امین نصیری؛ حسین مبلی؛ سلیمان حسین پور؛ شاهین رفیعی
چکیده
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 ...
بیشتر
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.
