Автоматизация проектирования компонентов расширенной реальности

• Автор: Четвергова, Мария Владимировна
• Шифр специальности: 05.13.12
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Волгоград
• Количество страниц: 187 с. : ил.

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
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

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
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
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

параметры - давление, температура, расход воды и тем самым предотвратить потерю энергоресурсов. Поэтому актуально создание автоматизированных систем, позволяющих в автоматическом режиме идентифицировать объекты ЖКХ.
Современное развитие информационных технологий, средств коммуникаций и мобильных устройств позволит создать автоматизированную, быстродействующую систему для обнаружения и локализации повреждений трубопроводной системы, с помощью которой можно быстро определить место протечек трубопровода, что существенно сократит время работы на восстановление инженерной сети и позволит предупредить серьезные последствия возможных катастроф техногенного характера и, как следствие, снизит экономические затраты.
Архитектура предлагаемой подсистемы предельно проста - видеокамера считывает заранее сгенерированный планарный маркер, размещенный на объекте ЖКХ, затем подсистема идентификации находит в базе данных информацию о текущем объекте согласно данному маркеру, а подсистема визуализации отображает полученную информацию на экране мобильного устройства или персонального компьютера. Основная трудность при разработке подсистемы связана с созданием соответствующего программного обеспечения.
Проведенный обзор позволяет определить функции создаваемой подсистемы [140]:
автоматизация идентификации, аутентификации и визуализации полученных по каналам связи данных с удаленных объектов ЖКХ;
- реализация процесса быстрого доступа и получения любой хранящейся в базе данных информации с помощью графического пользовательского интерфейса, в любом для пользователя виде (таблицы, графики);
- возможность работы пользователя, как с архивными, так и с текущими данными, что позволяет контролировать работу котельной без