1. Trang chủ
  2. » Luận Văn - Báo Cáo

Thiết kế và chế tạo hệ thống máy ảnh nổi

73 6 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 73
Dung lượng 1,6 MB

Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI BÙI VĂN ANH THIẾT KẾ VÀ CHẾ TẠO HỆ THỐNG MÁY ẢNH NỔI LUẬN VĂN THẠC SĨ NGÀNH KỸ THUẬT VIỄN THÔNG HÀ NỘI – 06/2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI BÙI VĂN ANH THIẾT KẾ VÀ CHẾ TẠO HỆ THỐNG MÁY ẢNH NỔI Chuyên ngành: Kỹ thuật viễn thông Mã số: 2018AKTVT-KT01 LUẬN VĂN THẠC SĨ Giảng viên hướng dẫn: TS Phan Xuân Vũ Viện: Điện tử Viễn thông HÀ NỘI – 06/2020 i LỜI CẢM ƠN Đầu tiên, tác giả xin bày tỏ lời cảm ơn chân thành đến giảng viên hướng dẫn TS Phan Xuân Vũ trực tiếp định hướng khoa học trình nghiên cứu Thầy dành nhiều thời gian tâm huyết, động viên mặt để tác giả hoàn thành luận văn Tác giả xin trân trọng cảm ơn Phịng Đào tạo, Viện Điện tử Viễn thơng tạo điều kiện thuận lợi cho học viên suốt trình học tập nghiên cứu Tác giả cảm ơn giảng viên Viện Điện tử Viễn thông, nghiên cứu viên hỗ trợ tận tình giúp đỡ tác giả trình thực luận văn Cuối cùng, tơi xin bày tỏ lịng biết ơn đến gia đình tác giả động viên hy sinh nhiều thời gian vừa qua TÓM TẮT NỘI DUNG LUẬN VĂN Luận văn thực giải vấn đề gồm thiết kế chế tạo hệ thống máy ảnh Tác giả sử dụng phương pháp phân tích tổng hợp lý thuyết kết hợp việc phương pháp thực nghiệm khoa học Tác giả nghiên cứu lý thuyết xử lý ảnh thị giác bao gồm thị giác máy, hệ thống máy ảnh mô mắt người Phương pháp thực nghiệm khoa học áp dụng xây dựng hệ thống máy ảnh bao gồm công việc thiết kế, lựa chọn thiết bị linh kiện; triển khai phần cứng, triển khai xây dựng cơng cụ phần mềm trích chọn đồ chênh lệch với số phương pháp, thuật toán hiệu Một số công cụ xử lý ảnh thị giác viết hồn tồn C ++ mơi trường Visual Studio thử nghiệm máy tính xách tay cài Windows 7, 64 bit Trong công cụ xử lý ảnh có sử dụng OpenCV (Open Source Computer Vision) thư viện mã nguồn mở thị giác máy tối ưu xử lý ảnh Luận văn thu số kết định giải vấn đề đặt Xây dựng tổng hợp bước xử lý ảnh thị giác trọng hệ thống máy ảnh Áp dụng số thuật tốn tính tốn ảnh thị giác SAD, SAD hiệu chỉnh, thuật toán phân vùng, thuật toán phát triển vùng hệ thống máy ảnh Kết thực nghiệm cho thấy luận văn giải phù hợp vấn đề đặt Luận văn có tính khoa học thực tiễn định định hướng hoàn thiện phát triển mở rộng đắn, tiềm HỌC VIÊN Bùi Văn Anh ii MỤC LỤC LỜI CẢM ƠN i TÓM TẮT NỘI DUNG LUẬN VĂN i MỤC LỤC ii DANH MỤC HÌNH VẼ iv DANH MỤC BẢNG vi DANH MỤC CÁC TỪ VIẾT TẮT vii CHƯƠNG TỔNG QUAN VỀ XỬ LÝ ẢNH THỊ GIÁC .1 1.1 Xử lý ảnh ứng dụng .1 1.2 Hệ thống máy ảnh 1.3 Bối cảnh .3 1.4 Yêu cầu 1.5 Thư viện hàm xử lý ảnh OpenCV .6 1.5.1 Giới thiệu OpenCV 1.5.2 Một số lợi OpenCV 1.5.3 OpenCV 1.x 2.x: 1.6 Hệ thống máy ảnh mô mắt người 1.6.1 Thị giác máy 1.6.2 Thị giác mắt người .9 1.6.3 Hệ thống máy ảnh mô mắt người 11 CHƯƠNG XÂY DỰNG HỆ THỐNG MÁY ẢNH NỔI 21 2.1 Thiết kế 21 2.1.1 Giá đỡ hệ thống máy ảnh 21 2.1.2 Phần mềm 23 2.1.2.a Thiết kế giá đỡ 24 2.1.2.b Các lệnh thuộc tính .27 2.2 Thực phần cứng 28 2.2.1 Thiết bị điện tử 29 2.3 Triển khai xây dựng phần mềm trích chọn đồ chênh lệch sử dụng phương pháp tổng chênh lệch tuyệt đối 30 2.3.1 Vấn đề phương pháp tổng chênh lệch tuyệt đối truyền thống………… .30 2.3.2 Tổng quan phương pháp SAD điều chỉnh 32 2.3.3 Phương pháp SAD đường biên 33 2.3.4 Phương pháp trích chọn đường biên màu .35 iii 2.3.5 Bộ lọc