Разработка и исследование методики синтеза и алгоритма распознавания образа искусственного маркера в системах управления робототехническим объектом тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Чемерис, Денис Сергеевич

• Чемерис, Денис Сергеевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Чемерис, Денис Сергеевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Глава 1. ЛОКАЛЬНОЕ ОРИНЕТИРОВАНИЕ РОБОТОТЕХНИЧЕСКИХ ОБЪЕКТОВ

1.1 Постановка проблемы локального ориентирования робототехнических объектов в автоматическом режиме

1.2 Обзор существующих методов локального ориентирования

1.3 Анализ методов оптического определения параметров относительного положения

1.4 Анализ существующих образов искусственных маркеров 26 Выводы по главе

Глава 2. РАЗРАБОТКА МЕТОДИКИ ФОРМИРОВАНИЯ ОБРАЗА ИСКУСТВЕННОГО МАРКЕРА

2.1 Модель получения проекции на плоскость изображения

2.2 Калибровка камеры

2.3 Методика формирования образа маркера

2.4 Компьютерное моделирование 51 Выводы по главе

Глава 3. РАЗРАБОТКА АЛГОРИТМА РАСПОЗНАВАНИЯ СИНТЕЗИРОВАННОГО ОБРАЗА ИСКУСТВЕННОГО МАРКЕРА

3.1 Модификация алгоритма Хафа

3.2 Компьютерное моделирование Выводы по главе

61 68

Глава 4. ПРОВЕДЕНИЕ ИСПЫТАНИЙ

4.1 Этап предварительной обработки изображения

4.2 Эксперименты по определению погрешности параметров относительного положения 100 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЯ

П.1 Акты о внедрении (использовании)

П.2 Объекты интеллектуальной собственности

Введение диссертации (часть автореферата) на тему «Разработка и исследование методики синтеза и алгоритма распознавания образа искусственного маркера в системах управления робототехническим объектом»

ВВЕДЕНИЕ

Актуальность темы. В настоящее время все серьезнее встает проблема ограниченности времени функционирования различного рода робототехнических объектов (роботов) в автоматическом режиме, будь то бесплотный летательный аппарат (БПЛА), автономный необитаемый подводный аппарат (АНПА) или любой другой автономный робот. Их функционирование связано с необходимостью выполнения длительных задач. Время автономной работы таких объектов редко достигает суток, что связано с ограниченной емкостью аккумуляторов на борту робота и, как следствие, возникает необходимость их периодической перезарядки.

Наиболее рациональным решением данной проблемы на современном этапе развития техники и технологий принято считать использование док-станции, пристыковавшись к которой, робот будет способен выполнить перезарядку аккумуляторов и, кроме того, осуществить информационный обмен: получить новое задание или перенести, собранную за время выполнения задачи, информацию на физический носитель.

В публикациях отечественных и зарубежных исследователей данной проблемы представлены различные способы получения параметров положения робота в пространстве, что позволит выполнять стыковку с док-станцией в автоматическом режиме. Основными из них являются способы на основе акустических, инфракрасных, лазерных датчиков, с применением свойств электромагнетизма и другие. Однако наиболее универсальным на этапе стыковки принято считать способ, основанный на методах цифровой обработки визуальной информации, когда определение параметров положения выполняется за счет соотношений между известными параметрами реальных объектов и их изображением. Это связано с тем фактом, что большинство существующих на текущий момент роботов

изначально содержат в своем составе видеокамеру (камеру), а точности работы других способов недостаточно.

В последние годы проводятся обширные исследования в области применения цифровой обработки визуальной информации при решении различных задач машинного зрения и, в частности, при решении задачи локального ориентирования, о чем свидетельствует большое число научных публикаций. При этом задача ориентирования решается за счет распознавания изображений (образов) искусственных объектов (маркеров), что связано с их статической структурой. Наиболее широкое применение такого подхода представлено в статьях, посвященных решению данной задачи для АНПА. Это обусловлено тем, что в силу особенностей гидрооптических свойств воды, применение методов визуального ориентирования, разработанных для наземных систем, в большинстве случаев невозможно из-за затухания света (в среднем лишь 20% солнечного света проникает на глубину 10 метров в чистой воде). Это сокращает дальность действия оптических систем и связано с необходимостью использования дополнительных источников освещения, что является причиной неравномерной подсветки донных объектов. Кроме того, в отличие от подобных сухопутных систем, где для локального ориентирования используются образы маркеров с четкими границами, на подводных изображениях объекты заилены, поэтому происходит искажение геометрии маркера. Следует отметить, что среди сухопутных систем также не существует универсального решения задачи локального ориентирования.

В силу указанных обстоятельств актуальным является решение проблемы локального ориентирования роботов с применением цифровой обработки визуальной информации, что позволит выполнять стыковку с док-станцией для заряда аккумуляторов и информационного обмена в автоматическом режиме.

Целью работы является разработка методического и алгоритмического обеспечения, позволяющего повысить точность и расширить диапазон возможных пространственных положений объекта при его локальном ориентировании относительно образа маркера в системах управления робототехническими объектами.

Задачи исследования:

- разработать и исследовать методику синтеза образов искусственных маркеров для осуществления локального ориентирования роботов на основе применения цифровой обработки визуальной информации с учетом выявленных недостатков существующих образов;

- синтезировать маркер с учетом требований разработанной методики;

- разработать алгоритм распознавания синтезированного образа маркера;

- провести компьютерные эксперименты и испытания предложенного методического и алгоритмического обеспечения.

Решение поставленных задач достигается за счет использования инвариантных свойств перспективной группы геометрических трансформаций (ГГТ), что позволяет учитывать и компенсировать искажения, которые появляются в результате проецирования на плоскость изображения. При этом появляется возможность распознавания маркера и выполнения локального ориентирования в более широком диапазоне возможных положений камеры, по сравнению с рассмотренными аналогами.

Характер объекта исследования, а также специфика цели и задач обусловили выбор методов и приемов исследования, среди которых основными являются: системный анализ, теория множеств, математическая статистика, структурное и объектно-ориентированное программирование, цифровая обработка изображений и распознавание образов.

