R. Mohr, P. Remagnino // Proc. 6th British Machine Vision Conference. 1995. - p. 651-660.

81. Goecke, R. Visual vehicle egomotion estimation using the Fourier-Mellin transform / R. Goecke, A. Asthana, N. Pettersson, L. Petersson// IEEE Intelligent Vehicles Symposium. 2007. - p. 450^455.

82. Абду, И. Э. Количественный расчет детекторов контуров, основанных на подчеркивании перепадов яркости с последующим пороговым ограничением / И. Э. Абду, У. К. Прэтт // ТИИЭР. Т. 67, № 5. 1979. - с. 59-70.

83. Павлидис, Т. Иерархические методы в структурном распознавании образов / Т. Павлидис // ТИИЭР. Т. 67. № 5. 1979. - с. 39-49.

84. Роберте, JI. Автоматическое восприятие трехмерных сцен / Л. Роберте // Интегральные роботы: М. : Мир. 1973. - с. 162-208.

85. Prewitt, J. М. S. Object enhancement and extraction / J. M. S. Prewitt, B. Lipkin, A. Rosenfeld // In Picture Processing and Psychopictorics. New York: Academic, 1970. - p. 75-149.

86. Lipkin, B. S. Psychopictorics: Picture Processing and Psychopictorics / B. S. Lipkin, A. Rosenfeld // Academic Press, New York, 1970. - 526 p.

87. Marr, D. Theory of edge detection / D. Marr, E. Hildreth // Proceedings of the Royal Society of London, vol. 207, no. 1167, 1980. - p. 187-217.

88. Canny, J. F. A computational approach to edge detection / J. F. Canny // IEEE Pattern Analysis and Machine Intelligence, v. 8. No. 6, 1986. - p. 679-698.

89. Deriche, R. Optimal edge detection using recursive filtering / R. Deriche // Proc. 1st International Conference Computer Vision. 1987. - p. 501-505.

90. Lindeberg, T. Edge detection and ridge detection with automatic scale selection / T. Lindeberg // International Journal of Computer Vision. V. 30, № 2. 1998. -p.117-156.

91. Фурман, Я. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я. Фурман // М. : Физматлит, 2002. - 592 с.

92. Марр, Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов / Д. Марр // М. : Радио и связь. 1987.-400 с.

93. Nacken, P. Image analysis methods based on hierarchies of graphs and multi-scale mathematical morphology: thesis Univ. of Amsterdam. 1994. - 176 p.

94. Olson, C. F. Automated target recognition by matching oriented edge pixels / C. F. Olson, D. Huttenlocher // IEEE Trans, on Image processing. V. 6. No 1. 1997.-p. 103-113.

95. Pinz, A. A robust affine matching algorithm using an exponentially decreasing distance function / A. Pinz, M. Prantl, H. Ganster // Journal of Universal Computer Science. V. l,No. 8, 1995.-p. 614-631.

96. Yang, С. H. Т. Hybrid image matching combining Hausdorff distance with normalized gradient matching / С. H. T. Yang, S. H. Lai, L. W. Chang // Pattern Recognition. V. 40. № 4. 2007. - p. 1173-1181.

97. Olson, C. F. A probabilistic formulation for Hausdorff matching / C. F. Olson // Conf. on Computer Vision and Pattern Recognition. 1998. - p. 150-156.

98. Потапов, А. А. Новейшие методы обработки изображений / А. А. Потапов, Ю. В. Гуляев, С. А. Никитов, А. А. Пахонов, В. А. Герман // под ред. А. А. Потапова. - М. : Физматлит, 2008. - 496 с.

99. Rares, A. Image interpretation systems /А. Rares, М. J. Т. Reinders, Е. A. Hendriks // Technical Report, MCCWS project, Information and Communication Theory Group, 1999. - 32 p.

100. Liedtke, C.-E. Use of explicit knowledge for the reconstruction of 3D object geometry / C.-E. Liedtke, O. Grau, S. Growe // International Conference on Computer Analysis of Image and Patterns. 1995. - p.580-587.

101. Growe, S. Knowledge based interpretation of multisensor and multitemporal remote sensing images / S. Growe // IAPRS, V.32. Part 7-4-3 W.6, 1999.-p. 130-138.

