Luận án tiến sĩ: Nghiên cứu và phát triển kỹ thuật định vị hình ảnh hỗ trợ dẫn đường cho người khiếm thị
Nghiên cứu và phát triển kỹ thuật định vị dựa trên hình ảnh để trợ giúp dẫn đường cho người khiếm thị, đề xuất giải pháp cải tiến hiệu suất định vị.
Luan An
Luận án tiến sĩ
Số trang
208
Thời gian đọc
32 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- 1. Tổng quan hệ thống định vị thị giác cho người khiếm thị
- Số trang:
- 208 trang
- Tác giả:
- Luan An
Tóm tắt nội dung luận án
I. Tổng quan hệ thống định vị thị giác cho người khiếm thị
Người khiếm thị gặp nhiều trở ngại lớn khi di chuyển độc lập. Các không gian công cộng và tòa nhà phức tạp luôn tiềm ẩn nguy cơ va chạm. Giải pháp định vị thị giác mang lại hướng tiếp cận hiện đại và hiệu quả. Hệ thống ứng dụng thị giác máy tính để phân tích hình ảnh từ camera. Thiết bị thu thập dữ liệu không gian trực tiếp theo thời gian thực. Công nghệ visual localization giúp xác định vị trí chính xác trong môi trường không có tín hiệu vệ tinh. Giải pháp này khắc phục triệt để điểm yếu của hệ thống định vị toàn cầu GPS trong nhà. Luận án tập trung xây dựng mô hình trợ giúp di chuyển toàn diện. Thiết bị tích hợp cảm biến hình ảnh nhỏ gọn và thuật toán xử lý tốc độ cao. Mục tiêu cốt lõi là đảm bảo an toàn tối đa cho người mất thị lực khi tham gia giao thông và sinh hoạt.
1.1. Thách thức di chuyển và nhu cầu hỗ trợ người khiếm thị
Mất thị lực làm suy giảm nghiêm trọng khả năng định hướng không gian. Người khiếm thị khó nhận biết các chướng ngại vật trên cao hoặc vật cản di động. Môi trường trong nhà thường có bố cục phức tạp và thay đổi liên tục. Cầu thang, cửa kính và hành lang hẹp tạo ra nhiều rủi ro va chạm. Nhu cầu về một thiết bị hỗ trợ dẫn đường thông minh trở nên cấp thiết. Thiết bị cần có khả năng nhận biết môi trường xung quanh nhanh chóng. Thông tin dẫn đường phải được truyền đạt rõ ràng qua âm thanh hoặc xúc giác. Giải pháp công nghệ cao giúp nâng cao tính độc lập và tự tin cho người sử dụng.
1.2. Hạn chế của các giải pháp định vị truyền thống hiện nay
Gậy trắng truyền thống chỉ phát hiện vật cản ở tầm thấp gần mặt đất. Chó dẫn đường đòi hỏi chi phí huấn luyện cao và khó phổ biến rộng rãi. Các hệ thống định vị vệ tinh GPS mất hoàn toàn độ chính xác trong nhà do suy giảm tín hiệu. Công nghệ RFID hoặc mạng Wi-Fi yêu cầu lắp đặt cơ sở hạ tầng tốn kém. Việc bảo trì hệ thống cảm biến phân tán gặp nhiều khó khăn kỹ thuật. Phương pháp thị giác máy tính nổi lên như một giải pháp thay thế vượt trội. Camera thụ động có chi phí thấp và dễ tích hợp trên thiết bị di động. Thị giác nhân tạo cung cấp nguồn thông tin trực quan phong phú và liên tục.
1.3. Mục tiêu và phương pháp định vị bằng hình ảnh đề xuất
Nghiên cứu hướng tới việc xây dựng hệ thống dẫn đường tự động hoàn chỉnh. Phương pháp đề xuất kết hợp định vị thị giác với mô hình biểu diễn không gian tiên tiến. Hệ thống xử lý luồng dữ liệu hình ảnh trực tiếp từ camera gắn trên người hoặc robot. Thuật toán nhận diện mốc không gian và ước lượng quỹ đạo di chuyển liên tục. Hệ thống phân loại chính xác các vùng an toàn và cảnh báo nguy hiểm kịp thời. Thiết kế mô hình chú trọng vào tính gọn nhẹ và khả năng tính toán thời gian thực. Toàn bộ giải pháp đem lại công cụ hỗ trợ di chuyển an toàn và trực quan.
