آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,554 |
| تعداد مقالات | 18,945 |
| تعداد مشاهده مقاله | 63,922,189 |
| تعداد دریافت فایل اصل مقاله | 23,354,500 |
DEY-SLAM : مکان‌یابی و نقشه‌برداری هم‌زمان بصری در محیط‌های بسیار پویا با استفاده از اطلاعات عمق، هندسه اپی‌پلار و یادگیری عمیق | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 07 مرداد 1405 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2026.71756.5142 | ||
| نویسندگان | ||
| سید مهدی موسوی؛ محمد رضا احمدزاده* ؛ محمدرضا قطبی راوندی | ||
| دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان | ||
| چکیده | ||
| مکان‌یابی و نقشه‌برداری هم‌زمان (SLAM) به فرآیندی اطلاق می‌شود که در آن یک حسگر متحرک (مانند یک ربات) به‌صورت هم‌زمان، موقعیت خود را در یک محیط ناشناخته تخمین می‌زند و نقشه‌ای از همان محیط تولید می‌کند. الگوریتم‌های سنتی SLAM در سال‌های اخیر به‌بلوغ نسبی در محیط‌های ایستا رسیده‌اند؛ اما فرض ایستا بودن محیط در کاربردهای عملی و صنعتی در اکثر اوقات برقرار نیست، به‌همین دلیل این الگوریتم‌ها تحت تاثیر عوامل پویا در محیط هستند که این امر باعث افزایش خطا در مکان‌یابی می‌شود. در این مقاله، ما الگوریتم DEY-SLAM را برای مقابله با اثر حضور اشیاء پویا در محیط معرفی می‌کنیم. در مرحله اول DEY-SLAM با استفاده از شبکه معنایی YOLOv11-seg، نقاط پویای مشکوک را حذف کرده و در ادامه با استفاده از یک فیلتر مبتنی‌بر اطلاعات عمق (Depth) و آزمون هندسی اپی‌پلار (Epipolar)، باقی نقاط پویای مشکوک را از فرآیند محاسبات SLAM حذف می‌کند تا دقت مکان‌یابی افزایش یابد. ارزیابی‌های انجام‌شده بر روی دنباله‌های مجموعه‌داده TUM RGB-D، نشان‌می‌دهد که DEY-SLAM نتایج قابل قبولی را در بین الگوریتم‌های هم‌رده خود کسب کرده‌است. همچنین در صحنه‌های پیچیده این مجموعه‌داده، مقدار معیار RMSE خطای مطلق به‌دست آمده توسط الگوریتم کلاسیک ORB-SLAM3 را کاهش داده و دقت نقشه را تا حدود 90% در این دنباله‌ها بهبود می‌دهد. | ||
| کلیدواژه‌ها | ||
| مکان‌یابی و نقشه‌برداری هم‌زمان؛ محیط پویا؛ اطلاعات معنایی؛ بینایی ماشین؛ شناسایی الگو | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 118 |
||