استفاده از بینایی ماشین برای مسیریابی ربات‌های پرنده همکار در محیط‌های ناشناخته
400,000 تومان
300,000 تومان
پرداخت و دریافت فایل
مسیریابی ربات پرنده همکار. مسیریابی بهینه اساس راه اندازی ربات های خودکار می باشد. با توجه به اینکه مسیریابی کلاسیک تنها بر روی حل مسئله مسیریابی در محیط هایی با موانع ثابت و از قبل مشخص تعریف شده بود.، پژوهشگران در سال‌های اخیر تلاش‌های زیادی را در توسعه و بکارگیری الگوریتم های مسیریابی. در محیط های نامشخص برای ربات های خودکار متحرک انجام داده اند.
سنسورهای مبتنی بر بینایی ماشین در ربات های متحرک مزیت‌هایی زیادی را. از جمله قابل دسترس بودن، هزینه کم و مصرف کم انرژی را دارا می باشند. و به همین دلیل در پیمایش محیط های ناشناخته همواره بیشتر از بقیه سنسورها مورد توجه پژوهشگران واقع شده اند.
در این پایان نامه
روش جدیدی برای حل بهینه مسئله مسیریابی با استفاده از بینایی ماشین در محیط های ناشناخته ارائه شده است. روش مورد نظر ابتدا یک الگوریتم پیشنهادی برای بدست آوردن عمق و در نهایت موقعیت یابی ربات. در محیط با استفاده از دوربین تک چشمی ارائه کرده است که برای این کار. اطلاعات عمق را از روی میزان تأثیر فوکوس بر روی نواحی مختلف تصویر بدست آورده. و بکار می گیرد. در ادامه یک روش جدید برای تهیه نقشه محیط ارائه شده است. و سپس الگوریتم مسیریابی با استفاده از گراف محیط که از مرحله قبل بدست آمده.، مسیریابی می کند.
در نهایت نیز روشی برای مشارکت ربات‌های پرنده همکار در بکارگیری و به اشتراک گذاری اطلاعات جمع آوری شده. از الگوریتم‌های مذکور، بیان شده است تا فرآیند مسیریابی به بهینه‌ترین صورت و به طور اشتراکی انجام پذیرد.
فصل اول: پیشینه کار 7
مقدمه 8
1.1. ربات‌های پرنده بدون سرنشین 13
1.2. ربات‌های پرنده همکار 16
1.3. موقعیت یابی و ایجاد نقشه محیط 19
1.4. مسیریابی 22
فصل دوم: مواد و روش‌ها 26
مقدمه 27
2.1. موقعیت یابی و ایجاد نقشه محیط 27
2.1.1.1. الگوریتم پیشنهادی موقعیت یابی ربات پرنده 27
2.1.1.2. استخراج نقاط ویژگی از تصویر حاصل از دوربین قبل از حرکت 28
2.1.1.3. انجام جابجایی 28
2.1.1.4. استخراج نقاط ویژگی از تصویر حاصل از دوربین بعد از حرکت 28
2.1.1.5. یافتن نقاط ویژگی متناظر از 2 تصویر 28
2.1.1.6. محاسبه میزان جابجایی بر اساس تغییرات مکانی نقاط ویژگی 29
2.1.2. ایجاد نقشه محیط 31
2.1.2.1. گرید بندی فازی محیط: 33
2.1.2.2. شناسایی ویژگی‌های تصویری مستقل از View Port به همراه موقعیتشان 33
2.1.2.3. بافت بندی ویژگی‌های تصویری بدست آمده: 34
2.1.2.4. ناحیه بندی محیط: 34
2.1.2.5. بدست آوردن گراف ارائه کننده محیط: 36
2.1.3. تخمین عمق با استفاده از دیفوکوس 36
2.1.4. الگوریتم HPGA 40
2.1.4.1. روند اجرای الگوریتم 41
2.1.4.2. مزایای الگوریتم HPGA 45
2.1.4.3. نحوه استفاده از الگوریتم فوق برای تخمین جابجایی 46
2.1.5. نقاط ویژگی SIFT 46
2.1.5.1. تعیین نقاط ویژگی کاندید 48
2.1.5.2. تخمین مکان نقاط ویژگی با استفاده از نقاط ویژگی کاندید 50
2.1.5.3. اختصاص جهت و بزرگی به هر نقطه ویژگی: 50
2.1.5.4. استخراج ماتریس توصیف کننده هر نقطه ویژگی 51
2.1.6. تطابق توصیفگرهای ویژگی‌های SIFT 52
2.1.6.1. مدل ساختاری نقاط ویژگی 52
2.1.6.2. تطابق بردارهای توصیفگر نقاط ویژگی 52
2.2. مسیریابی ربات متحرک 53
2.2.1. مراحل اجرای الگوریتم: 56
2.2.1.1. مرحله یک (مقدار دهی اولیه هزینه برای گره‌های بدون هزینه از جمله در هنگام آغاز الگوریتم): 56
2.2.1.2. مرحله دوم (حرکت کردن به یکی از ناحیه‌های هم‌جوار): 58
2.2.1.3. مرحله سوم (شرط پایان الگوریتم): 61
2.2.1.4. میزان تغییر هزینه‌ی ناحیه‌ها در عبور از ناحیه با هزینه‌ی کم به ناحیه با هزینه‌ی بالاتر: 62
2.2.2. فلوچارت الگوریتم پیشنهادی برای مسیریابی: 64
2.3. سیستم ارتباطی و اشتراک اطلاعات در ربات‌های همکار 64
2.3.1. نحوه بروز رسانی پایگاه داده‌ای مربوط به اطلاعات به اشتراک گذاشته شده: 65
2.3.2. نحوه تأثیر دادن اطلاعات پایگاه اشتراکی و غیر اشتراکی در تصمیم گیری: 67
2.3.3. اطلاعات اشتراکی 69
فصل سوم: نتایج، بحث و پیشنهادات 70
مقدمه 71
3.1. موقعیت یابی ربات پرنده 71
3.2. ایجاد نقشه محیط 74
3.3. نتیجه گیری 79
3.4. کارهای آینده 80
منابع 81
بینایی ماشین , برنامه ریزی حرکت , ربات همکار , ربات پرنده , فناوری فضایی , برنامه ریزی مسیر , دید ربات , machine vision , cooperative robot , flying robot , space technology , path planning , robot vision , motion planning
