مسلم خان محمد - دانشجوی ارشد مهندسی مکاترونیک، دپارتمان مهندسی برق، دانشکده فنی و مهندسی گرگان، دانشگاه گلستان ، گرگان
وحید پروین درآباد - استادیار، دپارتمان مهندسی برق، دانشکده فنی و مهندسی گرگان، دانشگاه گلستان ، گرگان

ادومتری میزان چرخش یا جابجایی در طول پیمایش مسیر حرکت را محاسبه می کند. در دیدگاه کامپیوتر ادومتری بصری مسئله بازیابی حرکت دوربین از یک ویدیو است که یکی از مسائل بنیادی در بینایی ماشین می باشد. علیرغم موفقیت کارهای قبلی در محیط های واقعی، پایداری آنها به شدت وابسته به کالیبراسیون دستی و میزان نویز موجود در تصاویر، مانند سطوح غیر لامبرتین، حرکت پویا و سایر ابهامات است. همچنین روش های مبتنی بر یادگیری عمیق نیز تنها از اطلاعات موجود در تصاویر بهره می برند که باعث کاهش دقت آنها شده است. در این پژوهش با استفاده از شبکه های فلونت که عملکرد بسیاری خوبی را برای حل مسئله شار نوری ارائه داده اند، معماری مبتنی بر شبکه های عمیق پیچشی ارائه می دهیم که با استفاده از تخمین میزان شار نوری در تصاویر، مسئله ادومتریبصری را حل می کند. بررسی ها بر روی مجموعه دادگان کیتی در این پژوهش نشان می دهد که روش ارائه شده در تخمین میزان چرخش و همچنین میزان حرکت از روش های دیگربه ترتیب به میزان ۰.۱۲ و ۰.۴۶۴ بر روی معیار خطا بهتر عمل می کند

تخمین حرکت از تصویر، ادومتری بصری، تخمین چرخش، تخمین حرکت، شبکه های عمیق پیچشی، شبکه های عصبی عمیق