Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "object detection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 48
Tytuł:
Histogram of Oriented Gradients with Cell Average Brightness for Human Detection
Autorzy:
Wójcikowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/221424.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
digital image processing
object detection
human detection
Opis:
A modification of the descriptor in a human detector using Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) is presented. The proposed modification requires inserting the values of average cell brightness resulting in the increase of the descriptor length from 3780 to 3908 values, but it is easy to compute and instantly gives ≈ 25% improvement of the miss rate at 10‒4 False Positives Per Window (FPPW). The modification has been tested on two versions of HOG-based descriptors: the classic Dalal-Triggs and the modified one, where, instead of spatial Gaussian masks for blocks, an additional central cell has been used. The proposed modification is suitable for hardware implementations of HOG-based detectors, enabling an increase of the detection accuracy or resignation from the use of some hardware-unfriendly operations, such as a spatial Gaussian mask. The results of testing its influence on the brightness changes of test images are also presented. The descriptor may be used in sensor networks equipped with hardware acceleration of image processing to detect humans in the images.
Źródło:
Metrology and Measurement Systems; 2016, 23, 1; 27-36
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Survey on Facial Features Detection
Autorzy:
Naruniec, J.
Powiązania:
https://bibliotekanauki.pl/articles/226792.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
object detection
image processing
face recognition
Opis:
In this article chosen approaches to the facial features detection have been gathered and described. In the conclusion author discusses advantages and disadvantages of the presented algorithms.
Źródło:
International Journal of Electronics and Telecommunications; 2010, 56, 3; 267-272
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep Learning for Small and Tiny Object Detection: A Survey
Przegląd metod uczenia głębokiego w wykrywaniu małych i bardzo małych obiektów
Autorzy:
Kos, Aleksandra
Belter, Dominik
Majek, Karol
Powiązania:
https://bibliotekanauki.pl/articles/27312454.pdf
Data publikacji:
2023
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
Deep Learning
Small Object Detection
Tiny Object Detection
Tiny Object Detection Datasets
Tiny Object Detection Methods
uczenie głębokie
wykrywanie małych obiektów
wykrywanie bardzo małych obiektów
zbiory danych bardzo małych obiektów
metody wykrywania bardzo małych obiektów
Opis:
In recent years, thanks to the development of Deep Learning methods, there has been significant progress in object detection and other computer vision tasks. While generic object detection is becoming less of an issue for modern algorithms, with the Average Precision for medium and large objects in the COCO dataset approaching 70 and 80 percent, respectively, small object detection still remains an unsolved problem. Limited appearance information, blurring, and low signal-to-noise ratio cause state-of-the-art general detectors to fail when applied to small objects. Traditional feature extractors rely on downsampling, which can cause the smallest objects to disappear, and standard anchor assignment methods have proven to be less effective when used to detect low-pixel instances. In this work, we perform an exhaustive review of the literature related to small and tiny object detection. We aggregate the definitions of small and tiny objects, distinguish between small absolute and small relative sizes, and highlight their challenges. We comprehensively discuss datasets, metrics, and methods dedicated to small and tiny objects, and finally, we make a quantitative comparison on three publicly available datasets.
W ostatnich latach, dzięki rozwojowi metod uczenia głębokiego, dokonano znacznego postępu w detekcji obiektów i innych zadaniach widzenia maszynowego. Mimo że ogólne wykrywanie obiektów staje się coraz mniej problematyczne dla nowoczesnych algorytmów, a średnia precyzja dla średnich i dużych instancji w zbiorze COCO zbliża się odpowiednio do 70 i 80 procent, wykrywanie małych obiektów pozostaje nierozwiązanym problemem. Ograniczone informacje o wyglądzie, rozmycia i niski stosunek sygnału do szumu powodują, że najnowocześniejsze detektory zawodzą, gdy są stosowane do małych obiektów. Tradycyjne ekstraktory cech opierają się na próbkowaniu w dół, które może powodować zanikanie najmniejszych obiektów, a standardowe metody przypisania kotwic są mniej skuteczne w wykrywaniu instancji o małej liczbie pikseli. W niniejszej pracy dokonujemy wyczerpującego przeglądu literatury dotyczącej wykrywania małych i bardzo małych obiektów. Przedstawiamy definicje, rozróżniamy małe wymiary bezwzględne i względne oraz podkreślamy związane z nimi wyzwania. Kompleksowo omawiamy zbiory danych, metryki i metody, a na koniec dokonujemy porównania ilościowego na trzech publicznie dostępnych zbiorach danych.
