روشی هوشمند برای موقعیت یابی دو بعدی ربات با استفاده از شبکه عصبی فازی

امروزه کاربرد بینایی ماشین در سیستمهای رباتیک استفاده از تصویربرداری به طور چشمگیری در حال توسعه است البته استفاده از دوربین مشکلاتی نظیر محدودیت زاویه تصویر برداری تحدب ایجاد شده در تصویرو ... را به همراه دارد برای رفع محدودیت زاویه دید دوربین می توان از لنزهای واید استفاده کرد ولی این خود باعث افزایش تحدب تصویر می شود دراین مقاله سعی شده با استفاده از تکنیکهای مبتنی بر شبکه های عصبی، موقعیت هر نقطه را در تصاویر گرفته شده از یک دوربین با لنز واید مشخص کنیم به گونه ای که این موقعیت یابی مستقل از مکان و زاویه دوربین باشد دوربین کالیبره شده توسط الگوریتم ارائه شده می تواند در مسابقات رباتیک یا هرجایی که نیاز به موقعیت یابی دو بعدی داشته باشد مورد استفاده قرار بگیرد. در این روش با استفاده از تعدادی تصویر الگو که در موقعیت های گوناگوندوربین و زاویه های تصویربرداری مختلف گرفته شده اند شبکه عصبی فازی محلی خطی ارائه شده با درنظر گرفتن ویژگیهای مناسب از تصاویر پارامترهای داخلی وخارجی دوربین را برای موقعیت یابی در دو بعد اموزش می بیند.

Keywords:

شبکه عصبی فازی محلی خطی LLNF , کالیبراسیون دوربین , محدوده هدف , موقعیت یابی , LOLIMOT