تهیه نقشه محیط گلخانه به کمک مکان یابی لبه سکوهای کشت مبتنی بر بینایی استریو

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 272

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAM-7-2_002

تاریخ نمایه سازی: 6 دی 1399

چکیده مقاله:

بینایی سه‌بعدی درک بالایی از محیط پیرامون ارائه می دهد، چراکه اطلاعات زیادی در عمق تصاویر ذخیره می شوند که در تصاویر دوبعدی مورد استفاده قرار نمی گیرند. از مهم ترین راه ها برای رسیدن به بینایی سه‌بعدی، استفاده از بینایی استریو است. در ناوبری، از بینایی استریو برای تعیین موقعیت موانع حرکت استفاده می شود. اصلی ترین مانع حرکت در گلخانه سکوهای کشت می باشد، از طرفی برای انجام هر عمل خودمختار توسط وسیله نقلیه خودکار نیاز است که وسیله یک نمایش از محیط اطراف در اختیار داشته باشد، بنابراین با تعیین موقعیت سکوهای کشت امکان ساخت نقشه جامع محیط گلخانه و کنترل خودکار فراهم می شود. روش ارائه شده در این تحقیق برای مکان یابی سکوهای کشت به‌کارگیری ویژگی عدم پیوستگی عمق در محل لبه ی سکوها می باشد. استفاده از این ویژگی باعث کاهش حجم نقاط مدل ابر نقطه ای و در نتیجه کاهش زمان پردازش و افزایش دقت در تخمین مختصات گوشه ی سکوها شد. نقشه جامع تولید شده برای محیط گلخانه نشان داد که الگوریتم معرفی شده توانایی شناسایی 101/042 متر یعنی 94/79 درصد از طول کل لبه ی سکوها را دارد. برای ارزیابی دقت نتایج الگوریتم در تخمین موقعیت سکوها، مختصات گوشه ی سکوها از نقشه های محلی استخراج و سپس به‌منظور محاسبه خطا، فاصله اقلیدسی بین مختصات گوشه های به‌دست‌آمده از حسگر مرجع و نقشه های محلی محاسبه شد. بیش ترین خطا در تخمین موقعیت گوشه ها 0/169 متر، کم ترین مقدار 0/0001 متر و میانگین خطا 0/7309 متر بود. نتایج شناسایی گوشه ی سکوها نشان داد که الگوریتم طراحی شده توانایی تشخیص 83/33 درصد از گوشه ها را دارا می باشد.

نویسندگان

امین نصیری

دانشگاه تهران

حسین مبلی

دانشگاه تهران

سلیمان حسین پور

دانشگاه تهران

شاهین رفیعی

دانشگااه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bay, H., A. Ess, T. Tuytelaars, and L. Van Gool. ...
  • Benson, E., J. Reid, and Q. Zhang. 2003. Machine vision–based ...
  • Bhatti, A. 2011. Global 3D Terrain Maps for Agricultural Applications. ...
  • Bradski, G., and A. Kaehler. 2008. Learning OpenCV: Computer vision ...
  • Brand, C., M. J. Schuster, H. Hirschmüller, and M. Suppa. ...
  • Canton, J., J. Donaire, and J. Sanchez-Hermosilla. 2012. Stereovision based ...
  • Civera, J., O. G. Grasa, A. J. Davison, and J. ...
  • Craig, J. J. 2005. Introduction to robotics: mechanics and control. ...
  • Cyganek, B., and J. P. Siebert. 2009. An Introduction to ...
  • Hirschmuller, H. 2005. Accurate and efficient stereo processing by semi-global ...
  • Kise, M., and Q. Zhang. 2008. Development of a stereovision ...
  • Kise, M., Q. Zhang, and F. R. Mas. 2005. A ...
  • Kitt, B., A. Geiger, and H. Lategahn. 2010. Visual odometry ...
  • Milella, A., B. Nardelli, D. Di Paola, and G. Cicirelli. ...
  • Peyman, S. H., A. B. Ziaratgahi, and A. Jafari. 2016. ...
  • Rosell, J., and R. Sanz. 2012. A review of methods ...
  • Rovira-Mas, F., Q. Zhang, and J. Reid. 2005. Creation of ...
  • Rovira-Mas, F., Q. Zhang, and J. F. Reid. 2008. Stereo ...
  • So, G. J., S. H. Kim, and J. Y. Kim. ...
  • Trucco, E., and A. Verri. 1998. Introductory techniques for 3-D ...
  • Xia, C., Y. Li, T. S. Chon, and J. M. ...
  • Yang, L., and N. Noguchi. 2012. Human detection for a ...
  • Yeh, Y. H. F., T. C. Lai, T. Y. Liu, ...
  • Zhang, Z. 1999. Flexible camera calibration by viewing a plane ...
  • نمایش کامل مراجع