Źródło:
Pomiary Automatyka Robotyka; 2023, 27, 3; 85--94
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Moving object detection for complex scenes by merging BG modeling and deep learning method
Autorzy:
Lin, Chih-Yang
Huang, Han-Yi
Lin, Wei-Yang
Ng, Hui-Fuang
Muchtar, Kahlil
Nurdin, Nadhila
Powiązania:
https://bibliotekanauki.pl/articles/23944823.pdf
Data publikacji:
2023
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
video surveillance
deep learning
moving object detection
Opis:
In recent years, many studies have attempted to use deep learning for moving object detection. Some research also combines object detection methods with traditional background modeling. However, this approach may run into some problems with parameter settings and weight imbalances. In order to solve the aforementioned problems, this paper proposes a new way to combine ViBe and Faster-RCNN for moving object detection. To be more specific, our approach is to confine the candidate boxes to only retain the area containing moving objects through traditional background modeling. Furthermore, in order to make the detection able to more accurately filter out the static object, the probability of each region proposal then being retained. In this paper, we compare four famous methods, namely GMM and ViBe for the traditional methods, and DeepBS and SFEN for the deep learning-based methods. The result of the experiment shows that the proposed method has the best overall performance score among all methods. The proposed method is also robust to the dynamic background and environmental changes and is able to separate stationary objects from moving objects. Especially the overall F-measure with the CDNET 2014 dataset (like in the dynamic background and intermittent object motion cases) was 0,8572.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 151--163
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel approach of voterank-based knowledge graph for improvement of multi-attributes influence nodes on social networks
Autorzy:
Pham, Hai Van
Duong, Pham Van
Tran, Dinh Tuan
Lee, Joo-Ho
Powiązania:
https://bibliotekanauki.pl/articles/23944825.pdf
Data publikacji:
2023
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
video surveillance
deep learning
moving object detection
Opis:
Recently, measuring users and community influences on social media networks play significant roles in science and engineering. To address the problems, many researchers have investigated measuring users with these influences by dealing with huge data sets. However, it is hard to enhance the performances of these studies with multiple attributes together with these influences on social networks. This paper has presented a novel model for measuring users with these influences on a social network. In this model, the suggested algorithm combines Knowledge Graph and the learning techniques based on the vote rank mechanism to reflect user interaction activities on the social network. To validate the proposed method, the proposed method has been tested through homogeneous graph with the building knowledge graph based on user interactions together with influences in realtime. Experimental results of the proposed model using six open public data show that the proposed algorithm is an effectiveness in identifying influential nodes.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 165--180
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integrated and deep learning–based social surveillance system : a novel approach
Autorzy:
Litoriya, Ratnesh
Ramchandani, Dev
Moyal, Dhruvansh
Bothra, Dhruv
Powiązania:
https://bibliotekanauki.pl/articles/27314204.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
Video Surveillance
object detection
object tracking
YOLO v4 algorithm
OpenCV
Opis:
In industry and research, big data applications are gaining a lot of traction and space. Surveillance videos contribute significantly to big unlabelled data. The aim of visual surveillance is to understand and determine object behavior. It includes static and moving object detection, as well as video tracking to comprehend scene events. Object detection algorithms may be used to identify items in any video scene. Any video surveillance system faces a significant challenge in detecting moving objects and differentiating between objects with same shapes or features. The primary goal of this work is to provide an integrated framework for quick overview of video analysis utilizing deep learning algorithms to detect suspicious activity. In greater applications, the detection method is utilized to determine the region where items are available and the form of objects in each frame. This video analysis also aids in the attainment of security. Security may be characterized in a variety of ways, such as identifying theft or violation of covid protocols. The obtained results are encouraging and superior to existing solutions with 97% accuracy.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 3; 30--39
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integration of vision based image processing for multi-axis CNC machine tool safe and efficient trajectory generation and collision avoidance
Autorzy:
Ahmad, R.
Tichadou, S.
Hascoet, J.-Y.
Powiązania:
https://bibliotekanauki.pl/articles/99898.pdf
Data publikacji:
2010
Wydawca:
Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:
trajectory generation
object detection
object identification
multi-axis machines
collision avoidance
Opis:
Demand of high speed production not only increases the complexity of today's CNC process, but also increases the risks and possibility of collision because of the difference between real (machining) and virtual scenes (CAD/CAM process). Idea here is to make this process more intelligent by processing image taken from the real or virtual machine scenes. Identify objects (already known in the CAD database), obtain safe and efficient trajectories that will modify the previous known trajectories from the CAM systems and will be used finally in real machining environments. This work more focuses to improve trajectory generation, collision avoidance and communication in CAD/CAM systems by image processing technique. Safe and Efficient Trajectory (SET) algorithm for point trajectory is discussed along with its extended version for object trajectory known as Rectangular Enveloped object Safe and Efficient Trajectory (RESET) algorithm that will perfectly generate safe un-functional trajectories [3] for multi-axis machine tool envelop. Meanwhile scene objects are detected and identified by image processing tool while trajectory and setup is optimized and improved accordingly in order to avoid collision. This generated trajectory can be used for setup correction before and after production or for "real times/online" production. Finally work has been validated through real and virtual machine scene images.