Основные положения, выносимые на защиту:

1. Разработанная методика синтеза образов маркеров;

2. Синтезированный образ маркера;

3. Предложенный алгоритм распознавания синтезированного маркера;

Научная новизна результатов исследования заключается в том, что:

1. Разработана и исследована методика синтеза образов маркеров, которая учитывает перспективные законы проецирования и инварианты перспективной ГГТ на изображении, что способствует расширению диапазона возможных положений камеры относительно маркера, при которых маркер распознается и позволяет определять параметры относительного положения;

2. Синтезирован образ маркера, с учетом требований разработанной методики, состоящий из элементов, позволяющих выполнять распознавание образа маркера в более широком диапазоне возможных положений камеры, по сравнению с рассмотренными аналогами;

3. Разработан алгоритм, в основе которого лежит модифицированный метод Хафа, оптимизированный для распознавания образа синтезированного маркера.

Практическая значимость работы заключается в разработке методики синтеза образов маркеров и алгоритмов их распознавания с целью выполнения локального наведения, что позволяет стабилизировать положение робота при выполнении стыковки с док-станцией в автоматическом режиме за счет точного определения параметров относительного положения робота в режиме реального времени.

Работа выполнялась в рамках:

1. Поисковой НИР по направлению темы диссертационной работы в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг.

«Исследование принципов построения систем наведения и позиционирования подводного робота с применением современных микроэлектронных средств на примере матричной логики и цифровых сигнальных процессоров» ГК № П497 от 13 мая 2010 г.;

2. НИОКР по направлению темы диссертационной работы в рамках программы «У.М.Н.И.К.», проводимых Фондом содействия развитию малых форм предприятий в научно-технической сфере «Исследование и разработка уточненных технологий и программно-аппаратных средств в металлообработке, приборостроении и экологии» ГК № 71 ОЗр/9661 от 07.07.2009 г.;

3. НИОКР по направлению темы диссертационной работы в рамках программы «У.М.Н.И.К.», проводимых Фондом содействия развитию малых форм предприятий в научно-технической сфере «Разработка уточненных технологий и технологических комплексов в робототехнике, машиностроении, экологии» ГК № 8728р/13159 от 14.01.2011 г.

Полученные в ходе выполнения диссертационной работы методика синтеза образов маркеров для выполнения локальной навигации и алгоритм их распознавания могут быть использованы при проектировании автоматических систем управления различного рода роботов. Практическая ценность синтезированного образа маркера заключается, во-первых, в его несложной структуре, что в значительной степени упростит техническую реализацию систем на его основе и, во-вторых, в универсальности разработанных алгоритмов распознавания применимо к различным условиям функционирования робота. Значимость полученных решений подтверждается научными публикациями.

Основные результаты работы использованы при выполнении НИР «Методы и алгоритмы цифровой обработки изображений в системе технического зрения интеллектуального подводного аппарата» (ГК №П476 в рамках ФЦП «Научные и научно-педагогические кадры инновационной

России» на 2009-2013 гг.), а также в учебном процессе ТОГУ в рамках дисциплины «Системы цифровой обработки изображений», что подтверждается соответствующими актами внедрения (представлены в П.1).

Достоверность исследований обеспечивается обоснованием выбора используемых теоретических методов и подтверждается результатами компьютерных экспериментов и испытаний.

Апробация результатов работы. Основные идеи и результаты исследования отражены в семнадцати публикациях, четыре из которых напечатаны в журналах, рекомендованных ВАК Министерства образования и науки РФ для публикации статей соискателей ученой степени кандидата технических наук. Результаты исследования также нашли отражение в докладах на следующих конференциях:

1. Международная научно-техническая конференция «Робототехника и искусственный интеллект 2012» (Железногорск, 2012г.);

2. Проектирование инженерных и научных приложений в среде MATLAB: материалы V международной научной конференции (Харьков, 2011г.);

3. 12-ой Международной конференции и выставке «Цифровая обработка сигналов и ее применение (Digital signal processing and its applications) DSPA-2010» в секции «Проектирование и техническая реализация систем ЦОС (Москва, 2010г.);

4. The First Russian and Pacific Conference on Computer Technology and Applications (Владивосток, 2010г.);

5. Ill Всероссийская научно-техническая конференция «Технические проблемы освоения мирового океана» (Владивосток, 2009г.);

6. X Всероссийская научно-техническая конференция «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2009г.).

Работа в целом обсуждалась на научных семинарах кафедры «Вычислительная техника» ТОГУ.

Публикация результатов работы. По теме диссертации опубликовано 17 печатных работ, из которых 3 работы - доклады на российских и 4 работы - доклады на международных конференциях, 2 работы - в научных сборниках и 4 работы опубликованы в журналах из списка, рекомендованного ВАК, 6 свидетельств о государственной регистрации программ для ЭВМ по теме диссертации (представлены в П.2).

Личный вклад автора: основные научные положения, теоретические выводы, а также результаты компьютерных экспериментов и испытаний, содержащиеся в диссертационной работе, получены автором самостоятельно. Положения, составляющие новизну и выносимые на защиту, получены автором лично.

Структура и объем работы: диссертация состоит из введения, четырех глав, заключения, списка литературы, приложений. Работа содержит 108 страниц основного текста (с рисунками), 74 рисунка, 3 таблицы, библиографический список из 104 наименований, 10 страниц приложений.

Глава 1. ЛОКАЛЬНОЕ ОРИНЕТИРОВАНИЕ РОБОТОТЕХНИЧЕСКИХ ОБЪЕКТОВ

В главе приведен обзор текущих проблем, связанных с ограниченностью времени автономной работы робототехнических объектов (роботов).

Обосновано применение алгоритмов визуального определения значений параметров относительного положения (ПОП), что позволяет выполнять локальное ориентирование относительно маркера в качестве ориентира для стыковки с док-станцией (ДС) с целью подзарядки аккумуляторов и выполнения информационного обмена в автоматическом режиме.

Выполнен анализ существующих алгоритмов визуального ориентирования относительно маркера, в результате которого аргументирована необходимость разработки методики формирования образа искусственного маркера, учитывающего инварианты перспективной ГГТ на изображении для расширения области возможных положений камеры.

1.1 Постановка проблемы локального ориентирования робототехнических объектов в автоматическом режиме

К роботам можно отнести различного назначения автономные (беспилотные) аппараты гражданского, военного, промышленного и другого применения. С каждым годом растет интерес разработчиков и исследователей к наделению робот все большим числом функций, выполняемых в автономном режиме, что связано как с ростом сложности решаемых задач, так и с растущими возможностями современных средств вычислительной техники. Роботы обладают потенциалом, способным изменить существующие принципы проведения различного рода работ и успешно демонстрируют свои

возможности в качестве эффективных инструментов при решении широкого спектра задач. Применение роботов сокращает общее время выполнения поставленных задач за счет исключения человеческого фактора, когда вмешательство человека ограничено временем начала и окончания выполнения задачи, а так же периодического контроля. Эффективность выполнения задач, напрямую зависит от времени автономной работы. Ограничение времени автономной работы возникает по причине того, что запас энергии на борту робота существенно ограничен. Увеличение числа аккумуляторов влияет на массогабаритные характеристики, к которым предъявляются высокие требования, основанные на тенденции последних лет к миниатюризации. Ключевым моментом на пути к автономному выполнению долгосрочных задач, является решение проблемы ограниченности запасов энергии. Время автономной работы редко достигает суток, что связано с ограниченной емкостью аккумуляторов на борту и, как следствие, возникает необходимость их периодической перезарядки, в то время как выполнении ряда задач носит долгосрочный характер.

Кроме того, в процессе выполнения задач собирается различного рода информация (показания датчиков мониторинга среды, видеоинформация и т.д.), объем которой растет пропорционально длительности автономного функционирования робота. Необходимость своевременно перенести накопленную информацию и освободить память для получения новой так же является актуальной проблемой.

Одним из решений рассмотренных проблем является использование, так называемых, док-станций. На практике используют ДС двух типов: стационарного [47, 54, 63, 98], которые обладают известными координатами и не меняют своего местоположения, и буксируемого [85, 76, 101], положение которых изменяется. Применение такого рода ДС подразумевает выполнение автоматического ориентирования роботов, для чего необходимо

контролировать его положение за счет использования методов локального ориентирования.

1.2 Обзор существующих методов локального ориентирования

Задача выполнения автоматического наведения, как это показано на рисунке 1.1, состоит из двух этапов: локальное ориентирование и, на основе полученных значений ПОП, выполнение алгоритмов приведения.

Наведение

Получение ПОП

Алгоритм приведения

Рисунок 1.1 — Итеративный процесс автоматического наведения.

Наиболее удобной формой представления ПОП робота является использование сферической системы координат, которая включает такие параметры как дистанция г, азимут 0 и зенит ф. На рисунке 1.2.1) представлен этап получения ПОП. Алгоритмы приведения робота к заданной цели подробно описаны в работах [35, 42, 61]. Данные алгоритмы направлены на то, чтобы на основе полученных значений ПОП системой управления робота был сформирован набор команд для следования, как это показано на рисунке 1.2.2), по необходимой траектории движения.

Робот

€

1)

Робо!

с:

2)

-// // / //■//•. /,///";/■>// ////у////////////-// /, /, у////////}'/,У;/777^// V/, //'/ //// //,//■/ /////'/ /,//,// о/////'Л/,//;// / /,////////// //,/ //;/, /УТ9 ■///////'//'/ /

Рисунок 1.2 - Итеративный процесс автоматического наведения: 1) определение ПОП; 2) приведение робота.

Современный опыт разработки и исследования отечественных и зарубежных ученых показывает, что наиболее распространены методы получения значений ПОП робота, основанные на применении акустических датчиков (акустический) [35, 89, 90] или оптических датчиков [3, 18, 46, 48-50, 60, 65, 70, 78-82, 93]. Но существуют и менее распространённые методы, основанные на применении, например, явления электромагнетизма [52, 87]. В таблице 1.1 приведены экстремальные показатели различных способов определения значений ПОП, которые были получены экспериментальным путем в работе [12].

Таблица 1.1 - Сводная таблица характеристик способов локального ориентирования для определения значений ПОП роботов.

№ Способ г, м Точность, мм 0 И ф Точность, град

1 Акустический более 20 Сотни есть градусы

2 Оптический до 20 Десятки есть Десятые доли

3 Электромагнетизм до 10 Сотни - -

Результаты ряда исследований [39, 70] показывают, что наиболее рациональным способом получения ПОП является совмещение акустического и оптического способов. В таком случае акустический способ применяется для определения ПОП на этапе подхода к док-станции, а оптический способ

определения ПОП применяется в близи док-станции, где осуществляется непосредственное взаимодействие и требуется высокая точность выполнения локального ориентирования. По этой причине наибольшую сложность вызывает определение параметров ПОП вблизи маркера. Это связано с тем, что для осуществления стыковки необходимо определять дальность г с погрешностью не более десятков миллиметром. Такую погрешность, позволяют достичь методы, основанные на оптическом способе в совокупности с использованием алгоритмов цифровой обработки изображений и распознавания образов. Кроме того практически любой робот содержит в своем составе видеокамеру, что требует незначительной доработки аппаратной части робота.

Исходя из всего вышеперечисленного, целью работы является разработка методического и алгоритмического обеспечения, позволяющего повысить точность и расширить диапазон возможных пространственных положений объекта при его локальном ориентировании относительно образа маркера в системах управления робототехническими объектами.

1.3 Анализ методов оптического определения параметров относительного положения

При рассмотрении существующих методов оптического определения ПОП выделяют два направления: ориентирование относительного маркеров естественного [3, 9, 13] и маркеров искусственного [9, 18, 60, 65, 70, 78-82] происхождения.

В первом случае существует возможность определения ПОП, где маркером являются «реперные» точки, выделенные на снимках ландшафта и представляющие собой случайные объекты. Однако следует отметить, что маркеры естественного происхождения являются динамически изменяемыми объектами и не могут служить стабильным ориентиром при решении задачи определения ПОП.

Второе направление широко применяется в мировой практике, о чем свидетельствует больше число работ по данной тематике как отечественных [3, 9, 18, 65], так и зарубежных ученых [60, 70, 78-82].

Такие маркеры представляют собой некоторый известный образ, который обладает достаточной степенью уникальности конфигурации, чтобы можно было его отличить от посторонних объектов сцены и, кроме того, получить значения ПОП. Эти алгоритмы заслуживают большего внимания, т.к. для каждого маркера разрабатываются специальные алгоритмы, позволяющие распознавать только маркер заданной конфигурации, которая, в свою очередь, зависит от решаемых задач.

1.3.1 Алгоритм распознавания и определения ПОП, описание которого приведено в работах [3, 65], использует крестообразный маркер, образ которого представлен на рисунке 1.3.

Рисунок 1.3 - Образ маркера из [3].

Маркер выполнен в виде двух контрастных прямых линии, пресекающихся под прямым углом. В основе алгоритма распознавания такого маркера составляет поиск на изображении двух отрезков с применением преобразования Хоу [43] и выраженный соотношением 1.1, где на изображении

находят протяженные объекты, из которых выбирают два, используя инвариантное свойство - угол пересечения, который должен быть прямым.

