Содержание к диссертации
Введение
ГЛАВА 1. Состояние вопроса, цель и задачи исследования
Анализ современных детекторов автотранспорта с точки зрения возможности идентификации автомобилей
Математическое описание автотранспортного потока
Проблема распознавания образов применительно к автомобильному транспорту
Методы распознавания образов
Классификация автомобильного подвижного состава
Выводы по главе 1
ГЛАВА 2. Методика математической обработки электрических пространственно-временных сигналов
Гомоморфная обработка пространственно-
временных сигналов
Применение метода произведений для классификации автотранспортных средств
Методика кепстрального анализа оптических образов автотранспортных средств
Применение оператора деконволюции в решении задач распознавания образов автомобилей
Выводы по главе 2 60
ГЛАВА 3. Методика проведения экспериментов по регистрации оптических образов автотранспортных средств
Эксперимент с моделями автотранспортных средств 61
Методика определения истинного значения ширины диаграммы направленности растра
Информационные возможности свёртки собственного сигнала модели с передаточной функцией растра в зависимости от расстояния между оптико-электронным устройством и объектом исследования
Результаты кепстрального анализа оптических образов моделей автотранспортных средств
Результаты применения оператора деконволюции в решении задачи распознавания оптических образов моделей автотранспортных средств
Методика регистрации оптических образов автотранспортных средств в реальных условиях
Библиотека образов автотранспортных средств 86
Информационные возможности свёртки собственного сигнала АТС с передаточной функцией растра, в
зависимости от расстояния между оптико-электронным устройством и объектом исследования
Идентификация оптических образов АТС по методу произведений
Оценка достоверности распознавания образов автомобилей
Результаты кепстрального анализа оптических образов АТС
Результаты применения оператора деконволюции 101
Классификация автотранспортных средств по 103
таксономическим критериям оптических образов
Выводы по главе 3 109
Результаты экспериментов 112
Экспериментальное определение зависимости площади оптического сигнала от скорости движения автомобиля
Методика определения параметров автотранспортного потока
Определение габаритной высоты АТС по тарировочному автомобилю
Методика идентификации автотранспортных средств по габаритным размерам автомобиля
Область применения разработанных методик 125
идентификации автотранспортных средств
Регистрация оптических сигналов на разных ] 27
расстояниях от растрового датчика
Кепстр как индивидуальная характеристика автотранспортного средства
Оператор деконволюции как способ выделения собственного сигнала автомобиля
Метод произведений в решении задачи идентификации 129
Таксономические критерии классификации АТС 130
Выводы по главе 4 130
Общие выводы 131
Библиографический список
- Проблема распознавания образов применительно к автомобильному транспорту
- Методика кепстрального анализа оптических образов автотранспортных средств
- Результаты кепстрального анализа оптических образов моделей автотранспортных средств
- Экспериментальное определение зависимости площади оптического сигнала от скорости движения автомобиля
Введение к работе
Существенно уменьшить показатель аварийности позволят качественные преобразования в системе «Транспортное средство -водите ль-дорога», т.е. переход на интенсивный путь совершенствования организации движения. К таким мероприятиям следует отнести широкое внедрение электронной техники в организацию движения и управления транспортными средствами. В настоящее время как в нашей стране, так и за рубежом проводятся широкие исследования по использованию различных радиоэлектронных, оптических и ультразвуковых систем для обеспечения безопасности движения наземного транспорта. Одним из важнейших факторов движения является состав потока, существенно влияющий на условия и режим движения транспортных средств. Сегодня существует необходимость пересмотра и уточнения методик определения состава потока. Значимость идентификации автомобилей в потоке вызвана широким кругом задач, решаемых на основе информации о качественном составе транспортного потока. Такими задачами являются: определение нагрузок на дорожное полотно; оперативное изменение скоростных режимов; прогнозирование особо аварийных участков дорог; выбор оптимальных мест установки регулировочных знаков; определение динамического габарита автотранспортных средств; поиск угнанных автомобилей; сопровождение автомобилей с опасным грузом; решение задач сортировки потоков; контроль движения пассажирского автотранспорта; оптимизация процессов перевозки пассажиров; оперативное управление движением; корректировка работы светофорной сигнализации; определение необходимости создания стоянок для индивидуальных легковых автомобилей; решение задач логистики; сбор информации об общем составе парка автомобилей в регионе и стране и т.д. Поэтому исследования в области разработки методов идентификации автотранспортных средств актуальны. Наиболее перспективны исследования с применением новых информационных технологий.