logic 38 2.3.5.a Sự che khuất hai ảnh .38 2.3.5.a Bộ lọc logic trường hợp 38 2.3.6 Bộ lọc kích thước: 39 2.3.6.a Kích thước lỗi sai .39 2.3.6.a Cách lọc kích thước 39 2.3.7 SAD phân vùng 40 2.3.8 Hoàn thành đồ chênh lệch 41 2.3.9 Kết luận phương pháp SAD điều chỉnh 44 2.4 Một số chức phần mềm 44 2.4.1 Luồng 45 2.4.2 Chế độ xem trực tiếp 45 2.4.3 Các lệnh .46 2.4.4 Sự cố khởi động lại hệ máy ảnh 47 2.4.5 Giao diện người dùng 48 2.4.6 Lưu trữ liệu tệp XML 50 2.4.7 Xử lý lỗi .50 2.4.8 Tương tác phần cứng 51 2.4.8.a Các lệnh 52 2.4.8.b Bộ đệm Byte 53 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN .54 3.1 Kiểm tra .54 3.1.1 Phần mềm 54 3.1.2 Phần cứng 54 3.2 Hiệu suất 55 3.2.1 Kết hình ảnh 56 3.3 Kết thảo luận 56 3.4 Hướng phát triển .60 TÀI LIỆU THAM KHẢO .61 PHỤ LỤC .62 Phụ lục I - Một phần Lược đồ XML thuộc tính 62 Phụ lục II - Sơ đồ mạch 64 iv DANH MỤC HÌNH VẼ Hình 1.1 Hình ảnh chụp hai máy ảnh Hình 1.2 Chuyển động xoay máy ảnh theo khái niệm giá đỡ Hình 1.3 Cấu tạo hệ thống thị giác máy Hình 1.4 Cấu hình chuẩn hệ thống máy ảnh 10 Hình 1.5 Ví dụ thị giác mắt người 11 Hình 1.6 Sơ đồ khối hệ thống thị giác .12 Hình 1.7 Các bước thực hiệu chỉnh hệ thống máy ảnh 12 Hình 1.8 Mẫu bàn cờ 13 Hình 1.9 Ví dụ hình ảnh bị méo .14 Hình 1.10 Hình ảnh bị méo sau sửa méo 14 Hình 1.11 Sự bóp méo xun tâm cho ống kính đặc biệt .15 Hình 1.12 Các thơng số nội máy ảnh 15 Hình 1.13 Cặp hình ảnh (trên) cặp sửa chữa (dưới) .16 Hình 1.14 Hình học hình ảnh 17 Hình 1.15 Bản đồ chênh lệch .19 Hình 1.16 Ví dụ đồ chênh lệch 19 Hình 2.1 Sơ đồ phát hành trập 22 Hình 2.2 Động quay vành đai ngược chiều kim đồng hồ 22 Hình 2.3 Sơ đồ ứng dụng 25 Hình 2.4 Xử lý kiện điều khiển 28 Hình 2.6 Các kết tính SAD thơng thường .31 Hình 2.7 Tốc độ phép tốn SAD với kích thước cửa sổ khác .32 Hình 2.8 Phương pháp SAD điều chỉnh .33 Hình 2.9 Đường biên đường bao đối tượng .34 Hình 2.10 Đánh giá kết phương pháp SAD dựa đường biên 35 Hình 2.11: Đường biên 20% số điểm phương pháp Sobel màu xám 36 Hình 2.12 Các mảng màu hình gốc 37 Hình 2.13 Sự che khuất ảnh 38 Hình 2.14 Lọc kích thước vùng 40 Hình 2.15 Phương pháp SAD phân đoạn .41 Hình 2.16 Nội suy bên đường biên .42 Hình 2.17 Tách riêng chi tiết dựa vào độ sâu .43 Hình 2.18 Nội suy đối tượng đồ chênh lệch 43 Hình 2.19 Đối tượng nội suy tách 44 Hình 2.20 Giao diện cơng cụ xử lý ảnh 48 v Hình 2.21 Giao diện cơng cụ thực calib 49 Hình 2.22 Giao diện người dùng ứng dụng trực tiếp 49 Hình 3.1 Một số kết thực tìm SAD đường biên .57 Hình 3.2 Nội suy đồ sai lệch với ảnh Cones 58 Hình 3.3 Trích xuất mặt phẳng lớn .58 vi DANH MỤC BẢNG Bảng 2.1 Bố trí lệnh 23 Bảng 2.2 Mô tả lớp .26 Bảng 2.3 Lệnh định vị 53 vii DANH MỤC CÁC TỪ VIẾT TẮT API Giao diện lập trình ứng dụng CNC Điều khiển số máy tính DSLR Máy ảnh phản xạ ống kính đơn kỹ thuật số GUI Giao diện người dùng đồ họa LCD Màn hình tinh thể lỏng LSB Bít có ý nghĩa nhỏ MSB Bít có ý nghĩa lớn SDK Bộ phát triển phần mềm STL Thư viện mẫu tiêu chuẩn USB Cổng giao tiếp nối tiếp vạn VGA Bộ tương thích đồ họa video OpenCV Open Source Computer Vision SCS Hệ thống máy ảnh SAD Thuật toán tổng độ sai lệch tuyệt đối EDSDK Bộ SDK kỹ thuật số EOS CHƯƠNG 1.1 TỔNG QUAN VỀ XỬ LÝ ẢNH THỊ GIÁC Xử lý ảnh ứng dụng Xử lý ảnh bao gồm lý thuyết kỹ thuật liên quan nhằm mục đích tạo hệ thống nhân tạo tiếp nhận thơng tin từ hình ảnh thu tập liệu đa chiều Đối với người chúng ta, q trình “học” thơng qua giới bên