102. Crevier, D. Knowledge-based image understanding systems: a survey / D. Crevier, R. Lepage // Computer Vision and Image Understanding, vol.67. №2, 1997.-p. 161-185.

103. Минский, M. Фреймы для представления знаний: пер с англ. / М. Минский // М.: Энергия. 1979. - 151 с.

104. Draper, В. A. The Schema System / В. A. Draper, R. Т. Collins, J. Brolio, A. R. Hanson, E. M. Riseman // International Journal of Computer Vision №2, 1989.-p. 209-250.

105. Linying, S. Knowledge-based image understanding: a rule-based production system for X-ray segmentation / S. Linying, B. Sharp, C. Chibelushi // International Conference on Enterprise Information Systems. 2002. - p.530-533.

106. Boisser, О. MAVI: A multi-agent system for visual integration / O. Boisser, Y. Demazeau // IEEE Conference on Multisensor Fusion and Integration for Intelligent Systems. 1994. -p.731-738.

107. Veenman, C. J. A multi-agent framework for a hybrid facial action tracker / C. J. Veenman, M. J. T. Reinders // Proc. 4th annual conference of the Advanced School for Computing and Imaging, 1998. - p. 127-132.

108. Павлидис, Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис // М. : Радио и связь, 1990. - 396 с.

109. Muja, М. Fast Approximate Nearest Neighbors with Automatic Algorithm configuration / M. Muja, D. G. Lowe // Computer Science Department. VISAPP 1, 2009. - p. 331-340.

110. Muja, M. FLANN - Fast Library for Approximate Nearest Neighbors / M. Muja, D. G. Lowe // User manual, February, 2009. - 14 p.

111. Wu, Hao Coupled Bayesian framework for dual energy image registration / H. Wu, Y. Chen, T. Fang // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. V. 2, 2006. - p. 2475-2482.

112. Machado, A. M. C. Bayesian model for intensity mapping in magnetic resonance image registration / A. M. C. Machado, M. F. M. Campos, J. C. Gee // Journal of Electronic Imaging, vol. 12, issue 1, 2003. - p. 31-39.

113. Nagao, K. Bayesian approach with nonlinear kernels to feature extraction / K. Nagao // Conference on Pattern Recognition, V.2, 2004. - p. 153-156.

114. Сох, I. J. A Bayesian multiple-hypothesis approach to edge grouping and contour segmentation / I. J. Cox, J. M. Rehg, S. Hingorani // International Journal of Computer Vision, vol. 11, № 1, 1993. - p. 5-24.

115. Highleyman, W. H. Linear decision functions, with application to pattern recognition / W. H. Highleyman // Proc. IRE, vol. 50, 1962. - p. 1501-1514.

116. Брилюк, Д. В. Нейросетевые методы распознавания изображений / Д. В. Брилюк, В. В. Старовойтов // [Электронный ресурс]. - Режим доступа : http://rusnauka.narod.rU/lib/author/briluk_d_b/l/.

117. Jerebko, A. Neural net based image matching / A. Jerebko, N. Barabanov, V. Luciv, N. Allinson // Proc. SPIE, V. 3962, 2000. - p. 128-137.

118. Белозерский, JI. А. Четыре принципа прямого построения логических классификаторов / Л. А. Белозерский // Штучний интеллект, №1, 2004.-с. 13-23.

119. Прэтт, У. К. Цифровая обработка изображений / У. К. Прэтт // М. : Мир, в 2 ч, 1982.-790 с.

120. Бассвиль, М. Обнаружение изменения свойств сигналов и динамических систем под ред. М. Бассвиль / М. Бассвиль, А Банвениста // М. : Мир, 1989.-278 с.

121. Двоенко, С. Д. Распознавание образов в массивах взаимосвязанных данных / С. Д. Двоенко // Математические методы распознавания образов. М. , 2001.-с. 37-40.

122. Галушкин, А. И. Нейронные сети: основы теории / А. И. Галушкин // М. : Горячая линия. Телеком, 2010. - 496 с.

