Нейрокалибровка бинокулярной системы с существенной дисторсией

• Published in: Математичні машини і системи
• Date: 2005
• Main Author: Киреев, О.С.
• Format: Article
• Language: Russian
• Published: Інститут проблем математичних машин і систем НАН України 2005
• Subjects: Обчислювальні системи
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/58386
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Нейрокалибровка бинокулярной системы с существенной дисторсией / О.С. Киреев // Мат. машини і системи. — 2005. — № 2. — С. 33-44. — Бібліогр.: 6 назв. — рос.

Показана применимость нейронных сетей в задаче калибровки стереопары с существенной 
 дисторсией. Подтверждена устойчивость нейрокалибровки к зашумлению калибровочных данных. 
 Проведено сравнение аналитических методов калибровки и различных методов нейрокалибровки, 
 отличающихся количеством скрытых слоев, функцией активации, использованием препроцессора и 
 количеством нейросетевых модулей. Получены оптимальные архитектуры нейронных сетей для задачи 
 нейрокалибровки. Сформулированы практические рекомендации по процедуре нейрокалибровки 
 бинокулярных систем. Разработан оригинальный программный комплекс на языке Matlab для 
 генерирования синтетических данных и обработки результатов калибровки. Показано застосовність нейронних мереж до задачі калібрування стереопари з істотною 
 дисторсією. Підтверджено стійкість нейрокалібрування до зашумлення калібрувальних даних. Проведено 
 порівняння аналітичних методів калібрування та різних методів нейрокалібрування, що відрізняються 
 кількістю прихованих шарів, функцією активації, використанням препроцесора та кількістю 
 нейромережевих модулей. Отримано оптимальні архітектури нейронних мереж для задачі 
 нейрокалібрування. Сформульовано практичні рекомендації щодо процедури нейрокалібрування бінокулярних 
 систем. Розроблено оригінальний програмний комплекс на мові Matlab для генерації синтетичних даних та 
 обробки результатів калібрування. Neural networks applicability to the task of essentially distorted stereopair calibration is demonstrated. 
 Neurocalibration robustness to the noise in calibration data is justified. Analytical calibration methods are compared 
 with different neurocalibration ones, which differ in number of hidden layers, activation function, preprocessor usage 
 and number of neural modules. Optimal neural networks architectures for the task of neurocalibration are obtained. 
 Practical recommendations for binocular systems calibration procedure are formulated. Original software complex in 
 Matlab language is developed for synthetic data generation and calibration results processing.