При этом полярные координаты точки (Я, ср) пересечения двух прямых, заданных параметрами (р1, в]) и (р2, 62), вычисляются по формулам 1.1:

(р = в2- аг

\Р2

соб

(02-<р) 0-1)

где (р1, в\) и (р2, 62) - координаты прямых линий в фазовом пространстве, (Я, (р) - координаты точки пересечения двух прямых.

1.3.2 Алгоритм распознавания и определения ПОП, который описывается в работе [55, 67] использует маркер, образ которого представлен на рисунке 1.4, состоящий из чередующихся черных и белых полос разной толщины.

Рисунок 1.4 - Образ маркера из [55].

Маркер выполнен в виде двух параллельных отрезков, расположенными на заданном расстоянии друг от друга, каждый из которых состоит из чередующихся черных и белых полос разной толщины. Для поиска отрезков используются Хаар-подобные свойства [16, 83], в основе которых лежит интегральное представление изображения. Интегральное изображение представляет собой таблицу, каждый элемент (х, у) которой содержит сумму пикселей, представленных соотношением 1.2:

«(*»>0= Е *(*>у') (1.2)

х'<х,у'<у

где и(х, у) - интегральное изображение, г(х, у) - исходное изображение.

Для распознавания маркера на изображении необходимо найти правильную последовательность полос, а в качестве инварианта для распознавания маркера используется инвариантных признак - чередования полос.

1.3.3 Алгоритм распознавания и определения ПОП, описание которого приведено в работах [9, 18] использует маркер, образ которого представлен на рисунке 1.5, представляющий собой составной объект из контрастных прямоугольников.

Рисунок 1.5 - Образ маркера из [9].

Используя обобщенный оператор Собела [86], определяются замкнутые контуры контрастных четырехугольников на основе ядер, представленных соотношением 1.3.

-1 -2 -1 -1 0 1

II 0 0 0 и -2 0 2

1 2 1 9 -1 0 1

где А - исходное изображение, и - два изображения, где каждая точка содержит приближенные производные по х и по у.

Среди всех найденных четырехугольников выбираются те, которые являются прямоугольниками с заданным отношением сторон, с учетом допуска для компенсации возможных геометрических искажений изображений. Таким образом, в качестве геометрических инвариантов используются инвариантные свойства - параллельность линий и значения углов между ними.

1.3.4 Алгоритм распознавания и определения ПОП, описание которого приведено в работе [15, 42] использует маркер, образ которого представлен на рисунке 1.6. Здесь в качестве ориентира для визуального наведения служит составной маркер, который включает четыре площадки с шахматным заполнителем.

ы \

щшттяш

■ 11 ГУ !| Ш: : ^ :: :: :: ^ :: Ц

тжШтШШвШЖе ¡111111111

111111111 _____■

Рисунок 1.6 - Образ маркера из [42].

При распознавании осуществляется поиск четырех одинаковых структур, используя детектор Харриса [57] для выделения граней, при помощи оператора, представленного соотношением 1.4.

К /л 'А П

(1.4)

где А - автокорреляционная матрица, h и 1У — два изображения, где каждая точка содержит производные по х и по у, со(р, q) — функция соответствующих весов коэффициентов.

В качестве геометрического инварианта используются свойства -соотношение площадей и линейных размеров для выделения нужных объектов.

1.3.5 Алгоритм распознавания и определения ПОП, описание которого приведено в работах [41, 74, 75] использует маркер, образ которого представлен на рисунке 1.7. Маркер выполнен в виде трех структур состоящих из концентрических колец, расширяющихся от центра.

Рисунок 1.7 — Образ маркера из [41].

В основе маркера лежит принцип, который основан на использовании 88Ь-функции [42]. Первым этапом при распознавании подобного типа маркера является формирование таблицы, каждый из элементов (х, у) которой будет содержать значение функции 1.5:

М(х,у) = т+х (х,>>) + т_х (х,у) + т+у (х,.у) + т_у (х,у) (1.5)

где М(х, у) — элемент матрицы в позиции (х, у), равный сумме пикселей в четырех перпендикулярных направлениях.

После чего определяется локальный максимум, который будет соответствовать центру схождения концентрических кругов. В результате распознавания трех 88Ь-структур получается набор из трех опорных точек, по положению которых определяются ПОП. В качестве геометрического инварианта используются свойства - ББЬ-структуры.

1.4.6 Алгоритм распознавания и определения ПОП, описание которого приводится в работах [56, 70] использует маркер, геометрическая интерпретация образа которого представлена на рисунке 1.8. В качестве маркера используется мерцающий источник света.

Рисунок 1.8- Образ маркера из [56].

Алгоритм распознавания и относительного ориентирования заключается в поиск самого большого сегмента на изображении и дальнейшем определении смещения центра кадра относительно центра геометрического сегмента. До того, как центры сегмента и кадра совпадут. Для выбора нужного сегмента используется слежение за объектами с частотой мерцания 6 Гц, если сегмент периодически пропадает и появляется на изображении и частота мерцания совпадает с заданной частотой, то данный сегмент считается искомым маркером.

1.3.7 Алгоритм распознавания и определения ПОП, описание которого приведено в работах [4, 8, 24-26, 30] выполнен на базе предыдущего метода и использует маркер, образ которого представлена на рисунке 1.9.

Список литературы диссертационного исследования кандидат наук Чемерис, Денис Сергеевич, 2013 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Агеев, М.Д. Актуальные вопросы создания и использования автономных необитаемых подводных аппаратов (Часть 1) [Текст] / М.Д. Агеев, Л.В. Киселев, Н.И. Рылов // Мехатроника, автоматизация, управление. -2003.-№2.-С. 22-28

2. Агеев, М.Д. Актуальные вопросы создания и использования автономных необитаемых подводных аппаратов (Часть 2) [Текст] / М.Д. Агеев, Л.В. Киселев, Н.И. Рылов // Мехатроника, автоматизация, управление. -2003,-№6.-С. 23-28

3. Борейко, A.A. Алгоритмы обработки видеоизображений для решения некоторых задач управления и навигации автономных необитаемых подводных аппаратов [Текст] / A.A. Борейко, A.B. Воронцов, A.A. Кушнерик, А.Ф. Щербатюк // Подвод, исследования и робототехника. - Владивосток. -2010.-С. 29-39.

4. Бурдинский, И.Н. Алгоритм определения угла поворота объекта относительно заданной мишени [Текст] / И.Н. Бурдинский, Д.С. Чемерис // Владивосток : 2009, Третья Всероссийская научно-техническая конференция «Технические проблемы освоения мирового океана», С. 361-365.

