17. Машинное зрение в робототехнике

🎬 Открыть презентацию

Модуль: Системы восприятия в робототехнике

Тема урока: 17. Машинное зрение в робототехнике

Цель урока: Сформировать у учащихся представление о принципах работы систем машинного зрения и их применении в робототехнике, а также базовых алгоритмах распознавания объектов.

Планируемые результаты:

Предметные:

• Знать основные принципы работы систем машинного зрения
• Понимать физические основы функционирования камер и сенсоров
• Различать типы алгоритмов обработки изображений
• Уметь разрабатывать простейшие блок-схемы алгоритмов распознавания объектов
• Владеть представлением о применении машинного зрения в робототехнике

Метапредметные:

• Регулятивные УУД: умение планировать последовательность действий при разработке алгоритмов обработки изображений
• Познавательные УУД: развитие логического мышления, установление причинно-следственных связей
• Коммуникативные УУД: умение объяснять принципы работы технических систем, отстаивать свою точку зрения

Личностные:

• Формирование научного мировоззрения
• Развитие любознательности и интереса к современным технологиям
• Осознание значимости технологий машинного зрения в современном мире

Задачи урока:

1. Познакомить учащихся с принципами работы систем машинного зрения
2. Рассмотреть физические основы работы камер и сенсоров
3. Изучить базовые алгоритмы обработки изображений и распознавания объектов
4. Проанализировать применение систем машинного зрения в робототехнике
5. Разработать блок-схему алгоритма распознавания простых объектов

Тип урока: Комбинированный (изучение нового материала + практическая работа)

Учебно-методическое и материально-техническое обеспечение:

• Компьютерный класс с проектором и интерактивной доской
• Презентация по теме “Машинное зрение в робототехнике”
• Видеоматериалы с примерами работы систем машинного зрения
• Демонстрационные образцы камер и сенсоров (при наличии)
• Робототехнические наборы с камерами (при наличии)
• Программное обеспечение для создания блок-схем
• Раздаточный материал с примерами алгоритмов распознавания объектов
• Карточки с изображениями для практической работы

Образовательные технологии: Проблемное обучение, работа в малых группах, информационно-коммуникационные технологии, метод моделирования

Межпредметные связи:

• Физика: оптика, цветовые модели, принципы работы цифровых камер, светочувствительные элементы
• Математика: алгоритмы обработки изображений, распознавания образов, матрицы преобразования, статистические методы
• Информатика: методы обработки массивов данных, представление изображений в цифровом виде, программные средства обработки

1. Захват изображения

   • Преобразование оптического сигнала в цифровую форму
   • Управление параметрами камеры (фокус, экспозиция)

2. Предварительная обработка

   • Фильтрация шума
   • Нормализация яркости и контраста
   • Коррекция геометрических искажений

3. Сегментация изображения

   • Бинаризация (превращение в черно-белое изображение)
   • Выделение границ объектов
   • Разделение изображения на области по цвету, текстуре

4. Выделение признаков

   • Размеры объектов
   • Форма (контур, соотношение сторон)
   • Цветовые характеристики
   • Текстура

5. Распознавание

   • Сравнение с шаблонами
   • Классификация по признакам
   • Определение положения и ориентации

6. Интерпретация

   • Принятие решений на основе распознанных объектов
   • Формирование команд для робота

1. Получить исходное изображение
2. Выбрать пороговое значение яркости T
3. Для каждого пикселя (x,y) на изображении:
   3.1 Если яркость пикселя > T, то присвоить значение 255 (белый)
   3.2 Иначе присвоить значение 0 (черный)
4. Вернуть бинаризованное изображение

1. Получить исходное RGB-изображение
2. Определить диапазон цвета для выделения (Rmin, Rmax, Gmin, Gmax, Bmin, Bmax)
3. Создать маску того же размера, что и исходное изображение
4. Для каждого пикселя (x,y) на изображении:
   4.1 Получить значения R, G, B для пикселя
   4.2 Если Rmin <= R <= Rmax И Gmin <= G <= Gmax И Bmin <= B <= Bmax:
       4.2.1 Установить значение маски(x,y) = 255 (белый)
   4.3 Иначе:
       4.3.1 Установить значение маски(x,y) = 0 (черный)
5. Вернуть маску

1. Получить бинаризованное изображение
2. Применить алгоритм выделения границ (Кэнни, Собель)
3. Найти связные компоненты (группы пикселей, образующие контуры)
4. Для каждого контура:
   4.1 Вычислить периметр
   4.2 Вычислить площадь
   4.3 Определить центр масс
5. Вернуть список контуров с их характеристиками

Задача: Разработать блок-схему алгоритма, который определяет тип геометрической фигуры (круг, квадрат, треугольник) на изображении. Входные данные: Бинаризованное изображение с одной фигурой. Выходные данные: Тип фигуры (круг, квадрат, треугольник). Подсказки:

• Для круга: отношение площади к квадрату периметра близко к π/4
• Для квадрата: отношение площади к квадрату периметра близко к 1/16
• Для треугольника: отношение площади к квадрату периметра близко к 1/36
• Также можно использовать количество вершин контура

Задача: Разработать блок-схему алгоритма, который классифицирует объекты на изображении по их основному цвету. Входные данные: Цветное изображение с несколькими объектами. Выходные данные: Список объектов с указанием их цвета (красный, зеленый, синий, желтый). Подсказки:

• Сначала выделите контуры всех объектов
• Для каждого контура выделите область объекта
• Вычислите средние значения R, G, B для каждой области
• Определите цвет на основе преобладающих компонентов

Задача: Разработать блок-схему алгоритма, который определяет положение и ориентацию объекта на рабочей поверхности. Входные данные: Изображение с объектом известной формы. Выходные данные: Координаты центра объекта (x, y) и угол поворота. Подсказки:

• Найдите контур объекта
• Вычислите центр масс (центроид)
• Определите угол наклона главной оси объекта
• Результат представьте в виде координат и угла

Задача: Разработать блок-схему алгоритма, который подсчитывает количество объектов определенного типа на изображении. Входные данные: Изображение с множеством объектов. Выходные данные: Количество объектов каждого типа. Подсказки:

• Выделите все контуры на изображении
• Отфильтруйте контуры по размеру для исключения шумов
• Классифицируйте каждый контур по форме или цвету
• Подсчитайте количество объектов каждого класса

┌─────────────┐
│  Начало     │
└─────┬───────┘
      │
┌─────▼───────┐
│  Получить   │
│ изображение │
└─────┬───────┘
      │
┌─────▼───────┐
│Предобработка│
│(бинаризация)│
└─────┬───────┘
      │
┌─────▼───────┐
│  Выделение  │
│  контуров   │
└─────┬───────┘
      │
┌─────▼───────┐
│   Расчет    │
│периметра (P)│
└─────┬───────┘
      │
┌─────▼───────┐
│   Расчет    │
│ площади (S) │
└─────┬───────┘
      │
┌─────▼───────┐
│  Вычислить  │
│  K = S/P²   │
└─────┬───────┘
      │
┌─────▼───────┐
│    K ≈ π/4  │
│   (±0.05)?  ├─────┐
└─────┬───────┘     │
      │ Нет         │ Да
┌─────▼───────┐     │
│  K ≈ 1/16   │     │
│   (±0.05)?  ├─────┐     │
└─────┬───────┘     │     │
      │ Нет         │ Да  │
┌─────▼───────┐     │     │
│  K ≈ 1/36   │     │     │
│   (±0.05)?  ├─────┐     │     │
└─────┬───────┘     │     │     │
      │ Нет         │ Да  │     │
┌─────▼───────┐     │     │     │
│   Фигура    │     │     │     │
│ не опознана │     │     │     │
└─────┬───────┘     │     │     │
      │             │     │     │
      │       ┌─────▼─────▼─────▼───┐
      └───────►│Вывод результата    │
               └─────────┬───────────┘
                         │
               ┌─────────▼───────────┐
               │        Конец        │
               └─────────────────────┘

Структура алгоритма (0-5 баллов):

• Правильность определения входных и выходных данных (0-1)
• Логичность последовательности шагов (0-2)
• Наличие всех необходимых этапов обработки изображения (0-2)

Содержание алгоритма (0-5 баллов):

• Корректность применяемых методов обработки (0-2)
• Эффективность алгоритма (0-1)
• Обработка возможных ошибок и исключений (0-1)
• Учет особенностей распознаваемых объектов (0-1)

Оформление блок-схемы (0-3 балла):

• Соблюдение стандартов построения блок-схем (0-1)
• Наглядность и понятность (0-1)
• Аккуратность исполнения (0-1)

Защита и объяснение (0-2 балла):

• Качество представления алгоритма (0-1)
• Ответы на вопросы (0-1)

Максимальный балл: 15 Шкала перевода в оценку:

• 13-15 баллов - “5”
• 10-12 баллов - “4”
• 7-9 баллов - “3”
• менее 7 баллов - “2”

Фамилия, имя: _________________________

Отметь свой уровень знаний по теме "Машинное зрение в робототехнике":

До урока:
[ ] Ступень 5 - Могу объяснить другим, как работает машинное зрение
[ ] Ступень 4 - Понимаю большинство принципов работы машинного зрения
[ ] Ступень 3 - Имею общее представление о машинном зрении
[ ] Ступень 2 - Слышал(а) о машинном зрении, но не понимаю, как оно работает
[ ] Ступень 1 - Никогда не слышал(а) о машинном зрении

После урока:
[ ] Ступень 5 - Могу объяснить другим, как работает машинное зрение
[ ] Ступень 4 - Понимаю большинство принципов работы машинного зрения
[ ] Ступень 3 - Имею общее представление о машинном зрении
[ ] Ступень 2 - Слышал(а) о машинном зрении, но не понимаю, как оно работает
[ ] Ступень 1 - Никогда не слышал(а) о машинном зрении

Что помогло мне продвинуться вперед? _____________________
_________________________________________________

Что мне хотелось бы узнать дополнительно по этой теме? ___
_________________________________________________