123. Фаворская, М. Н. Модели и методы распознавания динамических образов на основе пространственно-временного анализа последовательностей изображений / М. Н. Фаворская // дисс. ... докт. техн. наук : 05.13.17. -Красноярск, 2011. - 326 с.

124. Измакова, О. А. Рекуррентные алгоритмы обучения и самообучения в теории распознавания образов / О. А. Измакова // дисс. ... канд. физ.-мат. наук : 01.01.09. - Санкт- Петербург, 2005. - 109 с.

125. Беспалько, В. П. Педагогика и прогрессивные технологии обучения / В. П. Беспалько // М. : Изд-во Института профессионального образования, 1995.-412 с.

126. Камаев, В. А. Управление качеством электронных обучающих систем в контексте развития современного высшего профессионального образования : монография / В. А. Камаев, П. Н. Воробкалов, А. В. Исаев, А. Г. Кравец, О. А. Шабалина // М. : Исследовательский центр проблем качества подготовки специалистов, 2011. - 113 с.

127. Четвергова, М. В. К вопросу об использовании технологий виртуальной реальности для создания электронных учебных материалов / А. Г. Финогеев, М. В. Четвергова // Трехмерная визуализация научной, технической и социальной реальности. Кластерные технологии моделирования : тр. I Междунар. конф. - Ижевск : Изд-во УдГУ, 2009. - с. 150-153.

128. Рабинович, П. Д. Исследование и разработка моделей, алгоритмов и программного обеспечения в компьютерных обучающих системах / П. Д. Рабинович //дисс. ... канд. техн. наук : 05.13.18. -М., 2005. - 150 с.

129. Кольцов, А. С. Автоматизированные системы управления учебным процессом: учеб. пособие / А. С. Кольцов, Е. Д. Федорков // Воронеж: ГОУВПО «Воронежский государственный технический университет», 2007. - 179 с.

130. Вавилова, Н. И. Модели и алгоритмы автоматизированного проектирования макетов сцен мультимедиа тренажеров / Н. И. Вавилова // дисс. ... канд. техн. наук : 05.13.12. - Тверь, 2002. - 164 с.

131. Кравец, А. Г. Автоматизированное управление процессом формирования индивидуальных траекторий подготовки студента вуза [Электронный ресурс] / А. Г. Кравец, Р. А. А. Аль-Шаеби // Современные проблемы науки и образования : электронный научный журнал, № 2, 2012. Режим доступа : http//www.science-education.ru/102-5952.

132. Пономарев, А. А. Виртуальное моделирование профессиональных задач в стоматологическом образовании / А. В. Пономарев // Среднее профессиональное образование, № 6, 2011. - с. 20-24.

133. Четвергова, М. В. Медицинские системы виртуальной реальности для повышения качества подготовки молодых врачей / М. В. Четвергова // Информатизация сельской школы и жизнедеятельности молодежи (Инфосельш - 2009) : тр. VI Всерос. науч.-метод. симп. (Анапа, 2009). - М. : РИЦ МГГУ им. М. А. Шолохова, 2009. - с. 527-529.

134. Осоргин, Е. JI. Качество и конкурентоспособность среднего профессионального образования: монография // Е. JI. Осоргин, Ю. К. Чернова, В. В. Шиканов // Самара, 2003.

135. Четвергова, М. В. Трехмерная система виртуального макетирования для подготовки студентов по специальности стоматология / М. В. Четвергова // Инновации в науке, образовании и бизнесе : материалы VIII Междунар. науч.-метод. конф. Т. 2. Технические науки. - Пенза : Изд-во Пензенского филиала РГУИТП, 2010. - с. 204-207.

136. Бахин, В. Криминалистическая подготовка юридических кадров / В. Бахин, Н. Карпов, JI. Мынзату // Законность и жизнь, №8, 2003. - с. 14-17.

137. Базыкин, Е. Криминалистика в прокуратуре: обучение следствию / Е. Базыкин // Законность, №10, 2005. - с. 15-16.

138. Волчецкая, Т. С. Ситуационный подход в обучении криминалистике / Т. С. Волчецкая // Вестник криминалистики отв. ред. А. Г. Филиппов, вып.1. М. : Спарк, 2000. - с. 23-28.

139. Лаврентьева, Н. Б. Использование компьютерной экспертной системы как средства развития профессиональных компетенций студентов юридических факультетов / Н. Б. Лаврентьева, А. С. Лагоха // ИзвестияАГУ Педагогика и психология, № 2(1)-70, 2011. - с. 26-30.

140. Четвергова, М. В. Автоматизированная система мониторинга объектов в сфере ЖКХ / М. В. Четвергова // Инновации в науке, образовании и бизнесе : материалы X Междунар. науч.-метод, конф. - Пенза : Изд-во Пензенского филиала РГУИТП, 2012.-е. 307-309.

141. Гудаев, О. А. Распознавание маркеров расширенной реальности ARGET робототехнической системой // Известия Южного федерального университета. Технические науки, 71(16), 2006. - с. 85-90.

142. Институт Фраунгофер компьютерной графики [Электронный ресурс]. - Режим доступа : http://www.igd.fraunhofer.de/en.

143. Zhang, X. Taking AR into large scale industrial environments: Navigation and information access with mobile computer / X. Zhang, Y. Gene, N. Navab // ISAR'01, 2001. - pp. 179.

144. Appel, M. Registration of technical drawings and calibrated images for industrial augmented reality / M. Appel, N. Navab // Machine Vision and Applications, 13(3), 2002.-p. 111-118.

145. Kato, H. ARToolKit User Manual, Version 2.33. / H. Kato, M. Billinghurst, I. Poupyrev // Human Interface Technology Lab. University of Washington, 2000. - 44 p.

146. Kato, H. Marker Tracking and HMD Calibration for a video-based Augmented Reality Conferencing System / H. Kato, M. Billinghurst // In Proceedings of the 2nd International Workshop on Augmented Reality, 1999. - p. 85-94.

147. Kato, H. Virtual Object Manipulation on a Table-Top AR Environment / H. Kato, M. Billinghurst, I. Poupyrev, K. Imamoto, K. Tachibana // In proceedings of the International Symposium on Augmented Reality (ISAR 2000), Munich, Germany, 2000. - p. 111-119.

148. Fiala, M. Augmented reality: A Practical Guide / M. Fiala, S. Cawood // The Pragmatic Programmers edited by D. H. Steinberg, 2008. - 328 p.

149. ARVIKA [Электронный ресурс]. - Режим доступа : http://www.arvika.de/www/index.htm.

150. Zhang, X. Visual marker detection and decoding in AR systems: a comparative study / X. Zhang, S. Fronz, N. Navab // Computer society, 2002.

151. Блейхут, P. Теория и практика кодов, контролирующих ошибки: пер. с англ. / Р. Блейхут // М. : Мир, 1986 - 576 с.

152. Федоренко, С. В. [Электронный ресурс]. - Режим доступа : www.svfedorenko.narod.ru/simplers.pdf.

153. Федоренко, С. В. Методы быстрого декодирования линейных блоков кодов : монография / С. В. Федоренко // Спб. : ГУАП, 2008 - 199с.

154. Четвергова, М. В. Технологии виртуальной и расширенной реальности в подготовке специалистов в медицине / М. В. Четвергова, И. Н. Кустикова, А. Г. Финогеев // Материалы I Международной научно-практической конференции «Современные проблемы отечественной медико-биологической и фармацевтической промышленности. Развитие

инновационного и кадрового потенциала Пензенской области» Пенза, ПГУ. 2011.-с. 805-808.

155. Четвергова, М. В. Система виртуального ЗБ-макетирования места преступления для подготовки студентов-криминалистов / М. В. Четвергова // Надежность и качество: Труды Междунар. симп. - Пенза : Изд-во ПГУ, 2010-т.1. - с.373-374.

156. Четвергова, М. В. Проблемно-ориентированная система мониторинга с использованием технологии расширенной реальности / М. В. Четвергова, В. Е. Богатырев // Современные проблемы науки и образования. № 2, 2012. [Электронный ресурс]. - Режим доступа : http://www.science-education.ru/102-5637.

157. Просис, Д. Файлы растровой графики: взгляд внутрь / Д. Просис // PC Magazine, №12, 1996.-е. 3-21.