điều dễ dàng Quá trình nhận thức “học” thơng qua q trình sống người Tuy nhiên với vật vô tri vơ giác máy tính, robot… điều thực bước tiến gian nan Các thiết bị ngày không nhận thông tin dạng tín hiệu đơn lẻ mà cịn có “nhìn” thật với giới bên ngồi Cái “nhìn” qua q trình phân tích, kết hợp với mơ máy học, mạng nơron… giúp cho thiết bị tiến dần tới hệ thống nhân tạo có khả định linh hoạt đắn nhiều Một số lĩnh vực ứng dụng công nghệ xử lý ảnh mang tính đột phá sau: Trong lĩnh vực quân Các hệ thống tích hợp quang hồng ngoại có khả tự động điều khiển dàn hỏa lực (pháo, tên lửa) lắp đặt cho trận địa cao xạ, xe tăng, tàu chiến, máy bay, tên lửa vệ tinh Chúng thay hỗ trợ dàn rada dễ bị nhiễu việc tự động phát hiện, cảnh giới, bám bắt mục tiêu Đặc biệt có loại lắp máy bay có khả điều khiển hỏa lực đánh phá hàng chục mục tiêu lúc Ngồi cịn phải kể đến đầu tự dẫn tên lửa đạn thơng minh Trong an ninh, phịng chống tội phạm, bảo vệ pháp luật Các hệ thống máy ảnh nhận dạng khuôn mặt vân tay tự động phát hiện, theo dõi, cảnh báo âm mưu hoạt động khủng bố Các xe robốt tự hành có gắn máy ảnh ứng dụng môi trường độc hại, dị phá bom mìn Trong lĩnh vực hàng khơng vũ trụ Các hệ thống ống kính chụp ảnh viễn thám (remote sensing) lắp vệ tinh bay quanh trái đất chụp quan sát vật kích cỡ 0,5 m từ độ cao 750 km điều kiện thời tiết Việc nối ghép ống kính với hệ thống GPS cho phép xây dựng đồ số có lĩnh vực ứng dụng quan trọng quốc phòng an ninh, phát triển kinh tế, xã hội Trong công nghiệp, giao thông, xây dựng Hệ thống quang điện tử đóng vai trị thị giác máy (machine vision) có khả tự động đo đạc kiểm tra chất lượng sản phẩm dây truyền sản xuất: phân 50 2.4.6 Lưu trữ liệu tệp XML Thông tin giá trị thuộc tính lưu trữ tệp XML giúp dễ dàng thay đổi mà không cần phải biên dịch lại ứng dụng Trình phân tích cú pháp TinyXML ++ , xây dựng dựa TinyXML, dễ làm việc với sử dụng trình vịng lặp để qua nút tài liệu XML ngoại lệ có sai Dữ liệu đọc từ tệp ứng dụng sau khởi động Nếu tập tin bị thiếu hỏng, người dùng thông báo điều thơng báo để có hành động thích hợp Dữ liệu lưu trữ cấu trúc tải vào hộp tổ hợp thuộc tính khu vực thấp GUI 2.4.7 Xử lý lỗi Hầu hết phần xử lý lỗi thực cách ném ngoại lệ Chương trình tạo lớp học đặc biệt cho việc lỗi xảy đối tượng này, lớp dẫn xuất, ném Các lớp dẫn xuất định để xử lý nhóm lỗi cụ thể, ví dụ trường hợp ngoại lệ máy ảnh ( EDSDK ) Các lớp chứa thông tin nơi xảy ngoại lệ chuỗi đọc người mô tả vấn đề Để sử dụng ngoại lệ làm cho mã thường dễ đọc Khi bạn xem ví dụ từ EDSDK tài liệu (2008) bạn thấy có nhiều câu lệnh if lồng Thay vào sử dụng ngoại lệ bạn cần sử dụng câu lệnh if để xem liệu thao tác trước có thành cơng hay khơng khơng bổ yếu tố ngoại lệ Bạn khơng phải có giá trị trả từ phương thức, thay vào bạn thực thi phương thức bên khối thử bắt cho phép khối bắt xử lý ngoại lệ ném lại Xem xét ví dụ mã sau sử dụng cách mã hóa máy ảnh Có nhiều câu lệnh if cho phương thức gọi khối khác cần thiết Cuộc gọi phương pháp cần xử lý giá trị trả EdsError khởi tạoEDSDK (); EdsError kết nốiToCamera (); EdsError readProperies (); EdsError bắt đầu () { EdsError err = OK; err = khởi tạoEDSDK (); if (OK == err) { 51 err = connectToCamera (); if (OK == err) { err = readProperies (); if (OK == err) { // Làm việc khác } } } trả lại lỗi ; } Mã 1: if-statement lồng mã Nếu so sánh ví dụ mã cuối với ví dụ trước, thấy khả đọc đơn giản hóa Các ba phương thức thay