स्वचालित टैगिंग

मशीन विजन और रोबोटिक्स में, पहेलियाँ का एक मज़ेदार वर्ग है: पूर्व-ज्ञात टैग का पता लगाना। इसमें सब कुछ शामिल है: क्यूआर कोड, संवर्धित वास्तविकता (एआर, संवर्धित वास्तविकता), पोजिशनिंग ऑब्जेक्ट्स (गति पकड़ने, पोजिशनिंग) के कार्य, टैग द्वारा ऑब्जेक्ट्स का पता लगाना, रोबोटिक्स में ऑब्जेक्ट्स को वर्गीकृत करना (उदाहरण के लिए, स्वचालित छंटाई के दौरान), पोजिशनिंग में स्वचालित सिस्टम की सहायता करना (रोबोट कैप्चर), वस्तुओं का पता लगाना, आदि।







लेख टैग, उनकी क्षमताओं, प्रयोज्यता की सीमाओं को कैप्चर करने के मुख्य तरीकों का वर्णन करता है।

काम की सीमा

सबसे पहले, स्वयं तरीकों का वर्णन करने से पहले, हम उन्हें समूहों में आगे वर्णित करने के लिए एक संक्षिप्त वर्गीकरण पेश करते हैं।







निकट क्षेत्र एक ऐसा क्षेत्र है जिसमें बारकोड देखने के लिए उच्च-रिज़ॉल्यूशन का पता लगाना पर्याप्त है। मध्य क्षेत्र - जहां रिज़ॉल्यूशन लेबल के बाहरी समोच्च के स्थानिक पृथक्करण के लिए पर्याप्त है। सुदूर क्षेत्र - जहां लेबल पिक्सेल के आकार के बराबर है। लंबी दूरी की विधियों का उपयोग निकट और मध्य क्षेत्र में किया जा सकता है।

फील्ड के तरीकों के पास

ये विधियां न केवल लेबल का पता लगाने की अनुमति देती हैं, बल्कि इस लेबल से पर्याप्त मात्रा में जानकारी का भी पता लगाती हैं। इस तरह के तरीकों का एक महत्वपूर्ण ऋण यह है कि उच्च रिज़ॉल्यूशन की आवश्यकता होती है, जिसका अर्थ है कि लेबल बड़ा होना चाहिए। प्लस - बड़ी मात्रा में जानकारी का स्वत: पढ़ना, कभी-कभी यह सुविधाजनक होता है (उदाहरण के लिए, जब संकुल छँटाई करता है)।







पास के तरीकों में सभी प्रकार के बार कोड , क्यूआर कोड , एज़्टेक कोड, मैक्सीकोड आदि शामिल हैं। मैं यहाँ तुलना नहीं करूँगा; इस विषय में कई लिखित हैं, जिनमें विकिपीडिया भी शामिल है।

चयन के तरीके

पहली विधि Hough रूपांतर द्वारा मुख्य दिशाओं का आवंटन है।



सबसे पहले, सभी सीमाओं को छवि में हाइलाइट किया गया है। छवि के लिए, सीमाओं के निर्देशों का एक हिस्टोग्राम का निर्माण किया जाता है। दो मुख्य ऊँचाई लेबल के स्थानिक अभिविन्यास का निर्धारण करेगी।







अधिकतम मैक्सिमा के आसपास के क्षेत्र में, Hough का निर्माण किया जाता है। इस परिवर्तन में, 16 मुख्य मैक्सिमा को प्रतिष्ठित किया जाता है, जिसके अनुसार क्यूआर कोड पैटर्न का निर्दिष्ट अभिविन्यास पाया जाता है, साथ ही रेखा का आकार भी।







उसके बाद, क्यूआर-कोड मुखौटा खींचा जाता है और जानकारी को सटीक रूप से पढ़ा जाता है।



इंटरनेट पर आम दूसरी विधि हैर कैस्केड के माध्यम से एक खोज है। विधि कई स्थानों पर विस्तार से वर्णित है, इसलिए मैं इस पर विस्तार से ध्यान नहीं दूंगा। क्यूआर कोड के कोने के निशान के लिए प्रशिक्षित झरना खोजता है। उम्मीदवार को खोजने के बाद, समरूपता कुल्हाड़ियों की तलाश की जाती है, जो स्वयं कोड के उन्मुखीकरण को निर्दिष्ट करते हैं।



तीसरी विधि । परीक्षण लाइनों का एक सेट लिया जाता है, जिसके लिए उन स्थानों पर जहां काले और सफेद अनुपात में वैकल्पिक (1: 1: 3: 1: 1) खोज की जाती है। यह अनुपात चिह्न के किसी भी घुमाव के लिए सही है।







वे स्थान जहां परीक्षण खंड आवंटित किया जाता है, उन्हें क्यूआर कोड के संदर्भ पात्रों के स्थान के लिए उम्मीदवार माना जाता है।



इन तीन विधियों में कई विविधताएँ हैं। अन्य विधियां हैं (सहित, आप उन तरीकों का उपयोग कर सकते हैं जिनकी चर्चा नीचे की जाएगी), लेकिन वे सभी कम सामान्य हैं। बारकोड डिटेक्शन का मुख्य उद्देश्य उनसे जानकारी पढ़ना है। यदि जानकारी खराब दिखाई देती है और इसे अनदेखा किया जा सकता है, तो विधि को अब प्रदर्शन की आवश्यकता नहीं है, भले ही क्यूआर कोड स्वयं स्पष्ट रूप से दिखाई दे। इसलिए, क्यूआर कोड द्वारा तेज किए गए सभी तरीके आमतौर पर एक छोटे कोड की स्थिति को अलग नहीं करते हैं, भले ही यह दिखाई दे।

मध्य क्षेत्र के तरीके

मध्य क्षेत्र की विधियाँ वे विधियाँ हैं जहाँ नमूने से जानकारी निकालने की आवश्यकता नहीं होती है, लेकिन इसके लिए इसकी पहचान और इसके अभिविन्यास की आवश्यकता होती है। हाल ही में, इस तरह की योजना का सबसे लोकप्रिय कार्य एआर (संवर्धित वास्तविकता) कार्य है। मुझे लगता है कि हर कोई इस बारे में पहले ही सुन चुका है। लेकिन, बस मामले में, यहाँ एक उदाहरण है कि इस तरह की तकनीक कैसे काम करती है:







उपरोक्त उदाहरण GNU GPL के तहत उपलब्ध सबसे प्रसिद्ध ARToolKit AR ढांचे का उपयोग करके बनाया गया था। यह काले वर्णों का पता लगाता है जिसके केंद्र में 1-2 वर्ण होते हैं। उदाहरण के लिए, जैसे:









रूपरेखा गहरे रंग के संबंधित क्षेत्रों का पता लगाती है और उनके लिए समोच्च विश्लेषण करती है। इसके काम के सिद्धांत का एक संक्षिप्त विवरण पहले से ही हैबे पर था, मैं इसे नहीं दोहराऊंगा।



एआर टैग की खोज करने के लिए दूसरा सबसे सरल और सबसे लोकप्रिय तरीका SURF / SIFT का उपयोग करना है। इस मामले में, टेम्पलेट एक लेबल के साथ एक आयत नहीं है, लेकिन किसी भी छवि।







हुर्रे पर एआर मार्कर के रूप में एसयूआरएफ के उपयोग के बारे में भी एक विस्तृत लेख था ।

दोनों तरीकों का नकारात्मक पक्ष पर्याप्त समाधान की आवश्यकता है। इसके अलावा, दोनों एल्गोरिदम के लिए, स्क्रीन पर लेबल कितना बड़ा होगा, इसका एक प्राथमिक अनुमान काफी महत्वपूर्ण है। उदाहरण के लिए, पहली विधि में उपयोग किए जाने वाले बॉर्डर डिटेक्टर और वस्तुओं के विभिन्न आकारों के लिए मौलिक रूप से अलग-अलग परिणाम उत्पन्न होंगे:







बेशक, आप एक फीचर डिटेक्टर को कॉन्फ़िगर कर सकते हैं, चाहे वह SURF हो, SIFT, Haar, HOG, या कुछ और हो, काफी छोटी छवि के लिए (बड़े संस्करण का पता लगाने की क्षमता को बनाए रखते हुए), लेकिन फिर यह लंबे समय तक काम करेगा, और ओरिएंटेशन को पुनर्स्थापित करना अभी भी असंभव होगा ।

दूर क्षेत्र के तरीके

मेरी राय में, उपरोक्त तरीके दुनिया के रूप में पुराने हैं और कुछ भी विशेष रूप से दिलचस्प का प्रतिनिधित्व नहीं करते हैं। उनमें से प्रत्येक के लिए हजारों लेख, लाखों कार्यान्वयन हैं। सुदूर क्षेत्र में पता लगाने की अनुमति देने वाले तरीके कम ज्ञात हैं, ओपनसोर्स के समाधान कम हैं, आपको हमेशा खुद कुछ करना होगा।