5. Бурдинский, И.Н. Исследование методов определения геометрического рассогласования двух изображений для решения задачи оптического наведения и стыковки подводного робота [Текст] / И.Н. Бурдинский, Д.С. Чемерис // Проектирование инженерных и научных приложений в среде MATLAB: Материалы V международной научной конференции (г. Харьков, 11-13 мая 2011) / сост. В.В. Замаруев. — Харьков: ФЛП Шейнина Е.В., 2011. - С. 465-470.

6. Бурдинский, И.Н. Определение относительного положения на основе обработки видеоизображений [Текст] / И.Н. Бурдинский, Д.С. Чемерис // Цифровая обработка сигналов. - 2010. - №2. - С. 57-59.

7. Бурдинский, И.Н. Цифровая система обработки видеоизображений для определения относительного положения объекта заданной формы [Текст] / И.Н. Бурдинский, Д.С. Чемерис // Труды 12-ой Международной конференции и выставки «Цифровая обработка сигналов и ее применение - DSPA-2010»: в 2 ч. - Москва: Изд-во «Инсвязьиздат», 2010 - Ч. II. -С.251-254

8. Бурдинский, И.Н. Цифровая система обработки видеоизображений для решения задачи наведения [Текст] / И.Н. Бурдинский, Чемерис Д.С. // Улан-Удэ: Изд-во ВСГТУ, 2009, Теоретические и прикладные вопросы современных информационных технологий: Материалы X Всероссийской научно-технической конференции: в 2 ч., Т. 2. - С. 487-490.

9. Воронцов, A.B. Некоторые алгоритмы приведения малого анпа к донной станции в ближней зоне на основе обработки визуальной информации [Текст] / A.B. Воронцов, A.A. Кушнерик, А.Ф. Щербатюк // Материалы третьей всероссийской научной конференции «Технические проблемы освоения мирового океана». - Владивосток: 2009. - С. 399-404.

10. Гаганов, В. Инвариантные алгоритмы сопоставления точеных особенностей на изображениях [Электронный ресурс] / В. Гаганов // Графика и Мультимедиа. - 2000. - Режим доступа: http://www. cgm. computergraphics.ru/files/cgm/pdf/cgm_l 7_2201.pdf, свободный.

11. Глумов, H.H. Построение и применение моментных инвариантов для обработки изображений в скользящем окне [Текст] / Н.И. Глумов // Самарский государственный аэрокосмический университет. - Самара: 1994. -С. 47-54

12. Брош, И.Л. Обработка изображений в системах превентивной безопасности. Учебное пособие. [Текст] / И.Л. Ерош, М.Б. Сергеев, Н.В. Соловьев //СПб.: ГУАП, 2006. - 153 с.

13. Камаев, А.Н. Относительное ориентирование снимков низкой контрастности, полученных с анпа, на основе точечных особенностей [Текст]

/ A.H. Камаев // Электронное научное издание «Ученые заметки ТОГУ». - 2011. - Том 2, № 2. - С. 32 - 42.

14. Ларин, М.С. Моделирование дополненной реальности [Текст] / М.С. Ларин //Известия высших учебных заведений. Приборостроение. - 2010. - С. 52-56.

15. Мосягин, В.А. Определение положения джойстика по изображениям с видеокамеры для управления объектом в виртуальном пространстве [Текст] / В.А. Мосягин // International Conference Graphicon. -2006. - Режим доступа: http://www.graphicon.ru/2006/wr35_92_Mosyagin.pdf, свободный.

16. Мурыгин, К.В. Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях [Текст] / К.В. Мурыгин // Искусственный интеллект. - 2009. - №3. - С. 573-581.

17. Мясников, Е.В. Определение параметров геометрических трансформаций для совмещения портретных изображений [Текст] / Е.В. Мясников // Компьютерная оптика. - 2007. - №3. - С. 77-82.

18. Павин, A.M. Об одном алгоритме распознавания объектов произвольной формы на подводных фотоизображениях [Текст] / A.M. Павин // Материалы третьей всероссийской научной конференции «Технические проблемы освоения мирового океана». - Владивосток: 2011. - С. 334-338.

19. Сай, C.B. Алгоритм поиска и распознавания искусственных объектов подводных изображений [Текст] / C.B. Сай, Д.С. Чемерис, Н.Ю. Сорокин, В.В. Бородулин //Вестник ТОГУ. - 2012. - №3. - С. 67-74

20. Сай, C.B. Методика синтеза образа искусственного маркера для решения задачи определения параметров относительного положения робототехнического объекта [Текст] / C.B. Сай, Д.С. Чемерис // Научные ведомости Белгородского государственного университета: Белгород. № 19 (138). 2012. - С. 109-115.

21. Сай, C.B. Формирование образа маркера для автономного относительного ориентирования в ближней зоне [Текст] / C.B. Сай, Д.С. Чемерис // Исследования наукограда. - 2013. - №1 (3). - С. 56-58.

22. Сай, C.B. Формирование образа маркера для автономного относительного ориентирования в ближней зоне [Текст] / C.B. Сай, Д.С. Чемерис // Робототехника и искусственный интеллект: Материалы IV Международный научно-технической конференции (г. Железногорск, 7 декабря 2012) / Под ред. В.А. Углева. - Железногорск: Железногорский филиал СФУ, 2012.-С. 59-63.

23. Сай, C.B. Эффективность помехоустойчивых кодов в системе технического зрения подводного робота [Текст] / C.B. Сай, Д.С. Чемерис, Н.Е. Ничипорук //Системы передачи данных. - 2012. - №2(32). - С. 15-21

24. Свидетельство о государственной регистрации программы для ЭВМ №2008612172. Программная модель системы управления и контроля телеуправляемого подводного аппарата [Текст] / И.Н. Бурдинский, Д.С. Чемерис. - Зарегистрировано в Реестре программ для ЭВМ 29.04.2008 (РФ).

25. Свидетельство о государственной регистрации программы для ЭВМ №2010610482. Модель цифровой системы обработки видеоизображений для решения задачи наведения подводного робота [Текст] / И.Н. Бурдинский, Д.С. Чемерис. - Зарегистрировано в Реестре программ для ЭВМ 11.01.2010 (РФ).

26. Свидетельство о государственной регистрации программы для ЭВМ №2010610483. Цифровая система обработки видеоизображений для решения задачи наведения подводного робота [Текст] / И.Н. Бурдинский, Д.С. Чемерис. - Зарегистрировано в Реестре программ для ЭВМ 11.01.2010 (РФ).

