ИНТЕГРАЦИЯ АЛГОРИТМОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ СОЗДАНИЯ АВТОНОМНЫХ СИСТЕМ ИССЛЕДОВАНИЯ ОКРУЖАЮЩЕЙ СРЕДЫ
DOI:
https://doi.org/10.52167/1609-1817-2024-133-4-334-342Ключевые слова:
робототехника, алгоритмы FAST и SIFT, триангуляция, компьютерное зрение, Keypoint detectionАннотация
Научные исследования в области робототехники и компьютерного зрения нацелены на создание более автономных систем для исследования окружающей среды. В данном исследовании исследуется интеграция алгоритмов компьютерного зрения с целью разработки таких систем. Методика включает обработку изображений на основе основных точек для обнаружения объектов и применение триангуляции для приближенного моделирования трехмерных объектов. Проведен сравнительный анализ алгоритмов FAST и SIFT для оценки их применимости и эффективности в различных сценариях. Полученные результаты важны для дальнейшего развития навигационных систем исследования окружающей среды в робототехнике. Анализ алгоритмов позволяет выявить их сильные и слабые стороны, способствуя оптимизации процессов и повышению эффективности автономных систем исследования окружающей среды. Такие системы могут иметь широкий спектр применения, включая исследование местности, поиск и спасение, а также анализ окружающей среды в промышленных и научных приложениях.
Библиографические ссылки
[1] 2D object recognition: a comparative analysis of SIFT, SURF and ORB feature descriptors Monika Bansal, Munish Kumar, Manish Kumar. 20 February 2021
[2] LoweDG(2004)Distinctive image features from scale-invariant Keypoints. Int J Comput Vis 60(2):91–110
[3] Rublee E, Rabaut V, Konolige K, Bradski G 2011 ORB: an efficient alternative to SIFT or SURF, Proceedings of the IEEE International Conference on Computer Vision (ICCV), 1-8
[4] Rosten E and Drummond T 2006 Machine learning for high speed corner detection. Proc 9th Eur Conf Comput Vision, 1:430–443
[5] Fast and Reliable Vision-Based Navigation for Real Time Kinematic Applications M. Amami. DOI:10.22214/ijraset.2022.40395
[6] "Triangulating Mars for Exploration", James A. Gentner, et al.
[7] "Path Planning for Mars Rovers Using Delaunay Triangulation", Yi-Min Chen, et al.
[8] "On the Use of Delaunay Triangulation for Obstacle Avoidance in Mars Rovers", D. T. Nguyen, et al., 2018
[9] "Robust Planning of Safe and Efficient Paths for Mars Rovers Using Delaunay Triangulation", Y. Liu, et al., 2020
[10] Скворцов А.В. C 42 Триангуляция Делоне и её применение. – Томск: Изд-во Том. ун-та, 2002. – 128 с.
[11] Guibas L., Stolfi J. Primitives for the manipulation of general subdivisions and the computation of Voronoi diagrams // ACM Transactions on Graphics. Vol. 4. N. 2. 1985. P. 74–123.
[12] "A Fast and Robust Algorithm for Path Planning of Mars Rovers Using Delaunay Triangulation", J. H. Kim, et al., 2023
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Маржан Азилкияшева, Инкар Жалымбетова, Серик Оспанов
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
