CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Co-evolutionary Multi-Sensor Placement in computer Vision

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۵۹۰ | نظرات: ۰
سال انتشار: ۱۳۸۲
نوع ارائه: شفاهی
محل انتشار: همایش ژئوماتیک 82
کد COI مقاله: GEO82_23
زبان مقاله: انگلیسی
حجم فایل: ۱۵۹.۹۳ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Co-evolutionary Multi-Sensor Placement in computer Vision

Mohammad Saadat seresht - Tehran University, Faculty of Engineering, Dept. of Geomatic
Farhad Samadzadegan - Tehran University, Faculty of Engineering, Dept. of Geomatic

چکیده مقاله:

the complesities associated with the sensor placement for the purpose of extraction of 3D coordinates of the objects have made the automatic solution of this problem rather ompractical. These complexities are due to the fact that sensor positions, attitude and parameters are needed to be optimized in a network of imaging stations constructed around the object with a view to obtaining optimum accuracu for the final values of the extracted 3D coordinates. In this paper for the problem of Automatic Multi-Sensor Placement, we propose a solution based on evolutionary algorithms using simultaneous incorporation of CGA (co-evolutionary genetic algorithm) and LTFE (long-time fitness evaluation) techniques. The CGA technique for this particular problem seems to have provided faster convergence and reliablity factors as compared with the traditional GA approaches. Regarding the nature of our problem, the first population is considered to be the vision constraints and the second population is taken to be the appropriate objective functions of the cost and measurement accuracy. Since in this problem, similar to constaint satisfication problems (CSP), several cmplex constraints are to be satisfied, the LTFE technique is also utilized so that with a minimum computational cost, more complex constaints are satisfied with more attention. The preliminary experimints with the proposed approach indicate that there are not serious limitations as regards the type of sensors, constraints and objective functions in our approach. Besides, the approach shows high flesibility when environmental conditions are changed as it incorporates the AI concepts.

کلیدواژه‌ها:

Machin Vision, Close-Range Photogrammetry, Sensor Placement, Optimization, Co-evolution, CSP

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-GEO82-GEO82_23.html
کد COI مقاله: GEO82_23

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Saadat seresht, Mohammad & Farhad Samadzadegan, ۱۳۸۲, Co-evolutionary Multi-Sensor Placement in computer Vision, همایش ژئوماتیک 82, تهران, سازمان نقشه برداری کشور, https://www.civilica.com/Paper-GEO82-GEO82_23.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Saadat seresht, Mohammad & Farhad Samadzadegan, ۱۳۸۲)
برای بار دوم به بعد: (Saadat seresht & Samadzadegan, ۱۳۸۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • D. Fritsch and F. Crosilla. First order design strategies for ...
  • S. Mason. Heuristic reasoning strategy for automated sensor placement. ...
  • Photo grammetric Engineering and Remote Sensing, 63(9):1093{1 102, September 1997. ...
  • S.O. Mason and A. Gruen. Automatic sensor placement for accurate ...
  • G. Olague and R. Mohr. Optimal Camera Placement for Accurate ...
  • S. Sakane, R. Niepold, T. Sato, and T. Shirai. Illumination ...
  • S. Sakane and T. Sato. Automatic planning of light source ...
  • S. Yi, R.M. Haralick, and L.G. Shapiro. Optimal sensor and ...
  • C.K. Cowan and P.D. Kovesi. Automatic sensor placemen t from ...
  • _ Tarabanis, R.Y. Tsai, and P.K. Allen. Automated sensor planning ...
  • G.H. Tarbox and S.N. Gottschlich. Planning for complete sensor coverage ...
  • D.E. Goldberg, Genetic Algorithms in Search Optimization and Machine Learning. ...
  • J. Paredis, Co- evolutionary Constraint Satisfaction. In Proceedings of the ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.