Źródło:
Journal of Machine Engineering; 2010, 10, 4; 53-65
1895-7595
2391-8071
Pojawia się w:
Journal of Machine Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Method for Filling and Sharpening False Colour Layers of Dual Energy X-ray Images
Autorzy:
Dmitruk, K.
Mazur, M.
Denkowski, M.
Mikołajczak, P.
Powiązania:
https://bibliotekanauki.pl/articles/227318.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
X-ray imaging
image processing
false colour
object detection
Opis:
An X-ray scanning and image processing have a vast range of applications in the security. An image of a content of some package being passed for example to an airplane or to the court house may help to figure out if there are any dangerous objects inside that package and to avoid possible threatening situation. As the raw X-ray images are not always easy to analyze and interpret, some image processing methods like an object detection, a frequency resolution increase or a pseudocolouring are being used. In this paper, we propose a pseudocoloring improvement over material based approach. By addition of the edge detection methods we fill and sharpen colour layers over the image, making it easier to interpret. We demonstrate the effectiveness of the methods using real data, acquired from a professional dual energy X-ray scanner.
Źródło:
International Journal of Electronics and Telecommunications; 2016, 62, 1; 49-54
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ultra-wideband 3D image processing for improving landmine detection with GPR
Autorzy:
Ligthart, E. E.
Yarovoy, A. G.
Roth, F.
Ligthart, L. P.
Powiązania:
https://bibliotekanauki.pl/articles/307781.pdf
Data publikacji:
2005
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
ground penetrating radar
image processing
object detection
classification
clutter removal
Opis:
This paper describes a new landmine detection algorithm starting from high resolution 3D ground penetrating radar (GPR) images. The algorithm consists of two procedures, object detection and object classification; both strongly depend on the properties of 3D GPR images. The algorithm has been tested on data measured with an ultrawideband (UWB) video impulse radar (VIR) system developed by the International Research Centre for Telecommunications and Radar (IRCTR). It was found that the algorithm is able to detect all landmines (including difficult to detect M14 mines) and classifies almost all landmines correctly with a large reduction in the number of false alarms caused by clutter. It turns out that for clutter removal it is most effective to eliminate detected objects with a small height.
Źródło:
Journal of Telecommunications and Information Technology; 2005, 2; 9-15
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lokalizacja, klasyfikacja i identyfikacja śmigłowców, czołgów i transporterów na podstawie analizy sygnału akustycznego
Location, classification and identification of helicopters, tanks and armoured personnel carriers by analysis of its acoustic signals
Autorzy:
Sosnowski, T.
Madura, H.
Kastek, M.
Powiązania:
https://bibliotekanauki.pl/articles/210040.pdf
Data publikacji:
2010
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
wykrywanie obiektów
akustyka
przetwarzanie sygnału
object detection
acoustics
signal processing
Opis:
Metody wykrywania i identyfikacji obiektów na podstawie różnych ich cech znajdują zastosowanie w bardzo wielu dziedzinach takich jak: systemy alarmowe, automatyczne systemy identyfikacji osób, systemy rozpoznawania obrazów, militarne systemy rozpoznania pola walki, amunicja inteligentna itp. Budowa obiektów technicznych, takich jak pojazd czy śmigłowiec, sprawia, że sygnał akustyczny często jest jednym z niewielu stosunkowo łatwych do zmierzenia sygnałów, umożliwiających lokalizację i identyfikację obiektu technicznego. W związku z tym generowany przez te obiekty dźwięk (hałas) jest coraz częściej wykorzystywany do identyfikacji tych obiektów. W artykule została przedstawiona metoda automatycznej lokalizacji, klasyfikacji i identyfikacji obiektów technicznych, takich jak śmigłowce, czołgi, transportery opancerzone i pojazdy na podstawie cyfrowej analizy sygnałów akustycznych. Metoda charakteryzuje się względnie wysokim prawdopodobieństwem rozróżniania obiektów w środowisku z innymi sygnałami zakłócającymi, przy jednocześnie niskim prawdopodobieństwie fałszywej klasyfikacji i identyfikacji.