II. Biểu diễn môi trường và visual SLAM bản đồ ngữ nghĩa 3D
Biểu diễn không gian chính xác là nền tảng cốt lõi của bài toán dẫn đường. Kỹ thuật visual SLAM cho phép thiết bị đồng thời xây dựng bản đồ và tự định vị vị trí. Bản đồ số liệu truyền thống cung cấp tọa độ hình học nhưng tiêu tốn nhiều bộ nhớ lưu trữ. Trong khi đó, bản đồ topo thể hiện mối quan hệ không gian dưới dạng đồ thị trực quan. Luận án đề xuất mô hình lai kết hợp bản đồ ngữ nghĩa 3D hiện đại. Semantic mapping gán nhãn thông tin đối tượng vào từng vị trí không gian cụ thể. Cấu trúc dữ liệu đa tầng giúp tối ưu hóa dung lượng bộ nhớ. Hệ thống hỗ trợ lập kế hoạch đường đi tối ưu và xử lý tình huống linh hoạt.
2.1. Xây dựng bản đồ số liệu và đo hành trình bằng hình ảnh
Phương pháp đo hành trình bằng hình ảnh Visual Odometry theo dõi chuyển động camera qua các khung hình liên tiếp. Môi trường trong nhà chứa nhiều vùng trơn và điều kiện chiếu sáng thay đổi. Luận án áp dụng mô hình không chắc chắn để hiệu chỉnh sai số tích lũy. Các mô hình tứ giác sai số chuyển động và phối cảnh giúp sàng lọc điểm đặc trưng tin cậy. Thuật toán thích nghi nhanh với hiện tượng bóng mờ và rung lắc khi chuyển động. Bản đồ số liệu duy trì độ chính xác cao trên quãng đường dài. Kết quả cung cấp tọa độ liên tục cho hệ thống điều khiển dẫn đường.
2.2. Bản đồ topo và thuật toán FAB MAP nhận diện vị trí
Bản đồ topo biểu diễn môi trường qua các nút vị trí và cạnh liên kết. Thuật toán FAB-MAP sử dụng mô hình túi từ ngữ thị giác Bag of Words để đối sánh hình ảnh. Phương pháp này nhận diện lại địa điểm đã đi qua một cách tin cậy. Hệ thống phát hiện đóng vòng lặp hiệu quả trong quá trình visual SLAM. Thuật toán cải tiến giúp loại bỏ các trường hợp nhận diện sai do không gian tương đồng. Thời gian truy vấn cơ sở dữ liệu hình ảnh đạt tốc độ xử lý tức thì. Thiết bị xác định nhanh vị trí hiện tại của người dùng trong khuôn viên tòa nhà.
2.3. Hướng tiếp cận lai ngữ nghĩa và semantic mapping đa lớp
Mô hình lai kết hợp ưu điểm của cả bản đồ số liệu và bản đồ topo. Quá trình semantic mapping bổ sung thuộc tính ngữ nghĩa của các vật thể tĩnh xung quanh. Bản đồ ngữ nghĩa 3D lưu trữ vị trí cửa ra vào, bàn ghế và cầu thang. Thông tin ngữ nghĩa hỗ trợ robot đưa ra các chỉ dẫn ngôn ngữ tự nhiên. Người khiếm thị dễ dàng hình dung không gian thông qua các mô tả mốc chuẩn. Kiến trúc bản đồ phân tầng giúp giảm tải tính toán cho bộ vi xử lý nhúng. Độ tin cậy định vị được nâng cao rõ rệt trong các thử nghiệm thực tế.
III. Phát hiện vật cản thời gian thực và ước lượng độ sâu
An toàn di chuyển phụ thuộc trực tiếp vào khả năng phát hiện chướng ngại vật. Thị giác máy tính đóng vai trò nhận diện chướng ngại vật trong tầm nhìn phía trước. Luận án phát triển khung thuật toán phân loại vật cản cố định và vật cản di động. Hệ thống thực hiện phát hiện vật cản thời gian thực với độ trễ tối thiểu. Khoảng cách an toàn được đo đạc chính xác qua cảm biến camera độ sâu RGB-D và camera stereo. Phương pháp ước lượng độ sâu monocular cũng được phân tích đối sánh chi tiết. Dữ liệu độ sâu tạo ra bản đồ cảnh báo nguy hiểm trực quan cho người sử dụng.
