Объект исследования – локальная топология объектов в точечном изображении. Цель работы – реализация и применение алгоритма Point-pattern matching, основанного на локальной топологии пары точек и вероятностной релаксационной маркировки. В результате исследования был реализован алгоритм Point-pattern matching, продемонстрированы и проанализированы алгоритмы распознания объектов на точечных изображениях. В результате сравнения выявлено, что алгоритм Point-pattern matching среди остальных является более эффективным для работы в реальном времени. Проведены эксперименты для демонстрации точности работы алгоритма Point-pattern matching. Апробационная оценка показывает, что результаты экспериментов соответствуют теоретическим. Алгоритм является востребованным для современного мира и применяется в робототехнике, медицине, астрономии и др. Использовались открытые образовательные ресурсы и программы поиска и анализа информации: Библиотека языка Python. Использовались средства автоматизации (автоматизированной) разработки Python. Применено (протестировано) программное обеспечение Python.

The object of research is local topology of objects in point-pattern image The aim of the work is to implement and apply Point-pattern matching algorithm based on local topology of a pair of points and probabilistic relaxation labeling. As a result of the study, the Point-pattern matching algorithm was implemented, and the algorithms for object recognition in point images were demonstrated and analyzed. The comparison revealed that Point-pattern matching algorithm among the others is more efficient for real time operation. Experiments are conducted to demonstrate the accuracy of Point-pattern matching algorithm. The validation evaluation shows that the experimental results are consistent with the theoretical results. The algorithm is in demand for the modern world and is used in robotics, medicine, astronomy, etc. Open educational resources and programs of information search and analysis were used: Python language library. Python automation (automated) development tools were used. Python software was used (tested).