158. Шапиро, JI. Компьютерное зрение пер. с англ. / JI. Шапиро, Д. Стокман // М.: БИНОМ. Лаборатория знаний, 2006. - 752 с.

159. Абламейко, С. Обработка изображений: технология, методы, применение / С. Абламейко, Д. Лагуновский // Минск : Изд-во: Амалфея, 2000. - 304 с.

160. Яне, Б. Цифровая обработка изображений пер. с англ. А. М. Измаковой / Б. Яне // Москва : Техносфера, 2007. - 584 с.

161. Форсайт, Д. Компьютерное зрение. Современный подход.: пер. с англ. / Д. Форсайт, Ж. Понс // М. : Издательский дом «Вильяме», 2004. - 928 с.

162. Калинкина, Д. Проблема подавления шума на изображениях и видео и различные подходы к ее решению / Д. Калинкина, Д. Ватолин // Компьютерная графика и мультимедиа, №2(9), 2005. [Электронный ресурс]. -Режим доступа : http://cgm.computergraphics.ru/content/view/74.

163. Вудс, Р. Цифровая обработка изображений / Р. Вудс, Р. Гонсалес. // М. : Техносфера, 2006. - 1072 с.

164. Белявцев, В. Г. Алгоритмы фильтрации изображений с адаптацией размеров апертуры / В. Г. Белявцев, Ю. Е. Воскобойников // Автометрия. №3. 1998.-с. 18-25.

165. Field, D. J. Relations between the Statistics and Natural Images and the Responses Properties of Cortical Cells / D. J. Field // Optical Society America №4. 1987.-p. 2379-2394.

166. Воробьев, H. Одномерный цифровой медианный фильтр с трехотсчетным окном / Н. Воробьёв // 2003. [Электронный ресурс]. - Режим доступа : http://www.chipnews.ru/html.cgi/arhiv/9908/stat29.htm.

167. Дворкович, А. В. Цифровая обработка телевизионных и компьютерных изображений / А. В. Дворкович, В. П. Дворкович, Ю. Б. Зубарев // М. : Радио и связь, 1997. - 212 с.

168. Huang, Т. S. Two- dimensional Digital Signal Processing II: Transforms and Median Filters / T. S. Huang // Springer-Verlag vol.43 of Topics in Applied Physics, New York, 1981.-222 p.

169. Koller, D. Real-time Vision - Based Camera Tracking for Augmented Reality Applications / D. Koller, G. Klinker, E. Rose, D. Breen, R. Whitaker, M. Tuceryan// VRST-97, Lausanne, Switzerland, September 15-17, 1997. - p. 87-94.

170. Боде, Г. Упрощенное изложение линейной минимально-квадратичной теории сглаживания и предсказания / Г. Боде, К. Шеннон // Теория информации и ее применение. М. : Физматгиз, 1959. - с. 113-137.

171. Кириченко, М. С. Разработка адаптивного алгоритма оценки информативности динамических признаков для обработки и анализа изображений / М. С. Кириченко, С. В. Панин // Вычислительные технологии. Том 10, №1,2005.-с. 58-70.

172. Грузман, И. Цифровая обработка изображений в информационных системах: учебное пособие / И. Грузман, В. Киричук, В. Косых, Г. Перетягин, А. Спектор // Новосибирск : Изд-во НГТУ, 2000. - 168 с.

173. Перегудов, Ф. И. Основы системного анализа / Ф. И. Перегудов, Ф. П. Тарасенко // Томск : Изд-во HTJ1, 1997. - 396 с.

174. Быков, Р. Е. Цифровое преобразование изображений: учебное пособие для вузов / Р. Е. Быков, Р. Фрайер, К. В. Иванов, А. А. Манцветов под ред. проф. Р. Е. Быкова / М. : Горячая линия - Телеком, 2003. - 208 с.

175. Бахурин, С. Расчет КИХ фильтра с линейной фазочастотной характеристикой методом частотной выборки / С. Бахурин // [Электронный ресурс]. - Режим доступа : http://www.dsplib.ru/content/filters/flr/fir.html.

176. Борисенко, В. И. Сегментация изображений (состояние проблемы) / В. И. Борисенко, А. А. Златопольский, И. В. Мучник // Автоматика и телематика. №7, 1987. - с. 3-56.