3.1. Nhận diện chướng ngại vật tĩnh bằng trích chọn đặc trưng
Vật cản cố định bao gồm cột nhà, biển báo, bàn ghế và bậc tam cấp. Thuật toán trích chọn các đặc trưng cục bộ mạnh mẽ như SIFT, SURF và Harris Corner. Quá trình đối sánh điểm ảnh xác định chính xác đường biên của vật cản. Hệ thống khoanh vùng đối tượng nguy hiểm trong trường nhìn của camera. Kỹ thuật loại bỏ nhiễu RANSAC giúp tăng cường độ chính xác khi nhận diện. Bản đồ chướng ngại vật tĩnh được cập nhật đồng bộ vào mô hình dẫn đường. Người dùng nhận được cảnh báo sớm trước khi tiến lại gần vị trí nguy hiểm.
3.2. Phát hiện vật cản thời gian thực với mô hình HOG và SVM
Vật cản động như người đi bộ và phương tiện di chuyển đòi hỏi tốc độ xử lý cao. Thuật toán trích xuất vector đặc trưng Histogram of Oriented Gradients (HOG) đại diện cho hình dáng đối tượng. Bộ phân loại Support Vector Machine (SVM) thực hiện nhận dạng tức thì. Mô hình học máy duy trì tỷ lệ phát hiện chính xác cao trong nhiều điều kiện ánh sáng. Hệ thống dự đoán hướng chuyển động của vật thể để tính toán đường tránh an toàn. Tốc độ khung hình xử lý mượt mà đáp ứng tiêu chuẩn thời gian thực. Thuật toán ngăn chặn hiệu quả nguy cơ va chạm bất ngờ trên đường đi.
3.3. Ước lượng khoảng cách qua camera độ sâu RGB D và stereo
Ước lượng khoảng cách chuẩn xác giúp thiết lập ngưỡng an toàn di chuyển. Camera stereo thu nhận hai luồng ảnh đồng thời để tính toán bản đồ chênh lệch độ sâu. Thiết bị camera độ sâu RGB-D cung cấp đám mây điểm 3D mật độ cao ở cự ly gần. Nghiên cứu đối chiếu hiệu quả giữa cảm biến chuyên dụng và kỹ thuật ước lượng độ sâu monocular. Thuật toán đo khoảng cách đạt sai số rất nhỏ trong phạm vi di chuyển thực tế. Dữ liệu khoảng cách kết hợp với nhãn vật cản tạo thành ma trận an toàn đa chiều. Hệ thống đưa ra chỉ dẫn chuyển hướng linh hoạt và kịp thời.
IV. Tích hợp robot dẫn đường và thị giác máy tính thông minh
Giải pháp hoàn chỉnh được hiện thực hóa qua nền tảng robot trợ giúp thông minh. Phần cứng tích hợp bộ xử lý trung tâm, cụm camera góc rộng và hệ truyền động. Hệ thống vận hành dựa trên nền tảng thị giác máy tính và thuật toán điều hướng tự động. Thiết bị áp dụng bộ lọc Kalman Filter để dự báo và hiệu chỉnh quỹ đạo di chuyển. Mô đun tương tác người - robot truyền đạt mệnh lệnh qua tín hiệu xúc giác và giọng nói. Toàn bộ kiến trúc được kiểm thử nghiêm ngặt tại các tòa nhà thực tế. Kết quả khẳng định tính khả thi cao trong việc hỗ trợ người khiếm thị hòa nhập cộng đồng.
4.1. Kiến trúc phần cứng và tích hợp hệ thống robot dẫn đường
Robot dẫn đường PC-Bot914 được trang bị cụm cảm biến thị giác góc rộng chuyên dụng. Bo mạch xử lý nhúng hiệu năng cao đảm nhận việc tính toán visual localization trực tiếp. Hệ thống cơ điện tử kết nối đồng bộ giữa cụm bánh xe và bộ điều khiển trung tâm. Thiết kế tối ưu hóa mức tiêu thụ năng lượng nhằm kéo dài thời gian hoạt động độc lập. Vỏ ngoài và tay nắm robot được thiết kế công thái học tạo cảm giác cầm nắm thoải mái. Tín hiệu thu thập từ camera được truyền tải mượt mà không xảy ra hiện tượng trễ khung hình. Nền tảng phần cứng đảm bảo độ bền cơ học và độ ổn định cao.
4.2. Thuật toán tìm đường và điều khiển với bộ lọc Kalman
Thuật toán tìm đường toàn cục xác định lộ trình ngắn nhất trên bản đồ lai ngữ nghĩa. Khi gặp vật cản đột xuất, hệ thống tự động tính toán quỹ đạo vòng tránh cục bộ. Bộ lọc Kalman ước lượng trạng thái động học và loại bỏ nhiễu từ các cảm biến đo hành trình. Robot di chuyển êm ái, bám sát đường đi định sẵn với độ lệch vị trí tối thiểu. Khả năng tự hiệu chỉnh vị trí tức thời giúp ngăn chặn trôi dạt tọa độ trong không gian kín. Tốc độ di chuyển của robot tự động thích ứng với nhịp bước chân của người sử dụng. Hệ thống đảm bảo hành trình dẫn đường diễn ra an toàn và mượt mà.
4.3. Đánh giá thử nghiệm thực tế và tương tác người robot
Hệ thống được thử nghiệm thực tế tại các tòa nhà Tạ Quang Bửu và Nguyễn Đình Chiểu. Robot thực hiện thành công việc xác định vị trí xuất phát và hoàn thành lộ trình dẫn đường. Khả năng nhận diện chướng ngại vật và cảnh báo va chạm đạt độ chính xác vượt trội. Mô đun tương tác cung cấp phản hồi rõ ràng qua tay cầm rung và thông báo âm thanh. Người khiếm thị tham gia đánh giá ghi nhận trải nghiệm sử dụng thuận tiện và an tâm. Kết quả thực nghiệm chứng minh giải pháp có tiềm năng ứng dụng thực tiễn to lớn. Hệ thống mở ra hướng phát triển mới cho thiết bị trợ thị thông minh tương lai.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (208 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộMỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC vi DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT vii DANH MỤC CÁC BẢNG ix DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ xv MỞ ĐẦU 1 1 TỔNG QUAN VỀ HỆ THỐNG TRỢ GIÚP NGƯỜI KHIẾM THỊ 4 1.2 Các nghiên cứu liên quan .1 Các nghiên cứu trên thế giới .2 Các nghiên cứu trong nước .3 Mục tiêu nghiên cứu và phương pháp đề xuất .1 Mục tiêu và phạm vi nghiên cứu .2 Phương pháp đề xuất .4 Kết luận chương 1. 13 2 BIỂU DIỄN MÔI TRƯỜNG VÀ ĐỊNH VỊ 14 2.1 Giới thiệu chung .2 Những nghiên cứu liên quan .1 Hướng tiếp cận sử dụng bản đồ số liệu .2 Hướng tiếp cận sử dụng bản đồ topo .3 Hướng tiếp cận lai .3 Đề xuất hướng tiếp cận lai ngữ nghĩa biểu diễn môi trường .4 Phương pháp xây dựng bản đồ môi trường .1 Xây dựng bản đồ số liệu .1 Phương pháp đo hành trình bằng hình ảnh sử dụng mô hình không chắc chắn .2 Thích nghi VO cho môi trường trong nhà .2 Xây dựng bản đồ topo .1 Giải thuật FAB-MAP .2 Thích nghi và cải thiện FAB-MAP xây dựng bản đồ topo 39 2.3 Bổ sung thông tin đối tượng vật cản tĩnh trên bản đồ .5 Phương pháp định vị .6 Kết quả thực nghiệm .1 Môi trường đánh giá .2 Thu thập dữ liệu đánh giá .1 Hệ thống thu thập dữ liệu .2 Thu thập dữ liệu .3 Kết quả đánh giá .1 Đánh giá phương pháp xây dựng bản đồ số liệu .2 Đánh giá phương pháp định vị hình ảnh .7 Kết luận chương 2. 59 3 PHÁT HIỆN VÀ ƯỚC LƯỢNG KHOẢNG CÁCH VẬT CẢN 60 3.1 Định nghĩa bài toán và các thách thức .2 Những nghiên cứu liên quan .1 Các phương pháp sử dụng 01 camera .1 Hướng nghiên cứu sử dụng stereo camera .2 Hướng nghiên cứu sử dụng cảm biến Kinect .3 Phân tích và đánh giá các phương pháp .3 Đề xuất phương pháp phát hiện và ước lượng khoảng cách .4 Phát hiện vật cản .1 Phát hiện vật cản cố định .1 Đối sánh các điểm đặc trưng .2 Phát hiện vật cản từ kết quả đối sánh .3 Xác định vùng chứa đối tượng .2 Phát hiện vật cản động .1 Trích chọn đặc trưng HoG .2 Bộ phân loại SVM .5 Uớc lượng khoảng cách vật cản .1 Nguyên lý ước lượng khoảng cách .2 Xây dựng bản đồ chênh lệch .1 Thu thập dữ liệu .2 Hiệu chỉnh hình ảnh .3 Đối sánh hình ảnh .4 Tính toán độ sâu .6 Kết quả đánh giá .1 Xây dựng cơ sở dữ liệu vật cản .2 Đánh giá giải thuật phát hiện đối tượng .3 Đánh giá giải thuật ước lượng khoảng cách vật cản .7 Kết luận chương 3. 98 4 PHÁT TRIỂN VÀ THỬ NGHIỆM HỆ THỐNG DẪN ĐƯỜNG 99 4.1 Hệ thống tích hợp .1 Tích hợp phần cứng .2 Kiến trúc tổng thể .2 Phát triển hệ thống dẫn đường sử dụng robot .1 Tìm đường cho robot .2 Điều khiển robot .1 Điều khiển trực tiếp dựa trên đường đi xác định .2 Điều khiển theo dự báo và hiệu chỉnh vị trí của bộ lọc Kalman .3 Tương tác người-robot .3 Thử nghiệm và đánh giá hệ thống dẫn đường .1 Môi trường và quy trình thử nghiệm .1 Môi trường thử nghiệm .2 Quy trình thử nghiệm .2 Kết quả thực nghiệm .1 Đánh giá khả năng xác định vị trí xuất phát của robot 116 4.2 Đánh giá khả năng điều khiển robot .3 Đánh giá khả năng tương tác người-robot .4 Đánh giá hệ thống dẫn đường trợ giúp NKT bằng robot 121 4.3 Bàn luận hệ thống robot dẫn đường .4 Kết luận chương 4.
132 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 133 TÀI LIỆU THAM KHẢO 136 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 148 PHỤ LỤC 151 v A MỘT SỐ PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG 151 A.1 Đặc trưng Harris Corner .2 Đặc trưng SIFT .3 Đặc trưng SURF .4 Đặc trưng GIST .5 Đặc trưng HoG .6 Đặc trưng Haar. 170 B ĐÁNH GIÁ HIỆU NĂNG NHẬN DẠNG TRÊN MỘT SỐ CSDL 173 B.1 Giới thiệu 3 CSDL thử nghiệm .2 Khung nhận dạng đối tượng tổng quát .4 Kết quả đánh giá. 183 C THIẾT KẾ HỆ THỐNG THU THẬP DỮ LIỆU 188 C.1 Xe camera thu thập dữ liệu .2 Hiệu chỉnh camera góc rộng .3 Robot PC-Bot914. 193 vi DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT TT Viết tắt Nghĩa đầy đủ (tiếng Việt/tiếng Anh) 1 AM Appearance based Mapping 2 AP Average Precision 3 BOW Bag of Words 4 CSDL Cơ sở dữ liệu 5 ED Euclidean Distance 6 FAB-MAP Fast Appearance Based Mapping 7 FLANN Fast Library for Approximate Nearest Neighbors 8 FN False Negative 9 FP False Positive 10 GPS Global Positioning System 11 HOG Histogram of Oriented Gradients 12 HSI Hue Saturation and Intensity 13 KF Kalman Filter 14 KH&CN Khoa học và Công nghệ 15 k-NN K-Nearest Neighbors 16 LASER Light Amplification by Stimulated Emission of Radiation 17 LATS Luận án tiến sĩ 18 LIDAR Light Detection And Ranging 19 MICA Multimedia, Information, Communication & Applications 20 MUT Motion Uncertainty Tetragon 21 NCS Nghiên cứu sinh 22 NĐC Nguyễn Đình Chiểu 23 NKT Người khiếm thị 24 PUT Perspective Uncertainty Tetragons 25 RANSAC RANdom SAmple Consensus 26 RFID Radio Frequency Identification 27 RGB Red Green and Blue 28 RMSE Root Mean Square Error 29 SAD Sum of Absolute Differences 30 SIFT Scale Invariant Feature Transforms 31 SLAM Simultaneous Localization and Mapping 32 SURF Speeded Up Robust Features 33 SVM Support Vector Machine 34 TP True Positive 35 TQB Tạ Quang Bửu 36 VO Visual Odometry 37 WIFI Wireless Fidelity vii DANH MỤC CÁC BẢNG Bảng 2.1 Bảng tổng hợp thông tin về 03 môi trường thử nghiệm .2 Tốc độ lấy mẫu (fps) của các camera tại các môi trường thử nghiệm 47 Bảng 2.3 Dữ liệu thu thập tại E1:NĐC .4 Dữ liệu thu thập tại E2:TQB .5 Dữ liệu thu thập tại E3:MICA .6 Kết quả đánh giá RMSE tại E1:NĐC .7 Kết quả đánh giá độ sai số tiêu chuẩn RMSE tại E2:TQB .8 Kết quả đánh giá độ sai số tiêu chuẩn RMSE tại E3:MICA .9 So sánh khả năng định vị của giải thuật FAB-MAP* tại E1:NĐC 54 Bảng 2.10 Kết quả đánh giá so sánh giải thuật định vị FAB-MAP* tại E2:TQB 56 Bảng 2.11 Kết quả đánh giá so sánh giải thuật định vị FAB-MAP* tại E3:MICA 57 Bảng 3.1 Kết quả thu nhận dữ liệu khung cảnh/đường đi phục vụ đánh giá 88 Bảng 3.2 Thu thập dữ liệu đánh giá phát hiện và ước lượng khoảng cách vật cản .3 Kết quả phát hiện đối tượng theo phương pháp đề xuất .4 Kết quả phát đánh giá so sánh với phương pháp Haar-AdaBoost 91 Bảng 3.5 Kết quả dự đoán độ sai số ước lượng khoảng cách vật cản .1 Danh sách tham gia thử nghiệm dẫn đường tại E1:NĐC .2 Danh sách tham gia đánh giá hệ thống dẫn đường tại E2:TQB .3 Danh sách tham gia đánh giá hệ thống dẫn đường tại E3:MICA .4 Kết quả đánh giá điểm xuất phát của robot .5 Kết quả đánh giá vai trò lọc Kalman trong điều khiển robot .6 Kết quả sai số định vị sử dụng sai số trung vị .7 Kết quả sai số định vị sử dụng sai số trung bình .8 Bảng câu hỏi phỏng vấn trước và sau khi sử dụng hệ thống .9 Tổng hợp kết quả tần số rung (Hz) phản hồi thông tin môi trường 121 Bảng 4.10 Kết quả đánh giá độ sai số RMSE khi robot chuyển động tịnh tiến 122 Bảng 4.11 Kết quả đánh giá hiệu năng robot dẫn đường chuyển động tịnh tiến122 Bảng 4.12 Kết quả đánh giá robot dẫn đường chuyển động tịnh tiến .13 Kết quả đánh giá độ sai số RMSE với kịch bản robot chuyển động tịnh tiến và quay tại E1:NĐC .14 Kết quả robot dẫn đường chuyển động quay và tịnh tiến tại E1:NĐC124 Bảng 4.15 Đánh giá các lần thử nghiệm hệ thống dẫn đường tại E1:NĐC .16 Kết quả sai số RMSE robot phát hiện vật cản xuất hiện bất ngờ tại E1:NĐC .17 Kết quả đánh giá hiệu năng dẫn đường robot phát hiện vật cản .18 Kết quả đánh giá robot dẫn đường chuyển động quay và tịnh tiến 127 Bảng 4.19 Kết quả đánh giá độ sai số RMSE tại E2:TQB .20 Kết quả đánh giá hiệu năng dẫn đường robot tại E2:TQB .21 Tổng hợp kết quả robot dẫn đường tại E2:TQB .22 Kết quả đánh giá độ sai số RMSE tại E3:MICA .23 Kết quả đánh giá hiệu năng dẫn đường của robot tại E3:MICA .24 Tổng hợp kết quả robot dẫn đường tại E3:MICA .25 Bảng tổng hợp thông số kỹ thuật .1 Quy định thang tính điểm phần thi nhận dạng RobotVision2013 182 Bảng B.2 Kết quả nhận dạng tượng CSDL Naiscorp 2012 .3 Kết quả điểm nhận dạng đối tượng CSDL Robot Vision 2013.