Цель исследований. Целью исследований является разработка методов идентификации автомобильного транспорта на основе распознавания их оптических образов для организации движения и снижения количества дорожно-транспортных происшествий.
Решение сформулированной задачи предполагает следующие этапы:
- сравнительная оценка эффективности различных методов и средств сбора информации о параметрах автотранспортного потока;
- экспериментальные исследования по регистрации оптических образов транспортных средств с учётом работы в реальном времени;
разработка методики идентификации транспортных средств по признакам оптических образов на основе цифровой обработки сигналов;
- разработка методики классификации транспортных средств на основе использования таксономических критериев.
Методика и объект исследований. Используемый метод предусматривает применение аппаратуры автоматизированного способа сбора информации, телекоммуникации и математических способов выдачи информации для оперативного принятия решений на основе компьютерных технологий. В качестве объекта исследования выбраны автотранспортные средства.
Научная новизна. В работе впервые:
1. Произведена конструкторская модернизация созданного ранее оптико-электронного устройства для решения задач навигации применительно к регистрации транспортных средств на магистралях и городских улицах.
2. Разработана методика математической обработки электрических сигналов с целью выделения полезной информации для идентификации транспортных средств, теоретически и экспериментально осуществлён выбор таксономических критериев оптических образов автомобилей.
- 3. Разработана методика использования полученных результатов для решения задач организации движения и мониторинга транспортных потоков.
4. Экспериментально исследованы информационные возможности оператора деконволюции свёртки собственного сигнала транспортного средства с передаточной функцией приёмника в зависимости от расстояния между оптико-электронным устройством и автомобилем.
Практическая значимость:
- получена информация о составе транспортного потока по характерным признакам оптических образов транспортных средств;
- идентифицированы транспортные средства с высокой степенью надежности и малой вероятностью ошибки в условиях высокого уровня оптических, акустических и др. помех по репрезентативному набору образов;
- результаты обработки информации получены в реальном времени.
Реализация результатов работы. Результаты диссертационной работы внедрены: кафедрой "Автомобильный транспорт" Владимирского государственного университета в учебный процесс специальностей № 230100 "Сервис транспортных и технологических машин и оборудования" ДС.04. "Основы автоматизации и компьютеризации производственных процессов", № 150200 "Автомобили и автомобильное хозяйство" ДС.02. "Основы автоматизации и роботизации производственных процессов"; кафедрой "Приборостроение и информационно-измерительная техника" Владимирского государственного университета в учебный процесс специальности №1901 "Приборостроение"; Владимирским производственно технологическим центром ДП ГП "РосдорНИИ" при диагностике дороги "Волга М7", внедрены результаты мониторинга транспортных потоков, с применением оптико-электронных растровых датчиков и методика оперативного определения параметров транспортного потока (интенсивности, плотности, скорости, типов транспортных средств); пассажирским автотранспортным предприятием г. Ковров внедрены оптико-электронный детектор транспорта на основе многомерных пластинчатых растров и методика цифровой обработки регистрируемых сигналов.
Основные положения диссертационной работы, выносимые на защиту
1. Методика идентификации транспортных средств по экспериментально полученным оптическим образам, и алгоритмы определения параметров автомобилей, в реальном времени, в автоматическом режиме с применением цифровых методов обработки информации.
2. Классификация автотранспортных средств по таксономическим критериям оптических образов.
3. Методика выбора алгоритма математической обработки оптических сигналов в зависимости от места установки растрового датчика, определяемого реальными условиями. Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях: VIII Международной научно-технической конференции двигателей внутреннего сгорания, автомобильной техники и транспорта "MOTAUTO 01", Varna , Bulgaria 2001; научно-технической конференции "Проблемы проектирования, строительства и эксплуатации автомобильных дорог" УФ МАДИ (ГТУ), Челябинск 2001; IX Международной научно-практической конференции "Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств", Владимир 2002; VIII Международной научно практической конференции "Совершенствование мощностных, экономических и экологических показателей ДВС" Владимир 2001; V Международной конференции "Организация и безопасность дорожного движения в крупных городах", Санкт-Петербург 2002. Публикации. Основные положения диссертации изложены в 11 печатных работах. Структура и объем работы. Диссертация состоит из введения, четырёх глав, выводов, библиографического списка и приложений. Объём диссертации составляет 165 страниц машинописного текста, 12 таблиц, 48 иллюстраций, 7 приложений. Приложения содержат материалы, подтверждающие внедрение результатов. Библиографический список состоит из 157 наименований, включающих 148 отечественных и 9 иностранных источников.
