學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Subject: search.filters.subject.Speeded Up Robust Features

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    嵌設SURF演算法之粒子群聚最佳化法的多物體追蹤
    (2012) 戴國棠; Guo -Tang Dai
    即時目標影像追蹤對於機器人視覺、監控系統等工業應用極為重要，因此本論文提出一種以粒子群聚最佳化演算法(Particle Swarm Optimization, PSO)為基礎之多目標物體追蹤法。作法上係以待追蹤物體之灰階直方圖做為物體的特徵，並產生多個粒子群體，再利用各個粒子所選取到之影像區間的灰階直方圖與目標物的灰階直方圖之差距作為適應值，利用PSO演算法具有記憶及全域搜尋和同步處理等優點，來搜尋各個目標物體。由於直方圖建模是由其目標物體影像大小來做建模，但是當目標物體因尺度(scale)變化時，其直方圖便不會跟著尺度變化而改變，所以會造成追蹤錯誤，因此本文將利用影像中之加速穩健特徵(Speeded Up Robust Features, SURF)，在PSO演算法中嵌入SURF演算法以提取目標物體影像並重新建模取得直方圖，使得PSO不會因為目標物體因尺度變化時得到錯誤的直方圖，而造成追蹤錯誤。
  • No Thumbnail Available
    Item
    基於增強型ICP演算法之雲端多機器人建圖
    (2015) 溫苡柔; Wen, Yi-Jou
    迭代最近點演算法是一種用來將兩群點集合對齊的方法，常使用於 2D 和 3D 幾何圖形的對齊。本論文使用機器人搭載雷射測距儀收集雷射資料，透過其掃描資訊作為點集合資訊，再使用迭代最近點演算法疊合，完成一個未知環境地圖的建立。但原始 ICP 演算法容易因為雜訊和離散點的關係，使得對齊效果不準確，尤其是在連續掃描的狀況下，對齊誤差越大，導致疊合精確度低和運算時間龐大。故本論文提出基於增強型ICP演算法實現於雲端運算架構，將原本序列進行所有雷射資料的過程，提出一分散式計算架構，使得所有雷射資料可以透過平行化的過程進行增強型ICP演算法，此演算法可大幅降低計算負擔並提升對齊的精確度，獲得更準確的環境地圖。接著將單機器人延伸至多機器人系統，將增強型ICP演算法結合加速強健特徵法，主要利用影像資訊判斷多機器人是否於相同的環境，在未滿足影像特徵門檻值前，單機器人將於各自的環境建立區域地圖，一旦滿足特徵匹配後，將多機器人的區域地圖資訊再以增強型ICP演算法疊合，進而增加建圖的效率。