Information models for machine vision systems
Abstract
The article examines the information models used in machine vision systems. The content of machine vision systems is disclosed in terms of their belonging to the field of information technology. Two main subsystems are described. The main information models used in machine vision systems are described. These are models of the information situation of four types. Machine vision systems are used as a means of supporting the actions of the driver and as a means of controlling unmanned transport. The types of sensors used in machine vision systems are studied. The feasibility of using an artificial neural network for situational analysis is noted. The difference between stationary, mobile and on-board machine vision systems is shown. The main functions of the on-board machine vision system are described.
About the Author
A. L. Okhotnikov
JSC «NIIAS»
Russian Federation
Russian Federation
Deputy Head of Department, Head of Strategic Development
Moscow
References
1. Цветков В.Я. Модель информационной ситуации // Перспективы науки и образования. - 2017. - №3(27). - С.13-19.
2. Титов Е.К. Многоаспектность информационной ситуации // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2019. - № 1(11). – С.101-106.
3. Цветков В.Я. Информационно измерительные системы и технологии в геоинформатике. - М.: МАКС Пресс, 2016. – 94 с.
4. Dolgy A.I., Rozenberg I.N., Tsvetkov V.Ya. Spatial logic in process of unmanned vehicle operation // В сборнике: AIP Conference Proceedings. Melville, New York, United States of America, 2021. С. 50059.
5. Лёвин Б. А, Цветков В. Я., Дзюба Ю. В. Субсидиарное управление на железной дороге // Мир транспорта. - 2019. - Т. 17. - №4 (83). - С.22-35.
6. Лёвин Б.А. Информационное моделирование при управлении транспортом // Перспективы науки и образования. - 2017. - №3(27). - С.50-54.
7. Стандарт EMVA1288 // URL:/https://www.emva.org/wp-content/uploads/EMVA1288-3.0.pdf (Дата обращения 25.02.2024).
8. Цветков В.Я. Рецепция информации // Образовательные ресурсы и технологии. – 2016. - 1 (13). – С.121-129.
9. Попов, П. А. Сопоставление возможностей человека и машины в восприятии окружающего мира / П. А. Попов, В. Л. Дашонок // Железнодорожный транспорт. – 2019. – № 8. – С. 44-46.
10. Попов, П.А. На пути к беспилотному движению // Автоматика, связь, информатика. – 2017. – №10. – С. 16–17.
11. Патент на полезную модель № 95295 U1 Российская Федерация, МПК B60L 15/38. микропроцессорная система управления и диагностики тепловозов с функцией автоведения: № 2009148125/22: заявл. 16.02.2010: опубл. 27.06.2010 / М. В. Федотов, С. И. Ким, А. А. Пронин, Л. М. Воронкова; заявитель ОАО «РЖД».
12. Патент № 042033. Бортовая система технического зрения локомотива для определения и идентификации препятствий: заявл. 04.02.2021: опубл. 29.12.2022 / А.Л. Охотников, И. Н. Королев, И. А. Дейлид [и др.]; заявитель ОАО «РЖД».
13. Лотоцкий В.Л. Информационная ситуация и информационная конструкция // Славянский форум. - 2017. -2(16). – С.39-44.
14. Tsvetkov V. Ya. Information Relations // Modeling of Artificial Intelligence. 2015. № 4(8). – р.252-260.
15. Титов Е. К. Ситуационный анализ транспортных кибер-физических систем //Наука и технологии железных дорог. – 2022. – Т. 6. – №. 2 (22). – С. 23.
16. Павлов А.И. Пространственная информационная ситуация // Славянский форум, 2016. -4(14). – С.198-203.
17. Плотников С.Б. Параметрическая и пространственная информационная ситуация // ИТ – Стандарт. 2021. 3(28). С.40-45.
18. Лёвин Б.А., Цветков В.Я. Цифровая железная дорога: принципы и технологии // Мир транспорта. - 2018. - Т. 16. - №3 (76). - С.50-61.
Review
For citations:
Okhotnikov A.L. Information models for machine vision systems. Intelligent transport. 2024;(4(32)):37-43. (In Russ.)
Views:
22
JATS XML
Email this article 