Проблема распознавания образов применительно к автомобильному транспорту
Выбор в качестве параметров распознавания тех или иных физических величин определяется: а) инвариантностью параметров к всевозможным преобразованиям; б) простотой устройства измерения выбранных параметров и преобразования их в код, удобный для использования в системе принятия решений; в) устойчивостью параметров при возможных мешающих воздействиях, то есть помехоустойчивость параметров; г) сложностью обучения распознающей системы.
Таким образом, при управлении транспортными потоками необходима регистрация параметров транспортных потоков в реальном времени за доли секунды до принятия решения. В данных условиях полная обработка образа АТС не представляется возможной, от обработки образов классическими методами, используемыми в медицине, криминалистике и т.д., приходится отказаться и перейти к методам получения информации по характерным признакам образа, тесно связанным с видом транспортного средства. Репрезентативный набор признаков должен обеспечить идентификацию с высокой степенью надежности и малой вероятностью ошибки в условиях высокого уровня оптических, акустических и других помех.
Сравнительный анализ различных методов регистрации и распознавания образов АТС (индукционных, ультразвуковых, магнитометрических, радиолокационных и др.) показал, что каждый из вышеперечисленных методов обладает рядом достоинств, однако имеются и существенные недостатки, такие как достаточно высокая погрешность определения параметров транспортного потока, большие габариты, высокая стоимость установок и высокая стоимость монтажа. Недостатком является также регистрация избыточной информации об АТС многократно превышающей необходимый объем, усложняющий и удлиняющий во времени процесс идентификации.
В распоряжении правительства Москвы "О создании в Москве системы мониторинга транспортных потоков" подчёркнута важность и актуальность задачи информационного обеспечения системы управления транспортными потоками [42,135,137,]. Созданию систем управления и мониторинга транспортных потоков России уделено особое внимание в подпрограмме "Информатизация" федеральной целевой программы "Модернизация транспортной системы России", одобренной Правительством РФ в июле 2001 года [145]. В больших городах с загруженными магистралями важность подобной системы трудно переоценить. ИТС — городские системы улучшения пропускной способности дорог. Они включают: а) детектор транспортного средства (дорожный приёмопередатчик с микропроцессором, подключенным через каналы связи к центральной ЭВМ); б) бортовые приёмопередатчики с визуальной и звуковой индикацией; в) системы распознавания и автоматической классификации транспортных средств.
Специальные датчики (детекторы) количества транспортных средств, текущей пропускной способности, скорости движения, определители конкретных видов транспорта (например, маршрутных) размещаются в зоне дорожного движения. На транспортных средствах, остановках общественного транспорта и т.д. размещаются коммуникационные устройства, которые принимают информацию от датчиков.
ИТС позволяют найти оптимальный маршрут движения, ожидаемое время прибытия автобуса на заданную остановку, расчётное время в пути и т.п.
Внедрение ИТС позволяет исключить существующий ручной метод сбора информации о параметрах ТП, который является малоэффективным из-за влияния "человеческого фактора". Задача автоматического обнаружения транспортных средств и определения параметров транспортных потоков решается при помощи ДТ [4,89,33,38,47,50,54].
Детектор включает в себя ЧЭ (рис. 1.1), усилитель-преобразователь и ВУ. Детекторы транспорта можно классифицировать по назначению, принципу действия чувствительного элемента и специализации (измеряемому ими параметру).