27. Свидетельство о государственной регистрации программы для ЭВМ №2012661252. Модель процесса распознавания точечного маркера на изображении с помехами [Текст] / C.B. Сай, Д.С. Чемерис - Зарегистрировано в Реестре программ для ЭВМ 11.12.2012 (РФ).

28. Свидетельство о государственной регистрации программы для ЭВМ №2012661298. Определение оптимальной структуры точечного маркера для

распознавания в ближней зоне [Текст] / C.B. Сай, Д.С. Чемерис -Зарегистрировано в Реестре программ для ЭВМ 11.12.2012 (РФ).

29. Свидетельство о государственной регистрации программы для ЭВМ №2012661251. Программный комплекс автоматической калибровки видеокамеры по образу точечного маркера [Текст] / C.B. Сай, Д.С. Чемерис -Зарегистрировано в Реестре программ для ЭВМ 11.12.2012 (РФ).

30. Чемерис, Д.С. Моделирование поведения и реализация цифровой системы наведения подводного робота [Текст] / Д.С. Чемерис // Материалы III конкурса-конференции научных работ молодых учёных Тихоокеанского государственного университета (Хабаровск, 1-4 дек. 2009). - Хабаровск: Изд-во Тихоокеан. гос. ун-та. - 2010. - С. 51-56.

31. Чехлов, Д.О. Нормализация изображений относительно перспективного преобразования на основе геометрических параметров [Текст] / Д.О. Чехлов, C.B. Абламейко // Информатика. - 2004. - С. 67-76

32. Павлушенко, М. Беспилотные летательные аппараты: история, применение, угроза распространения и перспективы развития [Текст] / М. Павлушенко, Г. Евстафьев, И. Макаренко // М.: Права человека, 2005. - №2(28). -612 с.

33. Прэтт, У. Цифровая обработка изображений [Текст] / У. Прэтт // М. : Мир, 1982 .-615 с.

34. Яне, Б. Цифровая обработка изображений [Текст] / Б. Яне// М.: Техносфера, 2007. - 584 с.

35. Allen, В. Autonomous Docking Demonstrations with Enhanced REMUS Technology [Текст] / В. Allen, T. Austin, N. Forrester, R. Goldsborough, A. Kukulya, G. Packard, M. Purcell, R. Stokey // OCEANS . - 2006. - P. 1-6 .

36. Ababsa, F. Robust camera pose estimation using 2d fiducials tracking for real-time augmented reality systems [Текст] / F. Ababsa, M. Mallem // International conference on Virtual Reality continuum and its applications in industry. - 2004. - P. 431-435

3 7. Ancuti, С. Enhancing underwater images and videos by fusion [Текст] / С. Ancuti, С.О. Ancuti, Т. Haber, P. Bekaert // 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). - 2012. - P. 81-88.

38. Araujo, H. An introduction to the log-polar mapping [Текст] /Н. Araujo, J.M. Dias // Second Workshop on Cybernetic Vision. -1996. - P. 139-144.

39. Bayat, M. SLAM for an AUV using vision and an acoustic beacon [Текст] / M. Bayat, A.A. Pedro // The 7th IFAC Symposium on Intelligent Autonomous Vehicles 2010. - 2010. - P. 1-10.

40. Bazeille, S., Quidu L. J. I., Malkasse J. P. Automatic underwater image pre-processing [Текст] / S. Bazeille, L. J. I. Quidu, J. P. Malkasse // Caracterisation du milieu.-2006.-P. 1-8

41. Briggs, A. Mobile robot navigation using self-similar landmarks [Текст] / A. Briggs, D. Scharstein, D. Braziunas, C. Dima, P. Wall // IEEE International Conference on Robotics and Automation. -2000. - P. 1428-1434.

42. Brignone, L. A fully autonomous docking strategy for Intervention AUVs [Текст] / L. Brignone, M. Perrier, C. Viala // OCEANS 2007 - Europe. - 2007. - P. 1-6.

43. Bruguera, J.D. Cordic based parallel/pipelined architecture for the Hough transform [Текст] / J.D. Bruguera, N. Guil, J. Villalba, E.I. Zapata, T. Lang // The Journal of VLSI Signal Processing. - 1996. - P. 207-221.

44. Bryan, S.M. Thresholding [Электронный ресурс] / S.M. Bryan // Brigham Young University - 2000. - Режим доступа: http://homepages, infed. ac. ик/rbf/CVonline/ LOCAL_COPIES/MORSE/threshold.pdf свободный.

45. Burdinsky, I.N. The guidance and positioning system based on the video processing [Текст] / I.N. Burdinsky, D.S. Chemeris // The First Russian and Pacific Conference on Computer Technology and Applications (Russia Pacific Computer 2010), 6-9 September, Russia Academy of Sciences, Far Eastern Branch. -Vladivostok, 2010. - P. 300-302

46. Carreras, M. Vision-based Localization of an Underwater Robot in a Structured Environment [Текст] / M. Carreras, P. Ridao, R. Garcia, T. Nicosevici // IEEE International Conference on Robotics and Automation. - 2003. - Vol.1. - P. 971-976.

47. Cassinis, R. Docking and Charging System for Autonomous Mobile Robots [Текст] / R. Cassinis, F. Tampalini, P. Bartolini // Technical report, Department of Electronics for Automation, University of Brescia. - 2005. - P. 1-6

48. Chaumette, F. 2 1/2 D visual servoing: A possibile solution to improve image-based and position-based visual servoings [Текст] / F. Chaumette // IEEE International Conference on Robotics and Automation, 2000, - P.630-635.

49. Corke, P. Experiments with Underwater Robot Localization and Tracking [Текст] / P. Corke, C. Dunbabin, M. Hamilton, M. Rus, I. Vasilescu // IEEE International Conference on Robotics and Automation. - 2007. - P. 4556-4561.

50. Cowen, J. S. Underwater docking of autonomous undersea vehicles using optical terminal guidance [Текст] / J.S. Cowen, G.S. Briest, J. Dombrowski // OCEANS. - 1997. - Vol. 2. - P. 1143-1147.

51. Derrodea, S. Robust and Efficient Fourier—Mellin Transform Approximations for Gray-Level Image Reconstruction and Complete Invariant [Текст] / S. Derrodea, F. Ghorbelb // Computer Vision and Image Understanding. -2001.-Vol. 83(1).-P. 57-78.