Methods of detection and identification of objects on the basis of its certain features are widely applied in many areas such as security systems, automated personal identification systems, image recognition, military battlefield reconnaissance systems, intelligent munitions and others. In case of technical objects like vehicles (land or aerial ones) an acoustic signal is one of the few characteristics that can be relatively easily measured and used for object location and identification. As a result, an acoustic signal (noise) generated by such objects is more and more often used for object identification purposes. The paper presents the method for automatic location, classification and identification of technical objects (like helicopters, tanks, and other vehicles) that relies on digital processing of acoustic signals. Relatively high probability of object discrimination can be achieved with this method in spite of the presence of disturbing signals in the environment and the probability of false classification and identification is low.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2010, 59, 3; 329-353
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Defect Detection Using Deep Learning-Based YOLOv3 in Cross-Sectional Image of Additive Manufacturing
Autorzy:
Choi, Byungjoo
Choi, Yongjun
Lee, Moon-Gu
Kim, Jung-Sub
Lee, Sang-Won
Jeon, Yongho
Powiązania:
https://bibliotekanauki.pl/articles/2048889.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
additive manufacturing
deposition defect
data augmentation
YOLOv3
object detection
Opis:
Deposition defects like porosity, crack and lack of fusion in additive manufacturing process is a major obstacle to commercialization of the process. Thus, metallurgical microscopy analysis has been mainly conducted to optimize process conditions by detecting and investigating the defects. However, these defect detection methods indicate a deviation from the operator’s experience. In this study, artificial intelligence based YOLOv3 of object detection algorithm was applied to avoid the human dependency. The algorithm aims to automatically find and label the defects. To enable the aim, 80 training images and 20 verification images were prepared, and they were amplified into 640 training images and 160 verification images using augmentation algorithm of rotation, movement and scale down, randomly. To evaluate the performance of the algorithm, total loss was derived as the sum of localization loss, confidence loss, and classification loss. In the training process, the total loss was 8.672 for the initial 100 sample images. However, the total loss was reduced to 5.841 after training with additional 800 images. For the verification of the proposed method, new defect images were input and then the mean Average Precision (mAP) in terms of precision and recall was 0.3795. Therefore, the detection performance with high accuracy can be applied to industry for avoiding human errors.
Źródło:
Archives of Metallurgy and Materials; 2021, 66, 4; 1037-1041
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data augmentation for haar cascade based automobile detection
Autorzy:
Pawełczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/263193.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz. Przemysłowy Instytut Motoryzacji
Tematy:
automobile detection
object detection
Haar cascade
data augmentation
kaskady klasyfikatorów Haara
detekcja
objekt
Opis:
The article describes recent object detection methods with their main advantages and drawbacks and shows results of application of machine learning Haar Cascade algorithm for automobile detection. The article underlines problems related to the feature dataset generation and presents an overview of current dataset augmentation methods such as image mirroring, cropping, rotating, shearing and color modification. New methods fot image dataset augmentation, such as utilization of CAD models and Deep Learning solutions, are also proposed. In order to ensure low cost, real time detection machine learning based Haar Cascade detector has been proposed and tested on a custom dataset specifically created for dataset augmentation methods evalutation. Article provides all input parameters for detector training process, along with a brief description of object detection metrics. Finally the article presents results of the baseline detector and augumented calssificator created based on vertical image mirroring technique, for different dataset configurations. Algorithms performance for real time detection on high resolution images was also evaluated.
Źródło:
Archiwum Motoryzacji; 2018, 82, 4; 117-129
1234-754X
2084-476X
Pojawia się w:
Archiwum Motoryzacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Exploring automated object detection methods for manholes using classical computer vision and deep learning
Autorzy:
Rao, Shika
Mitnala, Nitya
Powiązania:
https://bibliotekanauki.pl/articles/2204261.pdf
Data publikacji:
2023
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
Tematy:
computer vision
object detection
size detection
convolutional neural networks
vision transformer
autonomous vehicles
Opis:
Open, broken, and improperly closed manholes can pose problems for autonomous vehicles and thus need to be included in obstacle avoidance and lane-changing algorithms. In this work, we propose and compare multiple approaches for manhole localization and classification like classical computer vision, convolutional neural networks like YOLOv3 and YOLOv3-Tiny, and vision transformers like YOLOS and ViT. These are analyzed for speed, computational complexity, and accuracy in order to determine the model that can be used with autonomous vehicles. In addition, we propose a size detection pipeline using classical computer vision to determine the size of the hole in an improperly closed manhole with respect to the manhole itself. The evaluation of the data showed that convolutional neural networks are currently better for this task, but vision transformers seem promising.
Źródło:
Machine Graphics & Vision; 2023, 32, 1; 25--53
1230-0535
2720-250X
Pojawia się w:
Machine Graphics & Vision
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza algorytmów detekcji obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego
Analysis of detection algorithms of railway infrastructure object based on scanning mobile laser point cloud
Autorzy:
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130674.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mobilny skaning laserowy
filtracja
detekcja obiektów
mobile laser scanning
filtering
object detection
Opis:
Tematem niniejszego artykułu jest detekcja obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego. Pierwszym istotnym etapem, zanim przystąpi się do właściwej detekcji, jest usunięcie szumu pomiarowego. W przypadku skaningu mobilnego szum jest kluczowym problemem, gdyż wprowadza duże zakłócenia do danych pomiarowych. W pierwszej części artykułu zawarto krótką charakterystykę programów pod kątem prostych filtrów geometrycznych, które zarówno usuwają szumy jak i przeprowadzają proste operacje klasyfikacji (na przykład wydzielenie obiektów oddalonych o określoną wartość głębokości). Dopiero po usunięciu szumu jest możliwe rozpoznawanie obiektów. Jest to stosunkowo nowe zagadnienie, otwierające szerokie pole do analiz i badań naukowych. Do tej pory zostało opisanych kilka metod klasyfikacji danych pochodzących z mobilnych systemów laserowych. Część algorytmów opiera się na metodach wywodzących się z teorii przetwarzania obrazów. Rozproszona chmura punktów jest zapisywana w siatce regularnej jako raster, którego wartości pikseli odpowiadają głębokości lub intensywności danych laserowych. Do metod opartych na obrazach możemy zaliczyć: algorytmy wykorzystujące filtry morfologiczne i algorytmy wyszukiwania. Inne metody detekcji obiektów bazują na danych rozproszonych, czyli oryginalnej chmurze punktów. Przykładem może być metoda oparta na algorytmie RANSAC. Przeprowadzona analiza algorytmów filtracji ujawniła, że mobilny skaning laserowy może stanowić miarodajne źródło do wyodrębniania obiektów.
The subject of this paper is detection of railway infrastructure objects based on mobile laser scanning. The first important step, made before proceeding with correct detection, is to remove the measurement noise. In the case of mobile scanning noise is a key issue, since it introduces a large distortion of the measurement data. In the first part of the article a brief description of the programs in terms of simple geometric filters which both remove noise and carry out simple operations of the classification (for example, the separation of objects spaced by a certain depth). Object recognition is possible only after the removal of the noise This is a relatively new problem, opening a wide field for analysis and research. So far several methods have been described for the classification of the mobile data. Some algorithms based on methods derived from the image processing theory. Scattered cloud of points is stored in a regular grid, the pixel values correspond to the depth or intensity of the laser data. The image-based methods: algorithms using morphological filters and retrieval algorithms. Other methods are based on the detection of objects from the original cloud of points. An example is the method based on RANSAC algorithm. An analysis of filtering algorithms revealed that mobile laser scanning can be a reliable information source to extract objects.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 211-220
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of anthropomorphic dual arm robot with distinct degrees of freedom for coordinated operations
Autorzy:
Abhaykrishna, K. M.
Parayil, Nidhi Homey
Reghunandan, Ibin Menon
Sudheerx, Sudheer A. P.
Powiązania:
https://bibliotekanauki.pl/articles/385000.pdf
Data publikacji:
2019
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
dual arm robot
anthropomorphic ratio
distinct degrees of freedom
coordination
object detection
Opis:
Development of assistive robots for helping the disabled is a field of research that has gathered attention recently. According to surveys, about one billion people in the world population have some kind of disability. Dual arm robots are a suitable solution for helping people with mobility impairments. The current development in the field of dual-arm robots is focused mainly in the industrial field to carry out cyclic tasks. This includes activities such as pick and place, assembling parts and doing other industrial operations. Unlike human arms, these dual arm robots lack versatility in doing a wide variety of tasks with adequate coordination between the arms. Due to these constraints, industrial dual arm robots cannot be directly implemented for assisting the disabled. This paper focuses on designing a compact dual arm robot which closely mimics human arms to do coordinated tasks with lesser Degrees of Freedom (DoF). Therefore, the developed robot extends its capabilities from industrial applications to daily life activities. Closed loop control is used in actuating the proposed 9 DoF dual arm robot with distinct DoF. Target position is acquired using image processing. Hand to hand coordination in various operations such as pick and place, transferring objects, serving food, etc. has successfully experimented.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2019, 13, 4; 52-64
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 48

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies