ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

انتخاب بهترین نقاط تطبیق در تصاویر متوالی برای تصحیح ناوبری هواپیمای بدون سرنشین

سال انتشار: 1390
کد COI مقاله: ICMVIP07_021
زبان مقاله: فارسیمشاهد این مقاله: 935
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب بهترین نقاط تطبیق در تصاویر متوالی برای تصحیح ناوبری هواپیمای بدون سرنشین

محمدولی ارباب میر - دانشگاه صنعتی مالک اشتر
حبیب قنبرپور اصل - دانشگاه صنعتی شریف
حمید دهقانی - دانشگاه صنعتی مالک اشتر

چکیده مقاله:

این مقاله روشی جدید مبتنی بر تلفیق نقاط به دست آمده از الگوریتم SIFT و نقاط استخراجی از پیشگویی براساس معادلات ناوبری وسیله پرنده، بیان می کند. برای استخراج نقاط و تطبیق آنها در تصاویر متوالی از الگوریتم SIFT استفاده شده است، این الگوریتم نقاطی از تصویر که در برابر تغییرات بزرگنمایی، روشنایی و زاویه دید، مقاوم می باشند را استخراج و توصیف کرده و این نقاط را در تصاویر با شرایط متفاوت عکس برداری ولی دارای صحنه های مشترک، تطبیق می دهد. استفاده از الگوریتم SIFT به تنهایی، با تطبیق اشتباه و نیز دقت های متفاوت در تطبیق همراه است. روش پیشنهادی که براساس پیشگویی موقعیت نقاط تصویر دریافتی در تصویر مرجع و یا تصاویر فریم های بعدی است، موجب حذف نقاط تطبیقی اشتباه و نقاط خارج از محدوده ی واریانس خطای پیشگویی، می گردد. لذا تطبیق در تصاویر متوالی یک UAV یا ربات، با اطمینان بالایی انجام می شود. این روش بهترین نقاط تطبیق در تصاویر را برای تصحیح دقت مکان یابی ربات و پارامترهای ناوبری یک وسیله پرنده، انتخاب می کند. نتایج نشان می دهد که تمامی نقاط ناشی از تطبیق اشتباه الگوریتم SIFT، کاملا حذف شده و فقط نقاط صحیح و دارای خطای کمتر از خطای ناوبری، انتخاب می شوند.

کلیدواژه ها:

پيشگويي، نقاط كليدي، SIFT، UAV

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/159055/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ارباب میر، محمدولی و قنبرپور اصل، حبیب و دهقانی، حمید،1390،انتخاب بهترین نقاط تطبیق در تصاویر متوالی برای تصحیح ناوبری هواپیمای بدون سرنشین،هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران،تهران،،،https://civilica.com/doc/159055

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، ارباب میر، محمدولی؛ حبیب قنبرپور اصل و حمید دهقانی)
برای بار دوم به بعد: (1390، ارباب میر؛ قنبرپور اصل و دهقانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Sven Siggelkow, Feature Historgrams for Content-Based Image Retrieval. PhD Thesis, ...
  • Hamns S chulz-Mirbach, "Invariant Features for Gray Scale Images, " ...
  • Affine An:ه [3] Krystian Mikolajczyk and Cordelia Schmid, Invariant Interest ...
  • Matthew Brown and David G.Lowe, "Invariant features from interest point ...
  • David G. Lowe, _ Object recognition from local scale- invariant ...
  • Jana Kosecka and Fayin Li, "Vision Based Topological Markov Localization, ...
  • Stephen Se, David G. Lowe and Jim Little, "Mobile robd ...
  • David G. Lowe, "Distinctive Image Features from Scale- Invariant Keypoints, ...
  • D. H. Titterton, Strapdown inertial navigation technology. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 7,735
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی