روشی دقیق برای کالبیراسیون دوربین جهت موقعیت یابی دو بعدی در تصاویر محدب با استفاده از شبکه ی عصبی فازیLLNF

امروزه کاربرد بینایی ماشین درسیستم های رباتیک و موقعیت یابی براساس آن بطور چشمگیری درحال توسعه است البته استفاده ازدوربین بامشکلاتی نظیر محدودیت زاویه ی تصویر برداری تحدب ایجادشده درتصویر و ...همراه است برای رفع محدودیت زاویه دید دوربین میتوان ازلنزهای واید استفاده کرد ولی این خود باعث افزایش تحدب تصویر میشود دراین مقاله سعی شده بااستفاده ازتکنیک های مبتنی برشبکه های عصبی موقعیت هرنقطه را درتصاویر گرفته شده ازیک دوربین بالنز واید مشخص کنیم به گونه ای که این موقعیت یابی مستقل ازمکان و زاویه ی دوربین باشد الگو که درموقعیت های گوناگون دوربین و زاویه های تصویر برداری مختلف گرفته شده اند شبکه عصبی فازی ارایه شده بادرنظر گرفتن ویژگیهای مناسب تصاویر و پارامترهای داخلی و خارجی دوربین برای موقعیت یابی دردوبعد اموزش می بیند پس ازآن میتوان درهرتصویری که بااین دوربین گرفته میشود موقعیت یابی را انجام دهیم درنمونه عملی بااستفاده ازروش ارایه شده دراین مقاله به دقت میانگین 99/2درصد دست یافتیم

کلیدواژه ها:

شبکه عصبی فازی LLNF ، کالیبراسیون دوربین ، لنزواید ، محدوده ی هدف ، موقعیت یابی