177. Umbaugh, S. Computer Vision and Image Processing: A Practical Approach Using CVIPTools / S. Umbaugh // Prentice Hall PTR, 1998.

178. Мищенко, В. А. Предварительная обработка изображения в процессе распознавания текста / В. А. Мищенко, А. А. Коробкин // Technical science. Fundamental research №8, 2011. - с. 652-655.

179. Федоров, А. Бинаризация черно-белых изображений: состояние и перспективы развития / А. Федоров // [Электронный ресурс]. - Режим доступа : http://iu5.bmstu.ru/~philippovicha/ITS/IST4b/ITS4/Fyodorov.htm.

180. Otsu, N. A threshold selection method from gray- level histograms / N. Otsu // Transactions on Systems, Man and Cybernetics, vol. 9, №1, 1979. - p. 62-66.

181. Feng, Meng-Ling Contrast adaptive binarization of low quality document images / Meng-Ling Feng, Yap-Peng Tan // School of Electrical and Electronic Engineering, Vol. 1, no. 16, 2004. - p. 501-506.

182. Сойфер, В. А. Методы компьютерной обработки изображений / В. А. Сойфер // М. : Физматлит, 2003. - 784 с.

183. Ecabert, О. Adaptive Houghtransform for the detection of naturalshapes under weak affine transformation / O. Ecabert, J. P. Thiran // Pattern Recognition letters, 2004.-p. 1411-1419.

184. Волегов, Д. Б. Предварительное грубое совмещение изображений по найденным на них линиям для построения мозаик, сверхразрешения и

восстановления трехмерных сцен / Д. Б. Волегов, Д. В. Юрин // Программирование, т.34, № 5, 2008. - с. 47-66.

185. Boatto, L. An Interpretation System for Land Register Maps / L. Boatto // IEEE Computer Vision, Vol. 25(7), 1992. - p. 25-32.

186. Zenzo, S. Useful Image Representation / S. Di Zenzo, A. Morelli // Proceedings of the 5th International Conference on Image Analysis and Processing, Word Science Publishing, Singapore, 1989. - p. 170-178.

187. Monagan, G. Appropriate Base Representation Using a Run Graph / G. Monagan, M. Roosli // Proceedings of the 2nd International Conference on Document Analysis and Recognition, Tsukuba, Japan, 1993. - p. 623-626.

188. Douglas, D. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature / D. Douglas, T. Peucker // The Canadian Cartographer, vol. 10(2), 1973.-p. 112-122.

189. Watt, A. 3D Computer Graphics / A. Watt // Addison-Wesley, Workingham, England, №3, 1999. - 500 p.

190. Стрельников, К. H. Исследование и разработка алгоритмов для решения задачи устойчивого видеослежения в больших помещениях / К. Н. Стрельников // дис. ... канд. физ.-мат. наук: 05.13.11. М., 2009. - 127 с.

191. Salvi, J. A robust-coded pattern projection for dynamic 3D scene measurement / J. Salvi // Pattern Recognition Letters. Vol. 19, no. 11, 1998. - p. 1055-1065.

192. Конушин, А. Слежение за точечными особенностями сцены (Point feature tracking) / А. Конушин // Компьютерная графика и мультимедиа. Выпуск. №1(5), 2003. [Электронный ресурс]. - Режим доступа : http://cgm.computergraphics.ru/content/view/54.

193. Четвергова, М. В. Разработка и исследование методики распознавания изображений для систем расширенной реальности / А. Г. Финогеев, М. В. Четвергова // Известия ВолгГТУ : межвуз. сб. науч. ст. -Волгоград : ИУНЛ ВолгГТУ, 2012. - № 15 (102). - с. 130-136.

194. Tomasi, C. Detection and Tracking of Point Features / C. Tomasi, T. Kanade // Pattern Recognition, 2004. - p. 12-15.

195. Tommasini, T. Making good features to track better / T. Tommasini, A. Fusiello, E. Trucco, V. Roberto // Proceedings IEEE Computer Society Conference on Computer Vision Pattern Recognition, 1998. - p. 145-149.

196. Mikolajczyk, K. An affine invariant interest point detector / K. Mikolajczyk, C. Schmid // Conference on Computer Vision, 2002. - p. 128-142.

197. Shi, J. Good features to track / J. Shi, T. Kanade // IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1994. - p. 1-8.

198. Harris, C. A combine corner and edge detector / C. Harris, M. Stephens // In Fourth Alvey Vision Conference, Manchester, UK, 1988. - p. 147-151.

199. Kim, H. Region-based shape descriptor invariant to rotation, scale and translation / H. Kim, J. Kim // Signal Processing and Image Communication, vol. 16, 2000.-p. 87-93.

200. Lowe, D. Object Recognition from Local Scale-Invariant Features / David G. Lowe // Proceedings of the International Conference on Computer Vision, vol. 2, 1999.-p. 1150-1157.

201. Lowe, D. Distinctive image features from scale invariant keypoints / D. Lowe // International Journal of Computer Vision, vol. 60, no. 2, 2004. - p. 91-110.

202. Herbert, B. SURF: Speeded Up Robust Features / B. Herbert, A. Ess, T. Tuytelaars, L. V. Gool // Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, 2008. - p. 346-359.

203. Bay, H. SURF: Speeded Up Robust Features / H. Bay, T. Tuytelaas, L.V. Gool // Conference on Computer Vision (ECCV), Australia, May, 2006.

204. Takacs, G. Unified Real-Time Tracking and Recognition with RotationInvariant Fast Features / G. Takacs, V. Chandrasekhar, S. Tsai, D. Chen, R. Grzeszczuk, B. Girod // In Proceedings of the 23rd IEEE Conference on Computer Vision and Pattern Recognition, San Francisco, 2010. - p. 934-941.

205. Lepetit, V. Towards Recognizing Feature Points using Classification Trees / V. Lepetit, P. Fua // EPFL Technical Report IC/2004/74, 2004. - p. 1-13.

206. Четвергова, М. В. Методика распознавания изображений на основе рандомных деревьев в системах автоматизированного проектирования расширенной реальности / А. Г. Финогеев, М. В. Четвергова // Современные проблемы науки и образования. - 2012. - № 5 [Электронный ресурс]. - Режим доступа: http://www.science-education.ru/105-7110.

207. Calonder, М. BRIEF: Binary Robust Independent Elementary Features / M. Calonder, V. Lepetit, P. Fua // [Электронный ресурс]. - Режим доступа : http://cvlab.epfl.ch/~lepetit/.

208. Zhang, R. Automatic Computation of a Homography by RANSAC Algorithm / R. Zhang // ECE661 Computer Vision. - p. 1-33. [Электронный ресурс]. - Режим доступа : https://engineering.purdue.edu/kak/.

209. Hartley, R. Multiple View Geometry in Computer Vision / R. Hartley, A. Zisserman // 2nd edition: Cambridge University Press, 2003. - 670 p.

210. Fischler, M. A. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography / M. A. Fischler, R. C. Bolles // Communication of the ACM, vol 24, 1981. - pp. 381-395.

211. OGRE Manual vl.7 ('Byatis') [Электронный ресурс]. - Режим доступа : http://www.ogre3d.org/docs/manual/index.html.

212. My gui [Электронный ресурс]. - Режим доступа : http://mygui.info/.

213. Свидетельство о государственной регистрации программы для ЭВМ № 2012661726 Виртуальный криминалистический полигон с компонентами расширенной реальности / М. В. Четвергова - Зарегистрировано в Реестре программ для ЭВМ Федеральной службы по интеллектуальной собственности, 2012.

214. Четвергова, М. В. Алгоритм создания виртуального стоматологического кабинета с использованием технологии расширенной реальности / М. В. Четвергова // Молодежь и наука: модернизация и инновационное развитие страны : материалы I Междунар. науч.-практ. конф. : в 3 ч. - Пенза : Изд-во ПГУ, 2011. - 3 ч. - с. 266-268.

ПРИЛОЖЕНИЕ 1 Описание работы подсистемы мониторинга объектов

ЖКХ

При запуске мобильного приложения воспроизводится логотип подсистемы мониторинга (рис. 5.1), который автоматически исчезает через 3 секунды.

Ътс