مژده ابراهیمی کیا؛ علی حسینی نوه احمدآبادیان
چکیده
امروزه تصاویر قائم از محصولات پرکاربرد در حوزه اطلاعات مکانی هستند که غالباً از تصاویر هوایی یا ماهواره ای تهیه می شوند به طوری که توجه به دقت و کیفیت تصاویر قائم به دلیل دارا بودن هم زمان اطلاعات هندسی و رادیومتریک از اهمیت بالایی برخوردار است. عوامل متعددی در کیفیت تهیه این تصاویر تاثیرگذار هستند که در این میان ابرنقاط ...
بیشتر
امروزه تصاویر قائم از محصولات پرکاربرد در حوزه اطلاعات مکانی هستند که غالباً از تصاویر هوایی یا ماهواره ای تهیه می شوند به طوری که توجه به دقت و کیفیت تصاویر قائم به دلیل دارا بودن هم زمان اطلاعات هندسی و رادیومتریک از اهمیت بالایی برخوردار است. عوامل متعددی در کیفیت تهیه این تصاویر تاثیرگذار هستند که در این میان ابرنقاط و مدل رقومی سطحی که از آن تهیه می شوند را می توان به عنوان مهمترین موارد برشمرد. به سبب نقص ابرنقاط در لبه‌های ساختاری ساختمان ها تصاویر قائم حقیقی دارای اعوجاج‌ها و تضاریسی بر روی این لبه‌ها می باشند. این مشکل بر روی تصاویر قائم به‌دست‌آمده از تصاویری که با پهپادها در نواحی شهری اخذ می‌شوند به علت آنکه از ارتفاع پایین‌تری برخوردارند بیشتر است. در این حالت به سبب افزایش میزان جابجایی‌های مسطحاتی ناشی از عوارض مرتفع با ارتفاع پرواز پایین نسبت به هواپیماهای باسرنشین لازم است تا ابرنقاط مربوطه بهبود یافته و از مدل رقومی سطحی دقیق‌تری برای انجام تصحیحات استفاده شود. علاوه بر این روش‌های تهیه ابرنقاط که بر مبنای تناظریابی میان تصاویر است به علت وجود نواحی پنهان و تغییرات رادیومتریکی میان تصاویر همپوشان قادر به تولید ابرنقاط کامل نبوده و دارای نقص‌هایی به ویژه بر روی لبه‌های عوارض هستند. در این مطالعه علاوه بر اینکه برای تکمیل ابرنقاط استفاده از شبکه یادگیری عمیق آموزش‌دیده در بهبود ابرنقاط برای تهیه تصاویر قائم پیشنهادشده است موفقیت نتایج حاصل از آن با جدیدترین روش پیشنهادی بهبود تصویر قائم حکایت از بهبود حدود 62 و 55 درصدی تضاریس نقاط واقع بر لبه‌های ساختاری و حفظ دقت مختصاتی آنها دارد.
آرش عظیمی فرد؛ علی حسینی نوه احمدآبادیان
چکیده
به‌دلیل پیچیدگی‌های پردازش فریم برای تعیین موقعیت و تهیه نقشه در الگوریتم‌های ماشین بینایی و فتوگرامتری، روش‌های انتخاب فریم‌های کلیدی به‌منظور افزایش کارایی الگوریتم‌ها معرفی شدند که در عین حفظ دقت و استحکام الگوریتم، حجم پردازش‌ها را کاهش می‌دهند. یکی از معروف‌ترین الگوریتم‌های تعیین موقعیت و تهیه نقشه هم‌زمان مبتنی ...
بیشتر
به‌دلیل پیچیدگی‌های پردازش فریم برای تعیین موقعیت و تهیه نقشه در الگوریتم‌های ماشین بینایی و فتوگرامتری، روش‌های انتخاب فریم‌های کلیدی به‌منظور افزایش کارایی الگوریتم‌ها معرفی شدند که در عین حفظ دقت و استحکام الگوریتم، حجم پردازش‌ها را کاهش می‌دهند. یکی از معروف‌ترین الگوریتم‌های تعیین موقعیت و تهیه نقشه هم‌زمان مبتنی بر تصویر (ویژوال اسلم)، الگوریتم ORB-SLAM3 [1] است. انتخاب فریم کلیدی در این الگوریتم و سایر الگوریتم‌های این حوزه وابسته به حد آستانه‌های ابتکاری است. در این مقاله یک روش هندسی و بر پایه اصول طراحی شبکه تصویربرداری در فتوگرامتری به‌منظور انتخاب فریم‌های کلیدی در بهبود الگوریتم ORB-SLAM3 پیشنهاد شده است. در این روش، حد آستانه‌های ابتکاری با اصول فتوگرامتری جایگزین شده است که علاوه بر استحکام الگوریتم، کیفیت ابر نقطه حاصل از فریم‌های کلیدی را تضمین می‌کند. در روش پیشنهادی، ابتدا یک حد آستانه انطباقی در مورد مجاز بودن تعداد نقاطی که ناحیه مخروطی خط دید آنها در یک مخروط چهار ناحیه‌ای تشکیل‌شده بر روی هر نقطه، تغییر کرده است، تصمیم می‌گیرد. سپس با تشکیل یک شبکه ۳ در ۳ در هر فریم و شمارش نقاط مؤثر در هر سلول این شبکه، معیار تعادل مرکز ثقل (ECOG) [2] در مورد مناسب بودن توزیع نقاط داخل این فریم تصمیم می‌گیرد. از طرف دیگر سنسور اینرسی[3] (IMU) در صورت مشاهده تغییرات شدید شتاب حرکت، مستقل از دوربین اقدام به اخذ فریم کلیدی می‌کند. به‌منظور ارزیابی روش پیشنهادشده، آزمایش‌های وسیعی روی داده [4] EuRoC در حالت تک‌دوربینه و دو دوربین انجام شده است. ارزیابی‌های کیفی و کمی با مقایسه مسیر ردیابی شدۀ هر الگوریتم با مسیر مرجع، مقایسه ابر نقطه تشکیل‌شده از فریم‌های کلیدی و مقایسه مقدار خطای مطلق مسیر حرکت[5] (ATE) انجام شده است. همچنین زمان اجرای هر الگوریتم برای تمامی دنباله تصاویر داده EuRoC ارزیابی شده است. نتایج نشان می‌دهد، الگوریتم پیشنهادی در حالت دو دوربین 18.1% و در حالت تک‌دوربینه 20.4% دقت تعیین موقعیت ORB-SLAM3 را بهبود داده و علاوه بر این ابر نقطه متراکم‌تری تولید کرده است.