đổi thành void thay trả giá trị EdsError , ném từ phương pháp thay Nếu sử dụng lớp ngoại lệ thay ném EdsError, nhận thông tin nơi xảy lỗi dễ dàng gỡ lỗi cung cấp cho người dùng mô tả tốt sai Ứng dụng xử lý đa luồng cách sử dụng chủ đề tách rời khơng nên có ngoại lệ ném khỏi chúng Nó tương tự với việc ném khỏi hàm main () , mô tả Crocker (2008) Hầu tất trường hợp ngoại lệ gửi lại cho CameraManager Phần cứng điều khiển có xử lý ngoại lệ cấp cao riêng họ Các lớp chuyển đổi ngoại lệ thành kiện xử lý GuiControllLink 2.4.8 Tương tác phần cứng Các D2XX lái xe API có hai giao diện khác nhau, “cổ điển” FTWin32 phiên Cái sau sử dụng lệnh gọi chức tương tự API Win32 Comm Chương trình chọn sử dụng phiên FT-Win32 vì, Hướng dẫn Lập trình viên D2XX (2006) mô tả, phức tạp tác giả muốn thay đổi thành trình điều khiển dựa Win32 khác cần thay đổi tên gọi hàm Khi Phần cứng Trình điều khiển gửi lệnh tới vi điều khiển PIC, xử lý riêng chủ đề Lý sử dụng chủ đề phải thời gian để gửi 52 hướng dẫn nhận phản ứng Để gửi lệnh, thời gian chờ giây trước thao tác bị hủy ngoại lệ ném vào GuiControllLink Thời gian chờ chờ phản hồi bên tay 20 giây phải thời gian để di chuyển toa xe từ vị trí cuối Chương trình thêm thêm vài giây để chắn thực di chuyển tất cách Để có điều chủ đề làm cho ứng dụng phản hồi chạy luồng riêng biệt 2.4.8.a Các lệnh Trong phần trước, chương trình mô tả bố cục hướng dẫn gửi đến xử lý PIC Đây mô tả chi tiết chúng: void khởi tạoEDSDK (); void connectToCamera (); void readProperies (); khoảng trống bắt đầu () { EdsError err = OK; thử { khởi tạoEDSDK (); kết nốiToCamera (); readProperies (); //Làm việc khác } bắt (EdsError e) { ném e; } } Mã 2: mã dựa thử Tìm điểm tham chiếu định vị điểm tham chiếu giá đỡ Điều thực cách di chuyển máy ảnh phía trung tâm giá đỡ họ gặp phải microwitch Lệnh phải gửi trước nỗ lực thay đổi vị trí máy ảnh thực hiện, vi điều khiển PIC khơng biết đâu toa xe Định vị yêu cầu PIC di chuyển toa xe máy ảnh đến vị trí so với điểm tham chiếu Nếu điểm tham chiếu chưa định vị, trả lỗi ('E') Giá trị vị 53 trí gửi từ PC định dạng kích thước hai byte, nghĩa chuyển đổi từ giá trị nguyên biểu thị mm phải thực trước lệnh gửi để mô tả Chụp ảnh chụp ảnh với máy ảnh 2.4.8b Bộ đệm Byte Trình điều khiển D2XX ghi / đọc đệm kích thước byte đến từ thiết bị phần cứng Vì cần thiết để chuyển đổi giá trị vào đệm Chương trình định sử dụng tối đa hai byte cho định vị trí giá đỡ Điều cho khoảng cách tối đa 65535 mm cao chiều dài giá đỡ Lệnh hoàn chỉnh lưu trữ std :: vector chứa ký tự không dấu Dữ liệu loại char có kích thước riêng byte Một lệnh định vị người Viking có cấu trúc sau: Bảng 2.3 Lệnh định vị Phần tử vector Giá trị 10 'G' MSB LSB Giá trị khoảng cách lưu trữ đối tượng Phần cứng Trình điều khiển dạng số nguyên không dấu Để chuyển đổi giá trị thành hai ký tự cần lấy hai byte thấp Bằng cách sử dụng hai mặt nạ lọc, xác định thập lục phân 0x00FF (LSB) 0xFF00 (MSB) áp dụng thao tác AND với mặt nạ giá trị nhận byte Giá trị MSB phải chuyển xuống byte để lưu char Tất loại liệu tương tác với trình điều khiển D2XX khơng ký chuyển đổi, bit dấu làm cho việc chuyển đổi cho giá trị sai 54 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 3.1 Kiểm tra Tác giả chụp số nhóm hình ảnh để kiểm tra thiết lập hồn chỉnh Bằng cách nhìn vào hình ảnh 3D kết hình SeeFront thấy trực tiếp trường hợp thử nghiệm Tác giả thử nghiệm để chụp ảnh giống cảnh thay đổi chiều rộng sở Ví dụ, có vật thể cách giá đỡ ba mét chụp ảnh với chiều rộng sở thêm năm mm Xoay kiểm tra cách thay đổi giá trị máy ảnh điểm gần (điểm tham chiếu) Đối tượng thử nghiệm di chuyển qua lại cảnh để xem đối tượng đóng đâu, tức bạn phải căng mắt thật khó nhìn vật Để kiểm tra tiêu điểm khác nhau, tác giả thực nhóm thử nghiệm có đối tượng vị trí xác định Sau đó, chương trình thay đổi tiêu điểm phía trước đối tượng, đối tượng, đằng sau đối tượng, vv so sánh kết Tất thử nghiệm hỗn hợp thực hiện, chương trình thay đổi chiều rộng sở có máy ảnh khác xoay, thay đổi tiêu điểm với xoay khác 3.1.1 Phần mềm Phần mềm thử nghiệm trình phát triển Tác giả tập trung để làm cho ổn định tất tin nhắn hiển thị cho người dùng dễ hiểu, anh / cô nên biết từ phần ứng dụng xảy lỗi Ví dụ: máy ảnh không thực lệnh nào, lệnh Các giai đoạn thiết kế khác kiểm tra kỹ lưỡng trước chuyển sang thiết kế để biết phần phần mềm cần thiết kế lại Thời gian phản hồi người dùng ứng dụng kiểm tra nhiều thời gian tác giả cố gắng tối ưu hóa phần mã 3.1.2 Phần cứng Linus làm thử nghiệm giá đỡ thiết bị điện tử Điều bao gồm để xem xe điều khiển động phong trào làm việc chương trình PIC làm việc Ông làm ứng dụng thử nghiệm theo hướng dẫn gửi đến PIC từ máy tính Nó khơng chuyển đổi giá trị từ luồng byte, hiển thị giá trị phản hồi cuối số nguyên Tác giả sử dụng chương trình thời gian thử nghiệm giá đỡ để so sánh chức với ứng dụng Để kiểm tra di chuyển định vị chương trình thay đổi vị trí từ ứng dụng sau đo thước kẻ 55 Tất nhiên thước đo công cụ tốt để sử dụng cho phép đo vị trí xác Đối với phạm vi luận điểm thực tế phần lớn tác giả tập trung vào phần mềm, chương trình định sử dụng thước kẻ cho kết đủ tốt Sau thêm thành phần nhả cửa trập vào thiết bị điện tử Linus sản xuất, chương trình thử nghiệm chức Chương trình so sánh điều với việc sử dụng EDSDK để chụp ảnh theo ba cách khác Đầu tiên bạn nghe thấy cửa chớp tắt điều mang lại quan điểm chủ quan tốt Nếu cửa chớp xa ngồi bạn dễ dàng nghe thấy điều này, chúng gần việc xác định thời gian xác khó khăn họ Thử nghiệm xem xét hình ảnh thu vật thể di động Cách bạn thấy đối tượng di chuyển hình ảnh bên trái bên phải Cách thứ ba chương trình thử nghiệm sửa đổi phiên thứ hai Đây thử nghiệm khách quan chương trình chụp ảnh đồng hồ bấm hình ảnh thu cho thấy thời gian thực tế chúng chụp 3.2 Hiệu suất Do phải thêm thời gian để tạo thiết kế phần mềm nên khơng có thời gian để làm kiểm tra kỹ lưỡng tất phận Nhìn chung thời gian đáp ứng phần mềm tốt, vấn đề sống xem kích hoạt Sau khoảng 1-2 giây trước bạn thấy điều thực xảy với máy ảnh Lần phần mềm không ổn định máy ảnh bị ngắt kết nối hết pin kết nối mở Bởi khơng có thơng báo từ máy ảnh kiện EDSDK cố gắng đọc / ghi vào vị trí khơng hợp lệ, tức sử dụng trỏ tới nhớ bị hủy khu vực, chương trình gặp cố Bởi giá đỡ gắn hai giá ba chân, phải thời gian để thiết lập Trước tiên bạn cần phải thấy giá ba chân đủ ổn định để giữ giá đỡ, tức đứng mặt đất vững Sau đó, chiều cao phải điều chỉnh để ngăn chặn giá đỡ nghiêng Nhóm nghiên cứu sử dụng mức độ khí xác cao để giá đỡ chỉnh tốt Nó thời gian để lắp máy ảnh lắp đặt lớn nên bạn cần tháo máy ảnh để tháo pin để sạc Đối với người để thiết lập giá đỡ, hình tự động hiển thị, kết nối với máy tính khởi động ứng dụng khoảng 10-15 phút 56 3.2.1 Kết hình ảnh Đồng hóa trập tốt Khơng có vấn đề với việc chụp ảnh vật thể chuyển động có hình ảnh tốt Tất nhiên đối tượng