دانلود پاورپوینت تشخیص و ردیابی مانع بر اساس

بخشی از پاورپوینت

اسلاید 1 :

   مقدمه

  دراین جا یک الگوریتم ردیاب و مسیریاب ماشینی با زمان حقیقی  برای عکس های ویدئویی ماشینی معرفی می کنیم.

این ردیاب ماشینی با زمان حقیقی کاربردهای قابل استفاده ای دارد مثلا" برای همین سیستم اخطار دهنده تصادم رو در روی ماشین ها .

ما از سیستم CDT برای گردآوری ویژگی های تصاویر استفاده می کنیم.  

اسلاید 2 :

اطلاعات مربوطه و روش پیشنهاد شده

    اگر بخواهیم در این روش ردیابی موانع از نظر کامپیوتری دقیق باشیم باید کلی اطلاعات و یا خصوصیات جمع اَوری کنیم.

  روشی که پیشنهاد می شود ، سیستمی است که بر اساس ظاهر است.

اسلاید 3 :

              ردیابی ماشین در زمان حقیقی

از خصوصیات مختصاتی ساده برای طبقه بندی ماشین استفاده می شود: تراکم  گوشه ها،تراکم خط های عمودی و افقی ودرجه انحراف ناحیه .

در حقیقت ،این چهار خصلت به تنهایی یک طبقه بندی خوبی را ارائه می دهند.

اسلاید 4 :

                                                                      قطعه قطعه کردن تصاویر

                                                  فرضیه ساختن

 ردیابی ماشین

                                                  بررسی فرضیه

                                                  نتایج ردیابی

اسلاید 5 :

قطعه قطعه کردن تصاویر

  در قطعه بندی بر اساس CDT قطعه های تصویر به وسیله ی پیدا کردن قطعات خطوط و بکاربردن CDT برای یافتن یک تقسیم بندی مثلثی مناسب .

از یک ردیاب گوشه ای که همراه است با دسته بندی کردن خطوط و متناسب کردن اَنها برای بدست اَوردن قطعات خطوط استفاده می شود.

همچنین از یک ردیابی خطی برای شکستن خطوط منحنی ها استفاده کردیم.

اسلاید 6 :

فرضیه ساختن

یک فرضیه ماشینی از دو قطعه خط افقی بوجود می اَید.در ابتداخط های افقی از بین گوشه های مثلث ها انتخاب میشوند.

یک خط افقی به عنوان baselineماشینی کاندید میشود، فرضیات مکانی 3-D ماشین تخمین زده میشود.

قدم بعدی جستجو کردن برای خط  های ممکن بالایی است.

اسلاید 7 :

بررسی فرضیه ها

چهار خصلت مختصاتی برای بررسی یک فرضیه استفاده شده است.

                              تراکم گوشه ای

                              تراکم خطوط افقی

                             تراکم خطوط عمودی

                              انحراف استاندارد                   

اسلاید 8 :

تراکم گوشه ای بوسیله ی میانگین تابع انرژی به روی تمام pixel ها بدست می آ ید.

  تراکم خطوط افقی بوسیله ی میانگین گرفتن ماکزیمم

     (y|,0∂/I∂|α-|x∂/I∂|)به روی تمام pixel ها .حساب می شود.(3= α)

    ( x∂/I∂ )و (y∂/I∂) با اجرا کردن 3*3 بدست می آید.

   تراکم خطوط عمودی بوسیله ی میانگین گرفتن ماکزیمم

    (x|,0∂/I∂|β-|y∂/I∂|)به روی تمام pixel ها حساب می شود.(3= β )

اسلاید 9 :

تمام مقادیر خصوصیات فرضیه را برای یک مثلث محاسبه کرده و سپس برای تمام مثلث ها بسط می دهیم.

مقدار میانگین کل ناحیه از جمع کردن میانگین مثلث ها با در نظر گرفتن ناحیه آنها بدست می آید.

سپس،انحراف استاندارد این فرضیه بوسیله ی این فرمول محاسبه

   میشود:

اسلاید 10 :

Ø هر فرضیه و همه فرضیات بر اساس بازده S M(نمره فرضیه) بدست

 می آیند و فرضیات با نمرات بالا انتخاب شده اند.فرضیات انتخاب شده در این مثال ،تصویرش دراین شکل  نشان داده شده است.