[1]- Oriented FAST and Rotated BRIEF-Simultaneous Localization And Mapping
[2]- Equilibrium of Center Of Gravity
[3]- Inertial Measurement Unit
[4]- European Robotic Challenge
[5]- Absolute Trajectory Error
مینا کریمی؛ ابوالقاسم صادقی نیارکی؛ علی حسینی نوه احمدآبادیان
چکیده
زیرساخت های زیرزمینی شامل برق، گاز، مخابرات، آب و فاضلاب توسط سازمان های مرتبط مدیریت و کنترل می شوند. در پروژه های همراه با حفاری امکان تشخیص اشتباه مکان تأسیسات وجود دارد. بنابراین به منظور جلوگیری از آسیب به زیرساخت ها و بروز خسارت های مالی و جانی فراوان، بررسی آنها ضروری است. امروزه GIS فراگستر و فناوری های جدید نظیر واقعیت افزوده ...
بیشتر
زیرساخت های زیرزمینی شامل برق، گاز، مخابرات، آب و فاضلاب توسط سازمان های مرتبط مدیریت و کنترل می شوند. در پروژه های همراه با حفاری امکان تشخیص اشتباه مکان تأسیسات وجود دارد. بنابراین به منظور جلوگیری از آسیب به زیرساخت ها و بروز خسارت های مالی و جانی فراوان، بررسی آنها ضروری است. امروزه GIS فراگستر و فناوری های جدید نظیر واقعیت افزوده می توانند به عنوان راه حلی نوین برای رفع این مشکل به کار گرفته شوند. به گونه ای که بتوان این تأسیسات را در بستر تلفن همراه هوشمند و یا تبلت بصری سازی نمود. به دلیل عدم امکان برآورد دقت مورد نیاز (با توجه به قطر لوله ها و عرض خیابان ها در حد چند سانتی متر) در روش مبتنی بر حسگر، هدف این مقاله ارائه روشی نوین به منظور بهبود دقت واقعیت افزود است. در روش پیشنهادی، دو روش مبتنی بر حسگر و مبتنی بر دید ترکیب شده و در کاربرد بصری سازی تأسیسات زیرزمینی با فناوری واقعیت افزوده آزمایش شده است. در این روش از تارگت های کددار و روش ترفیع فضایی به منظور برآورد پارامترهای موقعیت و جهت دوربین استفاده شده است. به منظور دستیابی به مقادیر اولیه مناسب در ترفیع فضایی، از داده های سنسورهای GPS، شتاب سنج و مغناطیس استفاده شده و بعد از انجام یک فیلتر پایین گذر موقعیت و وضعیت دوربین وارد فرآیند ترفیع فضایی شده است. با توجه به موقعیت و وضعیت بهبود یافته ی دوربین در فرآیند ترفیع فضایی، مدل مجازی تولید شده در موقعیت مسطحاتی صحیح خود قرار می گیرد. موقعیت مسطحاتی به صورت گرافیکی روی زمین نمایش داده می شود و بعد ارتفاعی (عمق) به صورت یک پارامتر توصیفی ارائه می گردد. در نهایت هر دو روش با استفاده از نرم افزار مدل سازی و اندازه گیری دقیق مبتنی بر اصول فتوگرامتری و ماشین بینایی Agisoft مورد ارزیابی قرار گرفته است. در روش مبتنی بر حسگر متوسط دقت پارامترهای موقعیت برابر با 4/2908 متر و متوسط دقت پارامترهای جهت برابر با 6/1796 درجه است، در حالی که در روش مبتنی بر دید متوسط دقت موقعیت برابر 0/1227 متر و متوسط دقت پارامترهای جهت برابر با 2/2017 درجه است. بنابراین نتایج بهبود دقت روش پیشنهادی نسبت به روش مبتنی بر حسگر را اثبات می کند.