52. Feezor, M.D. Autonomous underwater vehicle homingdocking via electromagnetic guidance [Текст] / M.D. Feezor, F. Yates Sorrell, P.R. Blankinship, J.G. Bellingham // IEEE Journal of Oceanic Engineering. - 2001. - P. 515-521.

53. Flisser, J. Pattern recognition by affine moment invariants [Текст] / Flisser J., Suk T. // Pattern Recognition 26 (1). - 1993. - Vol. 26(1). - P. 167-174

54. Frye, D.E., Kemp J., Paul W., Peters D. Mooring developments for autonomous ocean-sampling networks [Текст] / D.E. Frye, J. Kemp, W. Paul, D. Peters // IEEE Journal of Oceanic Engineering, . - 2001. - P. 477-486.

55. Geiser, N. Studies on Mechatronics — Homing and Docking in Different Environmental Conditions [Электронный ресурс] / N. Geiser, С. Pradalier II

Autonomous System Lab (ASL), ETH Zurich. - 2010. - Режим доступа: http://students.asl.ethz.ch/upljpdi7261-report.pdf, свободный.

56. Gulati, S. Toward autonomous scientific exploration of ice-covered lakes—Field experiments with the ENDURANCE AUV in an Antarctic Dry Valley [Текст] / S. Gulati, K. Richmond, C. Flesher, B.P. Hogan, A. Murarka, G. Kuhlmann, M. Sridharan, W.C. Stone, P.T. Doran // EEE International Conference on Robotics and Automation. - 2010. - P. 308-315.

57. Harris, C. A combined corner and edge detector [Текст] / С. Harris, M. Stephens //Fourth Alvey Vision Conference. - 1988. - P. 147-151.

58. Heikkila, J. Pattern matching with affine moment descriptors [Текст] / J. Heikkila // Pattern Recognition 37 (9). - 2004. - Vol. 37(9) . - P. 1825-1834.

59. Hirzer, M. Marker Detection for Augmented Reality Applications [Электронный ресурс] / M. Hirzer // Inst, for Computer Graphics and Vision Graz University of Technology, Austria. Technical Report - 2008. - Режим доступа: http:/ilrs. icg. tugraz.at/pubs/hirzer_tr_2008.pdf свободный.

60. Hong, Y.-H. Development of the homing and docking algorithm for AUV [Текст] / Y.-H. Hong, J.-Y. Kim, P.-M. Lee, B.-H. Jeon, K.-H. Oh, J.-ho Oh // Proceedings of The Thirteenth International Offshore and Polar Engineering Conference. - 2003. - P. 205-212.

61. Horgan, J. Computer Vision Applications in the Navigation of Unmanned Underwater Vehicles [Текст] / J. Horgan, D. Toal // 9th International Conference on Control, Automation, Robotics and Vision. - 2006. - P. 1-6.

62. Khotanzad, A. Invariant image recognition by Zernike moments [Текст] / A. Khotanzad, Y.H. Hong // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1990. - Vol. 12(5). - P. 489-497

63. Kim, К. H. Development of Docking System for Mobile Robots Using Cheap Infrared Sensors [Текст] / K.H. Kim, H.D. Choi, S. Yoon, K.W. Lee, H.S. Ryu, C.K. Woo, and Y.K. Kwak // 1st International Conference on Sensing Technology.-2005.-P. 287-291.

64. Krupinski, S. Investigation of autonomous docking strategies for robotic operation on intervention panels [Текст] / S. Krupinski, F. Maurelli, G. Grenon, Y. Petillot//OCEANS. -2008. -P. 1-10.

65. Kushnerik, A.A. Small AUV docking algorithms near dock unit based on visual data [Текст] / A. A. Kushnerik, A.V. Vorontsov, A.P. Scherbatyuk // OCEANS 2009, MTS/IEEE Biloxi - Marine Technology for Our Future: Global and Local Challenges. - 2009. - P. 1-6.

66. Li, W.-J. Automatic Feature Matching Using Coplanar Projective Invariants For Object Recognition [Текст] / W.-J. Li, T. Lee, H.-T. Tsui // The 5th Asian Conference on Computer Vision. - 2002. - P. 1-6

67. Maire, Г. D. A vision based target detection system for docking of an Autonomous underwater vehicle [Текст] / F.D. Maire, D. Prasser, M. Dunbabin, M. Dawson // Australasian Conference on Robotics and Automation. - 2009. - P. 1-7.

68. Matungka, R. Image registration using adaptive polar transform [Текст] / R. Matungka, Y.F. Zheng, R.L. Ewing // 15th IEEE International Conference on Image Processing. - 2008. - P. 2416-2419.

69. Mercimek, M. Real object recognition using moment invariants [Текст] / M. Mercimek, K. Gulez, T.V. Mumcu // Sadhana Springer India. - 2005. - P. 765775.

70. Murarka, A. Vision-based frozen surface egress: A docking algorithm for the ENDURANCE AUV [Электронный ресурс]. / A. Murarka, G. Kuhlmann, M. Sridharan, W.C. Stone, S. Gulati, C. Flesher // International Symposium on Unmanned Untethered Submersible Technology. - 2009. - Режим доступа: http://redwood.cs.ttu.edu/-smohan/Papers/uust09_yisualHoming.pdf, свободный.

71. Myagotin, A. A UVpositioning model employing acoustic and visual data processing [Текст] /А. Myagotin, I. Burdinsky //OCEANS 2010. - 2010. - P. 1-6.

72. Nakai, T. Camera Based Document Image Retrieval with More Time and Memory Efficient LLAH [Текст] / Т. Nakai, К. Kise, M. Iwamura // Second International Workshop on Camera-Based Document Analysis and Recognition. -2007.-P. 21-28.

73. Nakai, Т. Use of affine invariants in locally likely arrangement hashing for camera-based document image retrieval [Текст] / Т. Nakai, К. Kise, M. Iwamura // 7th International Workshop DAS2006. - 2006. - P. 541-552.

74. Negre, A. Robust vision-based underwater homing using self-similar landmarks [Текст] / A. Negre, C. Pradalier, M. Dunbabin // Journal of Field Robotics. - 2008. - P. 360-377.

75. Negre, A. Robust vision-based underwater target identification and homing using self-similar landmarks [Текст] / A. Negre, C. Pradalier, M. Dunbabin // Field and Service Robotics. - 2008. - Vol. 42. - P. 51-60

76. Nico, G. Homing and Docking in Different Environmental Conditions [Текст] / G. Nico, P. Cedric // Autonomous System Lab. - 2010. - P. 1-5

77. Oliverira, P. Guidance and control of the SIRENE underwater vehicle: from system design to tests at sea [Текст]/ P. Oliverira, C. Silvestre, P. Aguiar, A. Pascoal // OCEANS. - 1998. - Vol. 2. - P. 1043 - 1048.

78. Park, J.-Y. Experiment on Underwater Docking of an Autonomous Underwater Vehicle ISiMI using Optical Terminal Guidance [Текст] / J.-Y. Park, B.-H. Jun, P.-M. Lee, F.-Y. Lee, J.-ho Oh // OCEANS 2007.- 2007. - P. 1-6.

79. Park, J.-Y. Development of test-bed AUV "ISiMI" and underwater experiments on free running and vision guided docking [Текст] / J.-Y. Park, B.-H. Jun, P.-M. Lee, F.-Y. Lee, J.-ho Oh //Underwater vehicles. - 2009. - P. 371-398.

80. Park, J.-Y. Experiment on Underwater Docking of an Autonomous Underwater Vehicle "ISiMI" using Optical Terminal Guidance [Текст] / J.-Y. Park, B.-H. Jun, P.-M. Lee, F.-Y. Lee, J.-ho Oh //OCEANS. - 2007. - P. 1-6.

81. Park, J.-Y. Experiments on vision guided docking of an autonomous underwater vehicle using one camera [Текст] / J.-Y. Park, B.-H. Jun, P.-M. Lee, F.Y. Lee, J.-ho Oh // Ocean Engineering. - 2009. - P. 48-61.

82. Park, J.-Y. Improvement of vision guided underwater docking for small AUV "ISiMI" [Текст] / J.-Y. Park, B.-H. Jun, P.-M. Lee, F.-Y. Lee, J.-ho Oh // OCEANS 2009. - 2009. - P. 1-6.

83. Paul, У. Robust Real-time Object Detection [Текст] / V. Paul, J. Michael. // International Journal of Computer Vision. - 2001. - P. 1-25.

84. Schettini, R. Underwater image processing: State of the art of restoration and image enhancement methods [Текст]./R. Schettini, S. Corchs //2010

85. Silverman, M.C. Staying alive: a docking station for autonomous robot recharging [Текст] / M.C. Silverman, D. Nies, В. Jung, G.S. Sukhatme // IEEE International Conference on Robotics and Automation. - 2002. - Vol. 1. - P. 10501055.

86. Sobel, I. Space-dependent color gamut mapping: a variational approach [Текст] / I. Sobel, R. Kimmel, D. Shaked, M. Elad // IEEE Transactions on Image Processing. - 2005. - Vol. 14 (6). - P. 796-803.

87. Sorrell, F.Y. An electromagnetic current meter-based system for application in unsteady flows [Текст] / F.Y. Sorrell, T.B. Curtin, M.D. Feezor // IEEE Journal of Oceanic Engineering. - 1990. - P. 373-379.

88. Stéphane, D. Robust and efficient Fourier—Mellin transform approximations for gray-level image reconstruction and complete invariant [Текст] / D. Stéphane // Computer Vision and Image Understanding, - 2001. - P. 57-78.

I

89. Stokey, R. A docking system for REMUS, an autonomous underwater vehicle [Текст] / R. Stokey, M. Purcell, N. Forrester, T. Austin, R. Goldsborough, Allen В., von Alt C. // OCEANS. - 1997. - №2. - P. 1132-1136.

90. Stokey, R. Enabling technologies for REMUS docking: an integral component of an autonomous ocean-sampling network [Текст] /R. Stokey, B. Allen, T. Austin, R. Goldsborough, N. Forrester, M. Purcell, C. von Alt // IEEE Journal of Oceanic Engineering. - 2001. - P. 487-497.

91. Suk, T. Point-Based Projective Invariants [Текст] / T. Suk, J. Flusser // Pattern recognition 33. - 2000. - P. 251-260.

92. Teixeira, L. Zhang's camera calibration: step-by-step [Текст] / L. Teixeira, M. Gattass, M. Fernandez // название журанла. - 2006. - P. 1-5.

93. Uchiyama, H. Toward Augmenting Everything: Detecting and Tracking Geometrical Features on Planar Objects [Текст] / H. Uchiyama, E. Marchand //

IEEE International Symposium on Mixed and Augmented Reality (ISMAR). - 2011. -P. 17-25

94. Uchiyama, H. Deformable Random Dot Markers [Текст] / H. Uchiyama, E. Marchand // IEEE International Symposium on Mixed and Augmented Reality (ISMAR). - 2011. - P. 237-238

95. Uchiyama, H. Random Dot Markers [Текст] / H. Uchiyama, H. Saito // IEEE Virtual Reality. - 2011. - P. 271-272.

96. Wohler, C. 3D Computer Vision: Efficient Methods and Applications [Текст] / С. Wohler // Springer-Verlag Berlin Heidelberg. - 2009. - P. - 3-7.

97. Wolberg, G. Robust image registration using log-polar transform [Текст] / G. Wolberg, S. Zokai // 2000 International Conference on Image Processing. - 2000. - Vol. 1. - P. 493-496

98. Yu, S.-C. A small agent based detachable tether system for underwater manipulation task by autonomous underwater vehicles [Текст] / S.-C Yu, Y. Keon, T.-W. Yi, К Kim Song, U. Tamaki, Y. Junku. // - 2004. - 8 p.

99. Yu, Y. K. Pose estimation for augmented reality applications using genetic algorithm [Текст] / Y. K. Yu, K.H. Wong, M.M.Y. Chang // IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics - 2005. - P. 1295-1301.

100. Zhang, Z. A flexible new technique for camera calibration [Текст] / Z. Zhang // Transactions on Pattern Analysis and Machine Intelligence. - 1998. - P. 1-6.

101. Craig, J.J. Introduction to Robots mechanics and control [Текст] / J.J. Craig // New York: World Press. - 1995. - 450 p.

102. Davies, E.R. Machine Vision Theory, Algorithms, Practicalities [Текст] / E.R. Davies // New York: World Press. - 3 edition. - 2005. - 934 p.

103. Hartley, R. Multiple View Geometry in Computer Vision [Текст] / R. Hartley, A. Zisserman // New York: Cambridge University Press. - 2 edition. - 2004. - 670 p.

104. Shapiro, L. Computer Vision [Текст] / L. Shapiro, G. Stockman // New York: Cambridge University Press. - 2 edition. - 2000. - 609 p.