По назначению детекторы делятся на проходные и детекторы присутствия. Проходные детекторы выдают нормированные по длительности сигналы при появлении транспортного средства в контролируемой детектором зоне. Параметры сигнала не зависят от времени нахождения в этой зоне транспортного средства. Таким образом, этот тип детекторов фиксирует только факт прохождения автомобиля, что необходимо для реализации алгоритма поиска разрыва в потоке. В силу этого проходные детекторы нашли наибольшее распространение. Детекторы присутствия выдают сигналы в течение всего времени нахождения транспортного средства в зоне, контролируемой детектором. Эти типы детекторов по сравнению с проходными
Методика кепстрального анализа оптических образов автотранспортных средств
Из определения понятия распознавания образов следует, что это есть совокупность методов и средств, позволяющих, по меньшей мере, достигнуть, а если возможно и превзойти естественные средства восприятия и анализа окружающего мира живыми существами. Одной из задач, решение которой связано с развитием этого научного направления является дистанционная идентификация объектов. Проблема распознавания образов неразрывно связана с задачами автоматического мониторинга. Одной из отраслей, нуждающихся в автоматическом управлении, являются транспортные сети. Сегодня проблема организации движения транспортных потоков остро назрела в крупных городах: скорость и интенсивность транспортных потоков непосредственно воздействуют на расход топлива и выбросы. Рост численности транспортных средств существенно опережает по темпам роста строительство магистральных путепроводов. Это приводит к увеличению аварийности, усложнению процесса перевозки пассажиров, транспортировки материальных ценностей и ухудшению экологической обстановки в жилых массивах городов, неоправданному увеличению экономических и ресурсных затрат. Существуют несколько аспектов, способствующих решению данной проблемы, один из них — система мониторинга транспортных средств. Для регулировки движением транспортных средств на данном перегруженном перекрестке, с учетом ситуации на других перекрестках, требуются метод и аппаратура, способные в реальном времени с высокой степенью надежности оценивать количество и типы транспортных средств — решать задачу распознавания образов.
Известны различные методы регистрации автомобилей - индукционные, ультразвуковые, магнитометрические, радиолокационные и др. [139,43,122]. Один из них основан на анализе издаваемого транспортными средствами шума, другой - на явлении взаимной индукции автомобиля и индукционного датчика, третий - на анализе отраженных сигналов. Каждый из вышеперечисленных методов обладает рядом достоинств, однако, имеются и существенные недостатки, такие как достаточно высокая погрешность определения параметров транспортного потока, большие габариты установок, подверженность воздействию климатических условий, низкие показатели надежности, высокая стоимость монтажа.
Прогресс в радиоэлектронике, вычислительной технике и информатике обеспечил достаточно широкое развитие информационно-навигационных систем на автомобильном транспорте [133,134]. Подобные системы обеспечивают, как правило, решение следующих задач: - определение пространственной координаты АТС в дорожной сети в определённый момент времени; определение маршрута движения АТС от места нахождения к месту назначения и доведение его до водителя; - обеспечение пользователя, находящегося в АТС, возможностью передачи приёма алфавитно-цифровой информации с отображением её на дисплее или с регистрацией на печатающем устройстве. Системы такого класса используются в ряде стран в повседневной практике или находятся в стадии разработки. В ФРГ с 1974 г. используется информационно-навигационная система радиоуправления дорожным движением AR1, разработанная фирмой "Блаупункт-Верке". Частотно модулированный передатчик (ЧМ) метрового диапазона волн передаёт информацию для ТС о состоянии дорог, заторах, объездах и т.п. Данные поступают от полиции, дорожных служб, вертолётных наблюдателей и систем обеспечения технической помощи. На АТС установлены приёмники с декодирующим блоком. Антенна дорожного приёмопередатчика вмонтирована в полотно дороги. С центрального диспетчерского пункта водитель получает информацию о тумане, гололёде, авариях на новом направлении движения. Ориентировочная стоимость дорожного приемопередатчика 85 - 100 долларов, стоимость данной системы 130 - 170 млн долларов. Подобная система функционирует в Австрии, Швейцарии, Дании [27,40,67,68,71,109,112].
Большую роль в организации дорожного движения играет знание местоположения ТС спецслужб: полиции, автоинспекции, пожарной охраны, такси, медицинской помощи. Система фирмы "Боинг Корпорейшен" использует магнитный компас—одометр, автоматический вычислитель курса и пройденного пути, а также передатчик информации по радиоканалу центрального пункта управления связи (ЦПУС). Ошибка определения положения в этой системе составляет не более 30 метров. Однако система может определять положение только тех ТС, на которых установлены приёмники с декодирующим блоком. В компании "Хайзен-корп" применена импульсная дальномерная система, работающая на частоте 900 МГц. Погрешность определения координат 34 м с учетом погрешности распространения 147м. Фирма "Хофман информ индекейшн инк." использует ряд радиоприёмников мощностью 2 мВт каждый, излучающих кодированные посылки, и приемники на борту АТС. Ошибка положения 21м. Для определения местонахождения ТС используют спутниковые системы связи и оповещения. Навигационная система связи GPS, использующая 18 спутников связи разработана в США и внедрена с 1989 г. Точность определения пространственной координаты в системе до 25 м [133].