185 ix DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ Hình 1.1 Các thành phần chính của hệ thống đề xuất Robot trợ giúp NKT 13 Hình 2.1 Mô hình biểu diễn môi trường theo hướng tiếp cận lai ngữ nghĩa .2 Minh họa di chuyển của robot với vận tốc v và góc lái α .3 Các bước giải thuật đo hành trình bằng thông tin hình ảnh VO .4 Một số trường hợp lỗi tích lũy khi xây dựng bản đồ .5 Một số cấu trúc mặt nền thử nghiệm thuật toán VO .6 Tạo các điểm đánh dấu dọc hành trình .7 Minh họa số điểm đặc trưng phát hiện trên mặt sàn .8 Minh họa phương pháp thử nghiệm khi tạo các mẫu đánh dấu .9 Các bước của giải thuật FAB-MAP [29] .10 Xây dựng từ điển và biểu diễn quan sát theo mô hình túi từ .11 Một số những thách thức khi nhận dạng vị trí trong môi trường .12 Cây nhị phân Chow liu theo hướng đồ thị có hướng .13 Biểu diễn các quan sát cùng xuất hiện tại một thời điểm .14 Biểu diễn vị trí Li thành phần quan sát eq và quan sát có nhiễu zq 35 Hình 2.15 Xác định khung cảnh phân biệt: (a) Chuỗi hình ảnh khung cảnh; (b) Khung cảnh đại diện .16 Xác định các khung cảnh có cấu trúc giống nhau .17 Minh họa các bước trích chọn đặc trưng GIST .18 Minh họa kết quả loại bỏ khung cảnh có cấu trúc giống nhau .19 Minh họa các bước thực hiện giải thuật FAB-MAP* .20 Minh họa bước thực hiện cập nhật điểm mốc quan trọng .21 Mô hình định vị sử dụng thông tin hình ảnh sử dụng robot .22 Hệ thống thu thập dữ liệu .23 Biểu đồ so sánh RMSE giữa VO và VO* tại E1:NĐC .24 Minh họa giá trị ngưỡng θV O quyết định số điểm đặc trưng .25 Kết quả xây dựng bản đồ sử dụng VO và VO* tại E1:NĐC .26 Biểu đồ so sánh RMSE giữa VO và VO* tại E2:TQB .27 Kết quả xây dựng bản đồ sử dụng VO và VO* tại E2:TQB .28 Biểu đồ so sánh sai số RMSE giữa VO và VO* tại E3:MICA .29 Kết quả xây dựng bản đồ sử dụng VO và VO* tại E3:MICA .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Luận án định vị bằng hình ảnh hỗ trợ dẫn đường người khiếm thị (n.d.) [Luận án tiến sĩ]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/luan-an-nghien-cuu-va-phat-trien-mot-so-ky-thuat-dinh-vi-dua-tren-hinh-anh-ung
Câu hỏi thường gặp
Luận án "Luận án định vị bằng hình ảnh hỗ trợ dẫn đường người khiếm thị" nghiên cứu về vấn đề gì?
Nghiên cứu và phát triển kỹ thuật định vị dựa trên hình ảnh để trợ giúp dẫn đường cho người khiếm thị, đề xuất giải pháp cải tiến hiệu suất định vị.
Luận án "Luận án định vị bằng hình ảnh hỗ trợ dẫn đường người khiếm thị" có bao nhiêu trang?
Luận án "Luận án định vị bằng hình ảnh hỗ trợ dẫn đường người khiếm thị" có 208 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Luận án định vị bằng hình ảnh hỗ trợ dẫn đường người khiếm thị" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.