khơng nên di chuyển nhanh tạo bóng mờ hình ảnh giống bạn chụp ảnh thơng thường Ống kính tiêu chuẩn kèm với máy ảnh USB hoạt động tốt để chụp ảnh có độ sâu trường ảnh lớn, tức hầu hết đối tượng có tiêu điểm điểm lấy nét đặt đối tượng Một hình ảnh 3D phải có đầy đủ cảnh tập trung để cung cấp quan điểm sâu sắc tốt Tác giả thử nghiệm để có độ sâu trường ảnh nơng cách lấy hình ảnh đối tượng gần gũi Ví dụ: tập trung vào cành khoảng cách 150 mm, phần lại mờ Các cành cho viễn cảnh 3D tốt khỏi hình phần bị mờ hình ảnh giống họa tiết tường phía sau cành mà khơng có thay đổi chiều sâu tất Tác giả thấy rằng, với chiều rộng sở gần (149 mm) máy ảnh đặt song song, đối tượng tiêu cự khoảng cách gần 2,5 m Với số vịng quay, đối tượng nhận chí gần hơn, hạn chế chiều rộng sở khiến mắt khó nhìn thấy hình ảnh Có số sai lệch hình ảnh tạo bóng mờ hình ảnh Trên thiết bị gắn máy ảnh có ốc vít tinh chỉnh sau điều chỉnh hình ảnh xếp sai Tác giả nhầm lẫn điều sau thời gian nhóm nghiên cứu phát máy ảnh có chân góc, dày khoảng mm Các thiết bị lắp giá đỡ khơng có máy ảnh lỗ khóa trung tâm đó, máy ảnh bên phải có hai chân bục, cịn lại khơng có Sự bù trừ nhẹ gây vấn đề chỉnh Tác giả không xem xét việc gặm chân giải pháp hợp lệ cho vấn đề, chương trình làm áp dụng chỉnh hậu xử lý hoạt động hình ảnh 3.3 Kết thảo luận Các phần trước nêu lên phần lý thuyết áp dụng cho hệ thống dẫn đường dựa thị giác máy tính Phần này, tác giả xin đưa số kết thực máy tính hướng phát triển đề tài tương lai Thuật toán phát độ sâu dựa phương pháp SAD điều chỉnh cho kết tốt 57 Hình 3.1 Một số kết thực tìm SAD đường biên Hình 3.1 thể số kết thực SAD dựa đường biên màu Thuật toán đạt kết tốt trung bình đạt 98% xác Số đường bao xung quanh vật thể nhiều so với phương pháp phát đường biên toán tử Sobel ảnh xám Từ đó, tạo nên sở cho nội suy 58 Hình 3.2 Nội suy đồ sai lệch với ảnh Cones Kết thuật tốn nội suy có phần tương đối hạn chế (Hình 3.2.) chưa có kinh nghiệm nhiều việc nội suy hình ảnh Tuy nhiên, độ sâu đối tượng khác đoán gần Kết thuật tốn có độ xác đến 80% Phần phát mặt phẳng có số sai sót q trình tính tốn độ phân giải độ sâu ảnh mẫu thấp nên kết thực có phần hạn chế Mặt phẳng chưa phát hết có phần sai từ mặt phẳng khác (Hình 3.3) Hình 3.3 Trích xuất mặt phẳng lớn Kết đáng lưu ý thời gian tính tốn hai phần vịng khoảng giây so với thuật tốn SAD phút thuật toán Hough chiếm phút Tốc độ tính toán lõi Atom 1.5GHz Intel Tốc độ cải thiện hệ thống sử dụng lập trình song song để tính tốn 59 Khi xem lại hình ảnh thu hình SeeFront tự động, chương trình nhận kết tốt với vật thể cảnh khoảng cách 2,5 m trở lên Ống kính mặc định kèm với máy ảnh HD đủ tốt để chụp ảnh độ sâu trường ảnh lớn Các đồng hóa trập thực tốt tốt Định vị máy ảnh hoạt động tốt giao tiếp sử dụng mô-đun USB không bị lỗi, trừ bạn ngắt kết nối cáp Quyết định có hai chân máy để gắn giá đỡ khiến di động, xem xét trọng lượng chân máy chương trình sử dụng, nguyên mẫu cần hai chúng để giữ cho giá đỡ không bị rơi Nhưng rõ ràng phải có vài điều chỉnh sản phẩm trước coi sản phẩm sẵn sàng cho thị trường Vấn đề lớn với phần mềm thiếu gọi lại từ máy ảnh mơi trường đa luồng Một số cách khác để tách mã (GUI) từ cập nhật tiêu thụ CPU đối tượng hình ảnh xem trực tiếp phải thực để khắc phục điều Các Thời gian phản hồi từ máy ảnh lâu chế độ xem trực tiếp chạy, tới 1-2 giây trước bạn thực thấy máy ảnh nhận lệnh Với giá đỡ có số vấn đề Khơng liên quan đến giá đỡ, mà liên quan đến kích thước DSLR: s, độ dịch chuyển máy ảnh tối thiểu 149 mm, khiến khơng thể sử dụng chiều rộng sở mắt người khoảng 50-80 mm Hướng dẫn nặng khoảng kg toa xe 0,5 kg mảnh Với phận tùy chỉnh, trọng lượng tổng thể khoảng kg, không bao gồm máy ảnh (khoảng 0,5 kg) Giá đỡ phải giảm 2-3 kg để coi nhẹ Các hình ảnh thu bị chỉnh vì, sau điều chỉnh lắp, bên phải máy ảnh có hai chân tạo độ lệch máy ảnh Chúng ta áp dụng xử lý chỉnh ảnh, sử dụng chế độ xem trực tiếp máy ảnh phải chỉnh để có xem trước video thời gian thực Nếu EDSDK Canon triển khai tốt hơn, ví dụ hỗ trợ mặt chất ứng dụng đa luồng chức xem trực tiếp luồng video đơn giản nhiều thời gian dành để làm cho nguyên mẫu tốt Ví dụ: sửa xem trước trực tiếp trực tiếp hình tự động hiển thị thực chế độ khác người bắt đầu, nghiệp dư chuyên gia Nhiều thời gian dành cho việc thử nghiệm giá đỡ Bây khơng có đủ thời gian để thực phân tích kỹ lưỡng hình ảnh 60 3.4 Hướng phát triển Để có sản phẩm sẵn sàng cho thị trường, có số việc phải làm Trước hết gọi lại máy ảnh cần phải sửa chữa để có tương tác tốt với máy ảnh Khơng có điều này, có số tiềm cố, ví dụ máy ảnh hết pin tắt, không thông báo cho ứng dụng trường hợp xấu làm cho sụp đổ Nhu cầu để thực cách giải để tải xuống hình ảnh trực tiếp sau chụp khơng hoạt động sản phẩm cho thị trường Các ứng dụng cần thử nghiệm số tảng khác nhau, tảng hỗ trợ EDSDK Canon, Windows Vista Mac OS X Bởi tác giả khơng có thời gian để thực hỗ trợ đầy đủ cho chế độ xem trực tiếp nên việc phải thực Trong kết hợp với điều này, việc chỉnh thiết bị lắp đặt giá đỡ phải thật hồn hảo, khơng phải ý tưởng hay để có xem trước trực tiếp chạy áp dụng xử lý hậu kỳ luồng hình ảnh Nó chậm khơng sử dụng thời gian xử lý dài Việc xây dựng phần cứng cần phải điều khiển từ xa Bây có máy ảnh liên chuyển vị thay đổi Vịng quay máy ảnh nên giới hóa Để sửa chữa chỉnh vấn đề phải có cách đặt chiều cao máy ảnh với độ xác tốt giải pháp tương tự, phải thực Trọng lượng tổng thể phải giảm tốt Thay đổi vật liệu thành nhiều vật liệu nhẹ không sử dụng phận từ nhà sản xuất khác, xây dựng tất từ đầu để có nhìn tổng quan tất phận Khi giảm trọng lượng dễ mang theo Nó là ý tưởng tốt để sử dụng chân máy 61 TÀI LIỆU THAM KHẢO [1] Richard Szeliski, (2010), Computer Vision: Algorithms and Applications, Publisher: Springer; 1st Edition, ISBN-10: 1848829345, ISBN-13:978-1848829343 [2] The OpenCV Tutorials, https://docs.opencv.org/2.4/opencv_tutorials.pdf Release 2.4.13.7, [3] Dorit Borrmann, Jan Elseberg, Kai Lingemann, Andreas Nüchter (2011) The 3D Hough transform for plane detection in point clouds: A Review and a new Accumulator Design [4] Hamzah, Rostam & Abd Rahim, Rosman & Noh, Zarina Mohd (2010), Sum of Absolute Differences algorithm in stereo correspondence problem for stereo matching in computer vision application 10.1109/ICCSIT.2010.5565062 [5] Gary Bradski and Adrian Kaehler, (2019), Learning OpenCV, O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebastopol, CA 95472 [6] Eckel, Bruce & Allison, Chuck (2004) Thinking in C++ [7] Pearson Prentice Hall Covington, Michael A (2004) Cable Release and SerialPort Cable for Canon Digital Rebel Cameras [8] Crocker,Steve (2008) Understanding C++ Exception Handling [9] http://en.wikipedia.org/wiki/Rescue_robot [10] http://www.doc.ic.ac.uk/~nd/surprise_97/journal/vol4/jmd/ 62 PHỤ LỤC Phụ lục I - Một phần Lược đồ XML thuộc tính < xs: tên phần tử = " property_names " > < xs: phứcType > < xs: chuỗi > < xs: tên phần tử = " property " type = " propertyType " minOccurs = " " maxOccurs = " không giới hạn " > < xs: ComplexType name = " propertyType " > < xs: chuỗi > < xs: tên phần tử = " tên " loại = " x_ chuỗi " > < xs: tên phần tử = " edsdk_name " type = " eds_opes " > < xs: tên phần tử = " has_description " type = " xs: boolean " > < xs: tên phần tử = " giá trị " type = " valueType " minOccurs = " " maxOccurs = " không giới hạn " > < xs: ComplexType name = " valueType " > < xs: chuỗi > < xs: tên phần tử = " đọc " loại = " x_ chuỗi " > < xs: lựa chọn > < xs: tên phần tử = " hex " type = " xs: hexBinary " > < xs: tên phần tử = " uint " type = " xs: unsignInt " > < xs: tên phần tử = " eds_enum " type = " eds_opes " > < xs: tên phần tử = " live_view " type = " xs: boolean " minOccurs = " 0" maxOccurs = " " > 63 < xs: SimpleType name = " x_ chuỗi " > < xs: Hạn chế sở = " xs: chuỗi " > < xs: minLpm value = " " /> < xs: SimpleType name = " eds_opes " > < xs: hạn chế sở = " x_ chuỗi " > < xs: mẫu value = " kEds ([a-zA-Z0-9 _] +) " /> < xs: maxLpm value = " 100 " /> 64 Phụ lục II - Sơ đồ mạch ... 1.6 Hệ thống máy ảnh mô mắt người 1.6.1 Thị giác máy 1.6.2 Thị giác mắt người .9 1.6.3 Hệ thống máy ảnh mô mắt người 11 CHƯƠNG XÂY DỰNG HỆ THỐNG MÁY ẢNH NỔI ... Trong hệ thống thị giác nổi, máy ảnh liên kết theo chiều ngang cách khoảng cách gọi đường sở Hình 2.2 cho thấy ví dụ hệ thống thị giác với bốn máy ảnh đặt Sử dụng máy ảnh bên trái máy ảnh bên... thành ba phần Thiết kế chế tạo giá đỡ nơi máy ảnh gắn, với vị trí máy ảnh điều khiển từ động bước Thiết kế xây dựng ứng dụng phần mềm chụp ảnh, thay đổi vị trí vị trí máy ảnh giá đỡ Tạo giao diện

Ngày đăng: 08/12/2021, 23:50

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1]. Richard Szeliski, (2010), Computer Vision: Algorithms and Applications, Publisher: Springer; 1st Edition, ISBN-10: 1848829345, ISBN-13:978-1848829343[2]. The OpenCV Tutorials, Release 2.4.13.7,https://docs.opencv.org/2.4/opencv_tutorials.pdf Sách, tạp chí
Tiêu đề: Computer Vision: Algorithms and Applications", Publisher: Springer; 1st Edition, ISBN-10: 1848829345, ISBN-13:978-1848829343 [2]. "The OpenCV Tutorials
Tác giả: Richard Szeliski
Năm: 2010
[4]. Hamzah, Rostam &amp; Abd Rahim, Rosman &amp; Noh, Zarina Mohd. (2010), Sum of Absolute Differences algorithm in stereo correspondence problem for stereo matching in computer vision application. 1. 10.1109/ICCSIT.2010.5565062 Sách, tạp chí
Tiêu đề: Sum of Absolute Differences algorithm in stereo correspondence problem for stereo matching in computer vision application
Tác giả: Hamzah, Rostam &amp; Abd Rahim, Rosman &amp; Noh, Zarina Mohd
Năm: 2010
[5]. Gary Bradski and Adrian Kaehler, (2019), Learning OpenCV, O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebastopol, CA 95472 Sách, tạp chí
Tiêu đề: Learning OpenCV
Tác giả: Gary Bradski and Adrian Kaehler
Năm: 2019
[3]. Dorit Borrmann, Jan Elseberg, Kai Lingemann, Andreas Nüchter (2011) The 3D Hough transform for plane detection in point clouds: A Review and a new Accumulator Design Khác
[6]. Eckel, Bruce &amp; Allison, Chuck (2004) Thinking in C++ Khác
[7]. Pearson Prentice Hall Covington, Michael A. (2004) Cable Release and Serial- Port Cable for Canon Digital Rebel Cameras Khác
[8]. Crocker,Steve (2008) Understanding C++ Exception Handling Khác
w