Результаты кепстрального анализа оптических образов моделей автотранспортных средств
Собственный сигнал модели e(t) по форме близок к прямоугольнику, и это хорошо видно при анализе оптического образа, полученного на расстоянии 0.5 метра (рис. 3.9,а). Однако по мере удаления растрового детектора от модели происходит расширение поля зрения растра, свертка S(t) теряет характерные признаки модели и идентификация по оптическому образу становится маловероятной. Рис. 3.9, б), в) иллюстрируют потерю информативных признаков в сигнале S(t). Результаты исследований зависимости степени информативности свёртки от расстояния до растра, полученные в ходе опытов представлены также на рис. 3.10, 3.11.
Регистрация проводилась с четырёх расстояний - 35.5, 119, 251 и 347 см между моделью и растровым детектором. При регистрации оптических образов в позиции максимального приближения - на расстоянии 35.5 см (см. рис. 3.10, а, рис. 3.11,а), форма оптических образов незначительно зависит от вида импульсной характеристики растра. Они практически совпадают с собственным сигналом модели. Данные образы обладают набором отличительных признаков, по которым возможна идентификация модели. На рис. 3.10, б; 3.11, б представлены оптические образы, зарегистрированные на расстоянии 119 см от датчика. Данные сигналы мало отличаются друг от друга, и идентификация по виду свёртки не представляется возможной.
"Обострить" такие образы, выделить критерии для распознавания способна кепстральная обработка. При дальнейшем увеличении расстояния между моделью и растровым датчиком искажающее влияние растра настолько велико, что оптические образы практически совпадают с импульсной характеристикой (см. рис. 3.10, в, г; рис. 3.11, в, г). Идентификация моделей, зарегистрированных с расстояния, превышающего 119 см, возможна при применении оператора деконволюции, позволяющего исключить из свёртки импульсную характеристику растра, оставив собственный сигнал модели.
Результаты кепстрального анализа оптических образов моделей автотранспортных средств Кепстральный анализ связан с разделением свернутых сигналов и функций, и его основное назначение определяется физическим происхождением этих сигналов и функций. Решение задачи распознавания образов моделей АТС возможно при наличии библиотеки кепстров.
Кепстр обладает свойством обострения сигнала, подчёркивает характерные особенности, делает образ более индивидуальным. Применение кепстрального анализа особенно эффективно в случае автоматического отбора отдельной модели из ряда моделей.
Так, например, характерным для кепстра образа модели "квадрат" является наличие двух равных по амплитуде пиков, соответствующих прохождению начала и конца модели в поле зрения растра.
Кепстр модели "треугольник" имеет четыре ярко выраженных пика, амплитудное значение крайних пиков превышает амплитуду центральных.
А нал из кепстра модели "автомобиль" выявил наличие шести характерных пиков большей частоты, чем у предыдущих моделей, три начальных пика соответствуют прохождению начала модели в поле зрения растра, три конечных соответствуют прохождению в поле зрения растра конца модели. Каждая из троек симметрична относительно центра сигнала. Кепстр модели "круг" отличается наибольшим количеством пиков высокой частоты. Началу сигнала соответствует 7 пиков, далее 8 пиков меньшей частоты, и в конце сигнала ещё 7 высокочастотных пиков. Амплитудные значения пиков наименьшие из всех анализируемых кепстров.
Фрагмент библиотеки кепстров оптических образов моделей АТС представлен в табл. 3.2. Библиотека содержит фотоснимок модели, оптический образ и кепстр. Наличие данной библиотеки позволяет настроить аппаратуру распознавания на конкретно выбранный сигнал (т.е. выбрать из множества сигналов тот, который необходимо идентифицировать) и затем по кепстральным признакам произвести распознавание модели. При этом в качестве объекта распознавания выступает не оптический образ, а его кепстр.