क्लासिक फ़ॉर-फील्ड कार्य को मोशन कैप्चर कहा जा सकता है, हालांकि यह केवल अनुप्रयोगों का सबसे लोकप्रिय है। टैग रोबोट को जमीन पर खुद को स्थिति में लाने में मदद कर सकते हैं, एआर समस्याओं को हल कर सकते हैं (उदाहरण के लिए, जमीन पर एक घर खींचना), वस्तुओं को ट्रैक करना, आदि। एक अर्थ में, यहां तक ​​कि तारों के आकाश से जोड़ने का कार्य भी निशान का पता लगाने का कार्य माना जा सकता है।



सबसे पहले, दूर-क्षेत्र के तरीके भी ऑप्टिकल हैं, लेकिन किसी को अन्य तरीकों के बारे में नहीं भूलना चाहिए, जो अंत के करीब उल्लिखित हैं।

ऑप्टिकल वीडियो का पता लगाना

वीडियो स्ट्रीम में सबसे सरल और सस्ता तरीका पता लगा रहा है। किसी भी दूरी से क्या निशान दिखाई देता है? केवल एक चमकदार चमक डॉट। पूरी विधि इसी पर बनी है। ऐसे बिंदु बनाने के दो तरीके हैं: एक प्रकाश बल्ब और एक परावर्तक, जिस पर एक प्रकाश बल्ब चमकने के लिए।







इस तरह के सिस्टम में एल्गोरिदम का मुख्य भाग, परिणामस्वरूप ट्रैकिंग क्षेत्र के आगे के प्रसंस्करण के लिए बिंदु ट्रैकिंग एल्गोरिदम और एल्गोरिदम है। आवंटन एल्गोरिदम स्वयं मुश्किल नहीं हैं। वे आमतौर पर स्थानीय मैक्सिमा का पता लगाने के लिए नीचे आते हैं। यह कैसे किया जा सकता है इसके कुछ उदाहरण इन लेखों ( 1 , 2 , 3 ) में हैं।



यह केवल ध्यान देने योग्य है कि ऑप्टिकल एल्गोरिदम अच्छे घर के अंदर और रात में हैं। दिन में धूप में, प्रकाश बल्ब हजारों अन्य चकाचौंध में खो सकता है (महंगे सिस्टम में जो प्रति सेकंड हजारों फ्रेम लेते हैं, आप इसे अलग करने के लिए सिग्नल के अस्थायी एन्कोडिंग का उपयोग कर सकते हैं)।

रडार टैग

आइए उन लेबलों पर चलते हैं जो प्रकाशिकी का उपयोग नहीं करते हैं। चलो रेडियो रेंज के साथ शुरू करते हैं।



इसमें सब कुछ शामिल है: एक ग्रह स्विंग, जीपीएस, ग्लोनस के साथ सिस्टम - ये हैं, आखिरकार, एक ही लेबल। शहर के बारे में एक सीमा के साथ, अधिक स्थानीय तरीके हैं। एक साधारण बीकन डिवाइस के आसपास के क्षेत्र में एक वस्तु की उपस्थिति का एक निशान हो सकता है। इसके अलावा, इसका पता लगाना किसी भी ऑप्टिकल टैग की तुलना में बहुत सरल और अधिक विश्वसनीय होगा।

ध्वनि विधियाँ

हैरानी की बात है कि ध्वनि टैग के बारे में बहुत कम जानकारी है। वे बनाने में आसान हैं, वे एक्सपोज़र के प्रतिरोधी हैं। बेशक, सटीकता बहुत अधिक नहीं है, और रिसीवर के बीच आधार पर निर्भर करेगा। उनके लिए किट आपको सभी ज्ञात दूरी सेंसर के लिए समान चाहिए, जिसकी लागत $ 2 है:







कई रिसीवरों का एक आधार बनाया गया है, और ट्रांसमीटर एक निशान है। कई बार समस्याओं का सामना करना पड़ा जहां मैं उनका उपयोग करना चाहूंगा, लेकिन अंत में हम ऑप्टिकल लेबल के सरल मार्ग पर चले।



ऐसा लगता है कि मैं व्यापक रूप से इस्तेमाल किए गए तरीकों से कुछ भी नहीं भूल गया (यह स्पष्ट है कि कोड, एआर टैग और मोशन कैप्चर विधियों के लिए कई विविधताएं हैं)। अभी भी विदेशी तरीके (लिडार के लिए कोने परावर्तक) हैं, लेकिन वे दुर्लभ हैं। अगर अचानक किसी और के दिमाग में कुछ और आता है, लिखो, मैं डालने की कोशिश करूँगा।