عنوان پایان‌نامه
استنتاج ساختار سه¬بعدی محیط از یک تصویر ثابت
- رشته تحصیلی
- مهندسی کامپیوتر-هوش مصنوعی- رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2396;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61171
- تاریخ دفاع
- ۲۹ مرداد ۱۳۹۲
- دانشجو
- امیر رحیمی
- استاد راهنما
- رضا آقائی زاده ظروفی, منوچهر مرادی سبزوار
- چکیده
- سیستم های رباتیکی هوشمند برای اینکه کار درخواست شده از آنها را بتوانند به خوبی انجام دهند نیاز به فهمیدن برای کارهای بعدی پیرامون خود دارند. ادراک دقیق عمق، اطلاعات با ارزش محیط سه و شناسای شوند.?? اشت م سبرداری، اطلاعاتاز دنیای سه بعدی به تصویری دو بعدی ن ?? ی ع ??کند. در پروسه محیط فراهم م س برداری از دست ?? ی ع ?? مربوط به ساختار محیط که در پروسه ?? اطلاعات کل ?? نامه، بازیاب ?? هدف از انجام این پایان اند با در دست داشتن تصویری دو بعدی است. ?? رفته ی اخذ ?? حاکم بر طبیعت، و پروسه ?? بر یادگیری ماشین، قواعد هندس ?? مبتن ?? داریم با رهیافت ?? نامه، سع ?? در این پایان ها را به طور مستقیم تخمین بزنیم. ?? ساختاری تصویر مانند زمین و ساختمان ?? نواح ?? تصویر عمق واقع وریتم برای تخمین دقیق ?? ال ?? شود. پس از آن، ی ???? سطوح شروع م ?? روش پیشنهادی با برچسب گذاری معنای ی عمق نقاط محدودی از تصویر ?? روشکارآمد برای تخمین اولیه ?? وریتم، از ی ?? شود. در این ال ???? ی زمین ارائه م ?? صفحه هموار سازی عمق روی تخمین اولیه، به طوری ?? مرحله ?? ن پیشنهادی استفاده شده است. ی ?? های ناهم ???? روی ویژگ ی زمین تخمین زده شده ?? که نسبت به نقاط دور افتاده مقاوم باشد، پیشنهاد شده است. در نهایت، با استفاده از صفحه ی بهینه سازی تخمین زده ?? مسأله ?? های موجود در تصاویر به صورت ی ?? تیو، عمق دیواره ?? مانند پرسپ ?? و قواعد هندس ها و گنجاندن قیودی بر ?? های مختلفدیواره ?? به قسمت ?? برای انتشار نقاط نهائ ?? غیر نظارت ?? وریتم ?? ی ال ?? شوند. ارائه ???? م ها ?? های ارائه شده برای تخمین عمق دیواره ?? وریتم ?? ی ال ?? ر از جمله ?? دی ?? اساس آن برای تعیین قرارگیری نقاط نسبت به ی سبرداری شده است ?? ای که از آن ع ?? مدل سه بعدی ساده از صحنه ?? هستند. با تخمین عمق نقاط مختلفتصویر، ی ها و قیود به کار ?? وریتم ?? ها، ال ???? از ویژگ ?? شود. علاوه بر این، با آزمایشاتمختلفنشان خواهیم داد که هر ی ???? ساخته م های ?? دهند که روش ???? آمده نشان م ?? دارند. نتایج بدست ?? در دقت تخمین عمق نهای ?? رفته برای تخمین عمق چه سهم های ارائه شده در گذشته هستند. ?? وریتم ?? ارائه شده در این پایان نامه، از نظر دقت، قابل مقایسه با
- Abstract
- Intelligent robots need to understand the 3D information about their environments to handle their tasks. Accurate depth perception serves as a valuable piece of information for scene understanding. Information from our 3D world maps to a 2D image during the image acquisition process. Our goal in this thesis is to recover the lost 3D information about the overall structure of the scene from a single 2D image. We believe that current computer vision systems must go beyond the recognizers on local image patches and reason about the structure of the environment. Armed with machine learning, geometric rules of the nature, and image acquisition process, we propose a method to explicitly estimate the real depth of structural regions of a given scene. The inferred 3D information about the scene is a basic step toward complete scene understanding problems. To achieve this goal, we start by semantic labelling of the regions in a given image. Then, an accurate ground plane estimation algorithm will be proposed. Finally, using the estimated ground plane and geometric rules such as perspective, the depths of building regions in the picture are estimated. A simple 3D model of the scene is reconstructed from the predicted depths. Furthermore, our various experiments show how each proposed feature, constraint, and algorithm helps to improve the final depth estimation accuracy. The results show that the proposed method achieves current state-of-the-art methods in single image depth estimation. We hope that the developed methods in this dissertation attract the attention of other researchers in computer vision and they go beyond local pattern recognition algorithms by proposing automatic scene understanding algorithms.