Программа, созданная и работающая в Mathcad 2000 Professional, кепстрального анализа оптического сигнала, полученного при прохождении в поле зрения растрового датчика модели квадратной формы, представлена ниже. График №1 отражает вид свёртки собственного сигнала модели с импульсной характеристикой растра. Идентификация по свёртке является маловероятной, т.к. в ходе экспериментов было выявлено внешнее сходство свёрток моделей разной геометрической формы. Кепстральный анализ позволяет выделить два главных пика, соответствующих моментам прохождения в поле зрения растра начала и конца модели. Амплитудное значение пиков, расстояние между ними являются отличительными признаками и позволяют идентифицировать данную модель. Результат представлен на графике № 2.
Экспериментальное определение зависимости площади оптического сигнала от скорости движения автомобиля
Применение оператора деконволюции позволяет исключить из оптического образа АТС передаточную функцию растра, оставив собственный сигнал АТС в чистом виде. После математической обработки регистрируемых сигналов были получены собственные сигналы АТС, которые внешне напоминают форму корпуса АТС. Это связано с тем, что растр регистрирует перекрываемый автомобилем оптический фон. Набор собственных сигналов АТС является материалом для работы по идентификации объектов транспорта.
При сравнении оптических образов АТС было установлено, что наибольшее влияние импульсная характеристика (передаточная функция) растрового детектора оказывает на образы легковых автомобилей.
Искажающее влияние импульсной характеристики растра на оптический образ ТС обратно пропорционально значению габаритной длины автомобиля. Чем меньше длина АТС, тем большее влияние оказывает передаточная функция. Поэтому при установке растрового детектора в непосредственной близости от дорожного полотна применение оператора деконволюции наиболее эффективно для математической обработки оптических образов легковых автомобилей. По мере удаления детектора от дорожного полотна импульсная характеристика становится значительно шире габаритной длины любого АТС. В этом случае
-не применение оператора деконволюции необходимо, т.к. оптические образы теряют отличительные признаки и идентификация по оптическим образам маловероятна. В табл. 3.6 представлены результаты исключения импульсной характеристики из оптических образов легковых, пассажирских и специальных АТС. Таблица содержит изображение АТС, оптический образ и собственный сигнал, полученный путём применения оператора деконволюции. Как видно из таблицы, собственный сигнал легкового автомобиля повторяет контур корпуса, что позволяет идентифицировать данный класс АТС с малой вероятностью ошибки. Влияние импульсной характеристики растра на образы пассажирского и грузового транспорта незначительно.
При установке детектора в непосредственной близости от дорожного полотна в ходе экспериментов были получены образы АТС, позволяющие производить идентификацию с высокой степенью надёжности и малой вероятностью ошибки. Примером такого образа является оптический образ АТС "КамАЗ", представленный на рис. 3.22, который содержит достаточно информации для создания библиотеки признаков и последующей идентификации. На оптическом образе присутствуют характерные признаки, которые позволяют идентифицировать транспортное средство. Максимум 1 сигнала относится к кабине автомобиля. Следующий за максимумом 1 первый "провал" обусловлен промежутком между кабиной и полуприцепом. Максимум 2 соответствует оптическому полю колесной пары автомобиля, максимум 4 - колесной пары полуприцепа, а промежуточные максимумы 3 обусловлены конструктивными особенностями полуприцепа (выступающим под рамой запасным колесом, наличием ящика для хранения инструмента и т.п.).
В случае регистрации с больших расстояний (более 100 м) поле зрения растра оказывается значительно шире объекта исследования и распознавание АТС по виду свертки S(t) невозможно. В решении задачи идентификации АТС для случая значительной удалённости детектора от дорожного полотна перспективно применение оператора деконволюции [45]. - 103 Результаты применения разработанной программы по исключению диаграммы направленности растра, представленные на рис. 3.23, подтверждают вышеизложенное. Анализ данных, представленных на рисунке, показывает, что тепловой образ, зарегистрированный детектором в момент прохождения в поле зрения растра автомобиля "ВАЗ-212Г -"НИВА" (расстояние между детектором и АТС порядка 100 м), не обладает характерными признаками, позволяющими отнести данный образ к классу легковых автомобилей. В результате деконволюции получен собственный сигнал АТС, форма которого достаточно точно повторяет силуэт автомобиля. На рис. 3.24 представлен собственный сигнал автомобиля ТАЗ-3110" "Волга", полученный в результате деконволюции оптического образа данного АТС. Перспективность применения оператора деконволюции демонстрируют рис. 3.23 и 3.24.
