راه کاری نوین در ماشین بینایی و فتوگرامتری برای بازیابی موقعیت نسبی دوربین ها در تصاویر استریو با استفاده از تجزیه SVD ماتریس اساسی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 215

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSCIT-8-2_006

تاریخ نمایه سازی: 25 مهر 1403

چکیده مقاله:

اطلاعات موقعیت و وضعیت نسبی دوربین ها در تصاویر استریو، در درون ماتریس اساسی E(Essential Matrix) مندرج است. تجزیه این ماتریس به یک ماتریس دوران R و یک ماتریس پادمتقارن S، ابزاری کارآمد در بازیابی موقعیت و وضعیت نسبی دوربین ها در این تصاویر می باشد. در این مقاله، با استفاده از تجزیه ماتریس اساسی E و بردار پایه فضای پوچ چپ آن به مقادیر و بردارهای منفرد (Singular Value Decomposition)، روشی جدید برای بازیابی موقعیت نسبی دوربین ها در تصاویر استریو ارائه شده است. ابتدا فرمول های موجود در تجزیه ماتریس اساسی E به ماتریس دوران R و ماتریس پادمتقارن S با استفاده از تجزیه SVD، به طور مستقیم اثبات و تبیین شده و در ادامه بر اساس نتایج آن، روشی جدید در این مقاله ارائه و اثبات می گردد. در این روش نیازی به نگاشت اولیه ماتریس اساسی E محاسبه شده از مختصات های خطادار نقاط عکسی متناظر در دو تصویر، به فضای ماتریس های اساسی نبوده و این نگاشت در هنگام تعیین ماتریس پادمتقارن S انجام می گردد. بررسی های انجام شده نشان می دهد که نتایج روش جدید ارائه شده با نتایج حاصل از فرمول های تجزیه موجود یکسان است.

کلیدواژه ها:

ماتریس اساسی ، توجیه نسبی ، بازیابی موقعیت و وضعیت نسبی دوربین ، تجزیه SVD

نویسندگان

Masood Varshosaz

گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

Alireza Afary

گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

Mohammad Saadatseresht

دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران

Barat Mojaradi

دانشکده عمران، دانشگاه علم و صنعت ایران، تهران، ایران

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 :
  • T. Luhmann, S. Robson, S. Kyle, and J. Boehm, Close-range ...
  • J. C. McGlone, E. M. Mikhail, J. S. Bethel, and ...
  • K. Kraus, Photogrammetry: geometry from images and laser scans. Walter ...
  • J. O. Ogundare, Understanding Least Squares Estimation and Geomatics Data ...
  • R. Hartley and A. Zisserman, Multiple view geometry in computer ...
  • Y. Ma, S. Soatto, J. Kosecka, and S. S. Sastry, ...
  • H. C. J. N. Longuet-Higgins, "A computer algorithm for reconstructing ...
  • G. H. Georgiev and V. D. J. A. M. S. ...
  • M. J. T. P. R. Gerke, "Photogrammetric Computer Vision–Statistics, Geometry, ...
  • B. K. J. J. o. t. O. S. o. A. ...
  • W. Wei and T. Hung Tat, "A SVD decomposition of ...
  • G. Strang, "Introduction to Linear Algebra . Wellesley Cambridge, ۲۰۱۶," ...
  • R. Bro, E. Acar, and T. G. J. J. o. ...
  • D. J. I. t. o. p. a. Nistér and m. ...
  • K. Kanatani, Geometric Computation for Machine Vision. Clarendon Press, ۱۹۹۳ ...
  • C. B. J. P. E. Duane, "Close-range camera calibration," vol. ...
  • نمایش کامل مراجع