ارائه مدلی برای بازنمائی نقشه ربات متحرک بر اساس عملکرد سلولهای مکانی هیپوکمپ
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 929
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_052
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
ساخت نقشه برای ربات متحرک از مسائل مهم رباتیک به شمار میرود. در این مقاله، یک مدل جدید برای بازنمائی نقشه محیط توسط ربات متحرک ارائه شده است که تنها با استفاده از اطلاعات دوربین و بدون نیاز به اطلاعات ادومتری قادر به نمایش نقشه محیط است. نوآوری این مقاله، ارائه یک مدل محاسباتی مبتنی بر عملکرد دو نوع سلول مهم در مغز می باشد. مهم ترین نقش برای ساخت نقشه در مغز و نگاشت محیط برعهده سلولهای مکانی موجود در هیپوکمپ است. بخشی از ورودی سلولهای مکانی از سلولهای قشر انتورینال تامین می شود که نسبت به ویژگیهای تصاویر، فعالیت نشان می دهند. در این مقاله مدلی بر مبنای شبکه خود سازمانده کوهونن، برای مدل سازی این دو نوع سلول ارائه شده است. برای اینکه سیستم پیشنهادی بتواند تنها با استفاده از اطلاعات تصویر نقشه محیط را بسازد لایه V1 قشر بینائی با استفاده از هیستوگرام فیلتر گابور مدل شده و خروجی آن به شبکه کوهونن متناظر با سلولهای قشر انتورینال اعمال می گردد. قدرت ویژگیهای فیلترگابور، تشخیص المانهای بافت تصاویر است. مدل ارائه شده، روی یک ربات متحرک مجهز به دوربین تمام جهت در محیط واقعی به ابعاد 10*30 متر آزمایش شد و در نتیجه مشاهده شد که در این مدل، ربات می تواند نقشه مناسبی از محیط را ارائه نماید و موقعیت خود را در مدل تشخیص دهد
Keywords:
ساخت نقشه , ربات متحرک , ادومتری , بینایی ماشین , سلول مکانی , فیلتر گابور , شبکه خود سازمانده کوهونن
Authors
حسام عمرانپور
دانشکده مهندسی کامپیوتر, دانشگاه صنعتی امیرکبیر، تهران
سعید شیری
دانشکده مهندسی کامپیوتر, دانشگاه صنعتی امیرکبیر، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :