پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین

word
67
5 MB
31084
1393
کارشناسی ارشد
قیمت: ۶,۷۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین

    پایان­نامه کارشناسی ارشد رشته مهندسی کامپیوتر (M.Sc)

    چکیده:

    امروزه کنترل خودکار در سیستم های حمل و نقل به طور گسترده ای به کار می رود. دلایل متعددی برای بکارگیری این روش وجود دارد که اهم آن عبارتند از کاهش هزینه، قابلیت سبک تر ساختن وسایل، امنیت بیشتر سرنشینان و یا دور از خطر ماندن آنها. دو مورد آخر در سیستم هایی که قابلیت پرواز دارند بیشتر به چشم می  خورد. در این پایان نامه یک سیستم کنترل پرواز هلیکوپتر طراحی شده است که قابلیت کنترل از راه دور مبتنی بر پردازش تصویر را داراست. هلیکوپتر مدل با استفاده از یک دوربین متصل به رایانه، با استفاده از الگوریتم های پردازش تصویر ردیابی می شود. پس از ردیابی هلیکوپتر، فرمان ها با نرخ انتقال 9600 فریم بر ثانیه از کامپیوتر به سخت افزار  ارسال می شود. سخت افزار ساخته شده در این پروژه یک بورد دست ساز جهت دیجیتال کردن پارامتر های آنالوگ رادیو کنترل و همچنین وطیفه دریافت فرمان از کامپیوتر را دارد. هلیکوپتر با استفاده از پردازش تصویر و الگوریتم های ردیابی رنگ شناسایی می شود سپس موقعیت جهت X,Y هلیکوپتر در صفحه معیین شده و به نمایش در می آید. به منظور انجام ردیابی با سرعت بالا، روش های مورد استفاده برای تشخیص شی و همچنین آستانه گیری و تقسیم بندی به کارگرفته شده است. تشخیص هلیکوپتر در فریم توسط وبکم کامپیوتر و دوربین مایکروسافت کینکت انجام شده است. پیاده سازی برنامه ها و الگوریتم های مورد نیاز به زبان C++ در محیط Visual Studio 2013 انجام شده است. پردازش تصویر به وسیله تابع ردیابی رنگ cvInRenge موجود در کتابخانه پردازش تصویر OpenCV انجام شده است. کامپیوتر به وسیله وبکم متصل به آن، هلیکوپتر در حال پرواز را شناسایی می کند سپس کامپیوتر از طریق پورت سریال به رادیو کنترل دستورات سرعت و چپ و راست را ارسال می کند تا هلی کوپتر در مرکز فریم قرار گیرد.

    واژه های کلیدی: بینایی ماشین، تشخیص هلیکوپتر، شناسایی رنگ، رادیو کنترل، کتابخانه پردازش تصویر

     

     

    فصل 1

      کلیّات تحقیق

     

     

     

    کلیّات تحقیق

    اهمیت بینایی کامپیوتر، از طریق بسیاری از کاربرد ها در زندگی قابل مشاهده است. بینایی کامپیوتر، کاربردهایی همچون تشخیص سرطان، برنامه های امنیتی، بیومتریک و موارد دیگر را دارا می باشد.

    پردازش تصاویر امروزه بیشتر به موضوع  پردازش تصاویر دیجیتالی گفته می‌شود که شاخه‌ای از دانش رایانه است که با پردازش سیگنال های دیجیتال که نماینده تصاویر برداشته شده با یک دوربین دیجیتال یا تصاویر پویش شده توسط یک پویشگر هستند، سر و کار دارد. پردازش تصاویر دارای دو شاخه عمده بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرنده روشهایی همچون استفاده از محوکننده‌ها و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آنها در محیط مقصد(مانند چاپگر یا نمایشگر رایانه)است، در حالی که بینایی ماشین به روشهایی می‌پردازد که به کمک آنها می‌توان معنی و محتوای تصاویر را درک کرد تا از آنها در کارهایی چون رباتیک استفاده شود.

    ردیابی اشیاء، نمایش تغییرات موقعیت یک شیء و دنبال کردن آن در یک دنباله از تصاویر ویدئویی، با هدفی خاص است که باید با دقت مطلوبی انجام شود. اگرچه سابقه ایجاد پدیده ردیابی اشیاء به مسائل نظامی برمی‌گردد ولی امروزه به دلیل کاربردهای بسیار گسترده‌ی ردیابی اشیاء در زمینه‌های مختلف، مثلاً کنترل ترافیک و تشخیص حرکات غیرمعمول، این مقوله و جوانب مختلف آن مورد توجه ویژه‌ای قرار گرفته است. از جمله مسائلی که همواره عملکرد الگوریتم‌های ردیابی را با مشکل مواجه ساخته است، تعامل آنها با روش‌های تشخیص هدف، ظاهر متغیر اهداف و همچنین ردیابی همزمان چند هدف است. در این پژوهش، یک روش با بهره وری بالاتر و دقیق‌تر از روش‌های قبل ‌برای ردیابی اشیاء با استفاده از تصویر برداری با دوربین وبکم معرفی می‌گردد. در این سیستم تصاویر ویدئویی گرفته شده از پرواز هلیکوپتر مدل، پردازش، شناسایی و استخراج می‌گردند. الگوریتم پیشنهادی به چندین تقسیم می شوند. ابتدا پس‌زمینه‌ی ثابت را شناسایی و نویز را از آن حذف می‌کند. این پس‌زمینه برای تفریق شدن از اشیا‌ی متحرک به‌کار می‌رود. پس از آن طی یک مرحله‌ی فیلتر کردن تصویر، سایه‌ها و نویزهای تصویر فیلمبرداری شده حذف و در نهایت با استفاده از روش مسیریابی حباب شی متحرک یا اشیا‌ی متحرک تفکیک، شناسایی و ردیابی می‌شوند. آزمایش این سیستم، بر روی تصاویری از یک فرد در حیاط منزل و جاده‌های شهری انجام شد. نتایج تجربی نشان می‌دهد که مدل پیشنهادی برای تشخیص اشیاء متحرک و ردیابی آنها، به خوبی کار می‌کند و می‌تواند تخمین حرکت و مسیر حرکت اشیاء را از نظر سرعت و دقت تا حد مطلوبی بهبود دهد. ردیابی شیء، در وسایل نقلیه هوایی مستقل (یا هواپیماهای بدون سرنشین) کاربرد دارد، روش دیگر مورد استفاده برای ردیابی وسایل نقلیه هوایی، تشخیص رنگ می باشد که با استفاده از الگوریتم پردازش تصویر جهت شناسایی رنگ مورد استفاده قرار می گیرد.

     

    تعریف مساله و اهداف تحقیقات

    هدف از این پروژه تحقیقاتی، ایجاد یک سیستم، جهت کنترل یک هلیکوپتر بدون خلبان مدل جهت قراردادن هلیکوپتر در مرکز تصویر دریافتی از وبکم متصل به رایانه می باشد. این هلیکوپتر با استفاده از یک وبکم متصل به رایانه ردیابی می شود و دستورات را در کوتاهترین زمان برای هلیکوپتر ارسال می کند. دستورات شامل سرعت و جهت می باشند. از این رو لازم است برای پیدا کردن هلیکوپتر، از یک روش مناسب جهت ردیابی استفاده شود. نتیجه نهایی این پروژه یک هلیکوپتر کنترل به صورت خودکار، و انجام برخی از حرکات از پیش تعریف شده خواهد بود.

     

    اهداف

    اهداف اصلی این پروژه عبارتند از:

    اتصال بورد رادیو کنترل هلیکوپتر مدل به رایانه جهت دیجیتال کردن رادیو کنترل آنالوگ.

    شناسایی و ردیابی هلیکوپتر بوسیله پردازش تصویر جهت تعیین موقعیت و جهت گیری.  

    ارسال دستورات خودکار از رایانه به هلیکوپتر و قرار دادن هلیکوپتر در مرکز فریم .

    فرود هلیکوپتر در نقطه تعیین شده توسط کلیک موس روی فریم تصویر.

     

    سازمان پایان نامه

    در فصل 2 برخی از پیشینه مربوط به پروژه معرفی و ارائه شده و بررسی کارهای قبلی انجام شده در این زمینه پرداخته می شود. در این بخش با هدف برخی از بینش ها به روش هایی همچون الگوریتم های تفریق دو تصویر و تشخصی رنگ که برای این پروژه استفاده می شود می پردازیم. ابزار و طراحی مورد استفاده برای این پروژه و همچنین نرم افزار مورد نیاز، مانند کتابخانه ها و الگوریتم ها، سخت افزار های مورد نیاز برای انجام پروژه در فصل 3 توضیح داده شده است. اجرای پروژه در فصل 4 آمده شده است که در این قسمت توضیح فنی از روش های مورد استفاده برای انجام این پروژه را نشان می دهد. تست سیستم و نتایج به دست آمده در فصل  5 آمده است و هر آزمون همراه با نتیجه آن شرح داده شده است. نتایج تجزیه و تحلیل و قابلیت ها و محدودیت های سیستم مورد بحث قرار گرفته و در نهایت، نتیجه گیری در فصل 5 آمده شده است که خلاصه نتایج و پیامدهای این سیستم و کارهای آینده نیز در فصل 5 بحث شده است.

     

    فصل2

    پیشینه تحقیق

    پیشینه تحقیق

    از آنجا که این پروژه اولین گام به دنیای اتوماسیون است، برای دادن یک پیشینه مختصری از وسایل نقلیه مستقل و نمونه که در حال حاضر در کلاس هلیکوپتر وجود داشته باشد می پردازد. تمرکز اصلی این پروژه بر روی پردازش تصویر و ردیابی رنگ هلیکوپتر می باشد.

     

    وسایل نقلیه خودمختار

    کنترل هلیکوپتر به دلیل پیچیدگی های خود، جهت کنترل کردن آن نسبت به سایر وسایل نقلیه مشکل تر می باشد[1]. هلیکوپتر ها وسایل نقلیه بسیار مفیدی هستند، به هر حال، بسیاری از برنامه های کاربردی در دنیای واقعی مانند هلیکوپتر های خودمختار مزایا و کاربردهای بسیاری دارند. آنها می تواند برای امنیت، از جمله کمک به خلبانان، در شرایط از دست دادن کنترل خود یا ارائه نظارت از فضای هوایی استفاده شوند. همچنین می توانند برای نظارت بر عوامل محیطی، مانند آتشفشان ها یا بررسی شرایط هوا استفاده شوند. استفاده پرکاربرد دیگر آن در موقعیت های خطرناک مانند رفتن درون معادن و یا تخریب آنها و یا حرکت در فضاهای آلوده است. [1]. در ضمن در سیستم های مورد استفاده در سطح دریاها و اقیانوس ها نیز می تواند بکار رود. هوش و کنترل سایل نقلیه خودمختار به طور کلی به سه دسته هوش داخلی، هوش خارجی و ترکیب هوش داخلی و هوش خارجی تقسیم می شوند.

     

    هوش داخلی

    هوش داخلی زمانی است که همه ردیابی و ناوبری در داخل وسیله نقلیه انجام شود. چالش بزرگ در آن ها ایجاد یک وسیله نقلیه مستقل است که می تواند راه خود را در یک جاده در یک مقدار مشخصی از زمان پیدا کرده و حرکت کند. به عنوان مثال وسیله نقلیه، به نام استنلی دارای یک سیستم GPS، دوربین، آنتن و سنسورهای متصل را دارا می باشد و همه هوش آن در داخل سیستم انجام شده است[21]. به عنوان مثال دیگر، از هوش در داخل سیستم یک مدل هلیکوپتر مستقل به عنوان بخشی از یک پایان نامه دکتری ایجاد شده است [3]. این هلیکوپتر دارای پردازنده و هوش در داخل سیستم می باشد، دوربین فیلمبرداری، ژیروسکوپ و شتاب سنج از دیگر امکانات موجود در این هلیکوپتر می باشد. همه پردازش تصویر و ناوبری در خود هلیکوپتر انجام شده است. عیب این نوع وسایل نقلیه این است که به علت آنکه تجهیزات در داخل وسیله نقلیه می باشد، بسیار سنگین می باشند، بنابراین نگرانی وزن وجود دارد.

     

    هوش خارجی

    هوش خارجی هنگامی است که وسیله نقلیه ردیابی و داده های ناوبری از یک منبع خارجی ارسال می شود. این نوع وسایل نقلیه هوش را از ارتباط بین وسیله نقلیه و منبع خارجی تامین می کنند. وسایل نقلیه ممکن است محدودیت های وزن یا محدودیت های اندازه داشته باشند [18]. به عنوان مثال سیستم پردازش سه بعدی برای کنترل از راه دور هلیکوپتر برد کوتاه مورد استفاده قرار گرفته که بسیاری از دوربین ها به منظور ضبط تمام زوایای هلیکوپتر استفاده می شود و همه اندازه گیری ها، تصمیم گیری ها و ناوبری در یک کامپیوتر خارجی انجام می شود و اطلاعات از کامپیوتر با استفاده از یک اتصال بیسیم به هلیکوپتر فرستاده می شود. عیب این نوع عملکرد این است که اگر ارتباط با وسیله نقلیه در هر نقطه مسدود شود، ردیابی غیر ممکن یا دشوار می شود[18].

     

    ترکیبی از هوش خارجی با هوش داخلی

    استفاده از هوش خارجی در هوش داخلی یا ترکیبی از گروه های فوق، به این معنی است که بخش های خاصی از قابلیت های ممکن در خارج انجام شود و فقط قطعات خاصی در داخل قرار می گیرند. در این نوع ردیابی ممکن است توسط یک دوربین خارجی انجام شود و سیستم ناوبری در داخل، یا بالعکس. به عنوان مثال سیستمی به منظور تست الگوریتم  برای هلیکوپتر چهار روتور بدون سرنشین ساخته شده است. در این سیستم، دو دوربین به منظور برآورد موقعیت کنترل از راه دور هلیکوپتر چهار روتور مورد استفاده قرار می گیرد. یکی از دوربین ها روی زمین و دیگری در هلیکوپتر قرار گرفته است. هر یک از این دوربین ها به کامپیوتر های مختلفی که توسط یک شبکه به هم متصلند، کنترل می گردند. دوربین اطلاعات را به کامیپوترهای خارجی از طریق شبکه ارسال کرده و دوربین های خارجی اطلاعات را به هلیکوپتر با استفاده از دستگاه کنترل از راه دور و یک پورت سریال ارسال می کند. عیب این کار اضافه شدن وزن به هلیکوپتر و مقدار تجهیزات گران قیمت است [2].

     

    پردازش تصویر

    پردازش تصویر روشی برای تبدیل یک تصویر به صورت دیجیتال و انجام برخی از عملیات بر روی آن، به منظور دریافت یک تصویر بهبود یافته و یا برای استخراج برخی از اطلاعات مفید از آن است. در اوایل دهه 60 سفینه فضایی رنجر 7 متعلق به ناسا شروع به ارسال تصاویر تلویزیونی مبهمی از سطح ماه به زمین کرد. استخراج جزئیات تصویر برای یافتن محلی برای فرود سفینه آپولو نیازمند اعمال تصمیماتی روی تصاویر بود[18]. این کار مهم به عهده لابراتوار قرار داده شد. بدین ترتیب زمینه تخصصی پردازش تصاویر رقمی آغاز گردید و مثل تمام تکنولوژی های دیگر سریعاً استفاده های متعدد پیدا کرد. از سال 1964 تاکنون، موضوع پردازش تصویر، رشد فراوانی کرده است. علاوه بر برنامه تحقیقات فضایی، اکنون از فنون پردازش تصویر، در موارد متعددی استفاده می شود. برای نمونه در پزشکی شیوه های رایانه ای Contrast تصویر را ارتقا می دهند یا این که برای تعبیر آسانتر تصاویر اشعه ایکس یا سایر تصاویر پزشکی، سطوح شدت روشنایی را با رنگ، نشانه گذاری می کنند[18]. متخصصان جغرافیایی نیز از این روش ها یا روش های مشابه برای مطالعه الگوهای آلودگی هوا که با تصویر برداری هوایی و ماهواره ای بدست آمده است، استفاده می کنند. در باستان شناسی برای تصویربرداری سه بعدی از اجسام و فسیل ها مورد استفاده قرار می گیرد[18]. در موزه های نیز روش های پردازش تصویر برای بازیابی عکس های مات شده ای که تنها باقی مانده آثار هنری نادر هستند، مورد استفاده قرار می گیرد[18]. کاربردهای موفق دیگری از پردازش تصویر را نیز می توان در نجوم، زیست شناسی، پزشکی هسته ای، صنعت بیان کرد. پردازش تصویر در صنایع مختلف از جمله صنایع هوافضا،صنایع بسته‌بندی و چاپ، صنایع خودرو، داروسازی و پزشکی، صنایع الکترونیک، صنایع غذایی، صنایع فولاد، آلومینیوم، مس و ...،صنایع سلولوزی(کاغذ، مقوا، کارتن)، صنایع لوله، پروفیل فلزی، لوله پلیمری و کابل، صنایع منسوجات (پارچه، موکت، فرش و بافته‌های صنعتی)، صنایع کاشی، سرامیک کاربردهای فراوانی دارد [8].

    Abstract:

     

     

     

     

    The project aims to control a remote control model helicopter without a pilot and control through image processing. A model helicopter with a camera connected to a computer, using image processing algorithms can be tracked. After tracking the helicopter, with a transfer rate of 9600 fps command from computer hardware to be sent. The project is a hand-built hardware board to digitize the analog radio-controlled potentiometer THE DUTY also receives commands from the computer. Helicopter using image processing algorithms to detect and identify the color of the position of the X, Y and helicopters specific page is displayed. In order to perform the track at high speed, the methods used to identify and classify the object as well as the threshold was used. In the frame of the computer and camera helicopter to detect webcam Microsoft Kinect is used. This project is written in C ++ in Visual Studio 2013. The project cvInRenge color image processing by tracking function in the library OpenCV image processing is done. Computer with a webcam, a helicopter in flight identifies the computer through the serial port speed radio control commands and sends them to the helicopter left and right in the center of the frame.

     

     

  • فهرست و منابع پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین

    فهرست:

    فصل 1. 14

    کلیّات تحقیق. 14

    1-1-       کلیّات تحقیق. 15

    1-1-1-       تعریف مساله و اهداف تحقیقات.. 16

    1-2-       اهداف.. 16

    1-3-       سازمان پایان نامه. 16

    فصل2. 18

    پیشینه تحقیق. 18

    2-1-       پیشینه تحقیق. 19

    2-2-       وسایل نقلیه خودمختار. 19

    2-2-1-       هوش داخلی.. 19

    2-2-2-       هوش خارجی.. 20

    2-2-3-       ترکیبی از هوش خارجی با هوش داخلی.. 20

    2-3-       پردازش تصویر. 20

    2-4-       ردیابی شی.. 21

    2-5-       چالش های در ردیابی شی.. 22

    2-6-       انتخاب ویژگی.. 22

    2-6-1-       رنگ... 22

    2-6-2-       لبه. 23

    2-6-3-       بافت.. 24

    2-6-4-       تشخیص شی.. 24

    2-6-5-       تفریق پس زمینه. 25

    2-6-6-       قطعه بندی تصاویر. 25

    2-7-       تشخیص لبه و ارتباط (اتصال) 26

    2-8-       مدل های کانتور فعال مبتنی بر لبه. 26

    2-9-       ردیابی اشیای متحرک.. 27

    2-10-     نتیجه گیری.. 27

    فصل3. 29

    روش اجرای تحقیق، مواد و روش ها 29

    3-1-       روش اجرای تحقیق/ مواد و روش ها 30

    3-2-       ابزار نرم افزار. 30

    3-2-1-      نظریه کنترل. 30

    3-2-2-     کتابخانه بینایی کامپیوتر OpenCV.. 31

    3-3-                       Thresholding. 32

    3-3-1-                         Thresholding دودویی.. 32

    3-3-2-                         Thresholding دودویی معکوس... 32

    3-3-3-                         Thresholding آستانه به صفر. 33

    3-3-4-                         Thresholding آستانه معکوس به صفر. 33

    3-4-       بورد آردوینو. 34

    3-5-       ابزار سخت افزار. 34

    3-5-1-      هلیکوپتر. 34

    3-5-2-      کینکت.. 35

    3-5-3-      تشریح آردوینو. 37

    3-5-4-      بورد ساخته شده 37

    فصل چهارم 39

    اجرای سیستم. 39

    4-1-       اجرای سیستم. 40

    4-2-       کنترل از طریق آردینو. 40

    4-3-1-      مهندسی معکوس سیگنال های مادون قرمز. 40

    4-3-2-     مدولاسیون PWM... 41

    4-3-3-      ساختار بسته مادون قرمز. 41

    4-4-       دقت نقشه عمق کینکت.. 43

    4-5-       نتایج بدست آمده 44

    4-6-       پایداری در هوا 46

    4-7-       خلاصه. 47

    فصل 5. 48

    بحث، نتیجه گیری و پیشنهادات.. 48

    5-1-       کنترل پتانسیومتر دیجیتال. 49

    5-2-       کنترل هلیکوپتر از طریق کامپیوتر. 49

    5-2-1-      ردیابی.. 50

    5-2-2-      استخراج موقعیت هلیکوپتر. 50

    5-2-3-      ردیابی لبه. 51

    5-2-4-      دوربین مورد استفاده پروژه 51

    5-2-5-      کامپیوتر مورد نیاز پروژه 52

    5-2-6-      روش تشخیص رنگ... 52

    5-2-7-      تشخیص رنگ و فیلتر رنگ ها 53

    5-2-8-      نرم کننده تصویر. 54

    5-3-       ماژول ارتباط سخت افزار با کامپیوتر مورد استفاده در پروژه 54

    5-4-       محیط برنامه نویسی پروژه 55

    5-5-       کتابخانه OpenCV. 55

    5-6-       نحوه کارکرد پروژه 56

    5-7-       الگوریتم پروژه 56

    5-8-       خلاصه. 58

    5-9-       پیشنهادات.. 58

    فهرست منابع. 60

    5-3-       ضمائم. 62

     

     

     

    منبع:

     

     

    [1] Aguilar-Ponce, R. (2007), automated object detection and tracking based on clustered sensor networks. PhD thesis, University of Louisiana. AAI3294839.

     

    [2] Altug, E., Ostrowski, J. P., and Taylor, C. J., (2003), Quadrotor control using dual camera visual feedback. In International Conference on Robotics & Automation, IEEE, pp. 4294-4299.

     

    [3] Amidi, O., Mesaki, Y., and Kanade, T., (1993), Research on an autonomous vision guided helicopter.

     

    [4] Andersen, M., Jensen, T., Lisouski, P., Mortensen, A., Hansen, M., Gregersen, T., and Ahrendt, P. (2012), Kinect depth sensor evaluation for computer vision applications. Tech. rep., Aarhus University.

     

    [5] Benezeth, Y., Jodoin, P., Emile, B., Laurent, H., and Rosenberger C. (2008), Review and evaluation of commonly-implemented background subtraction algorithms. In Pattern Recognition, pp. 1-4.

     

    [6] Fan, J., Yau, D., Elmagarmid, A., and Aref, W. (2001), Automatic image segmentation by integrating color-edge extraction and seeded region growing. IEEE Transaction on Image Processing 1454-1466.

     

    [7] Fieguth, P., and Terzopoulos, D. (1997), Color-based tracking of heads and other mobile objects at video frame rates. In Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pp. 21-27.

     

    [8] Heath, M., Sarkar, S., Sanocki, T., and Bowyer, K. (1996), Comparison of edge detectors: A methodology and initial study. In Computer Vision and Image Understanding, IEEE Computer Society Press, pp. 38-54.

     

    [9] Jiang, X., and Bunke, H. (1999), Edge detection in range images based on scan line approximation. Computer Vision and Image Understanding 73, 183-199.

     

    [10] McGillivary, P., Sousa, J., Martins, R., Rajan, K., and Leroy, F. (Southampton, UK, 2012), Integrating autonomous underwater vessels, surface vessels and aircraft as persistent surveillance components of ocean observing studies. In IEEE Autonomous Underwa- ter Vehicles.

     

    [11] Moeslund, T. B., and Granum, E. (Mar. 2001), A survey of computer vision-based human motion capture. Computer Vision Image Understanding 81, 3 231-268.

     

    [12] Ning, J., Zhang, L., Zhang, D., and Wu, C. (2009), robust object tracking using joint color texture histogram. IJPRAI, 1245-1263.

     

    [13] Nummiaro, K., Koller-Meier, E., and Gool, L. V. (2003), Color features for tracking nonrigid objects. Special Issue on Visual Surveillance, Chinese Journal of Automation 29, 345-355.

     

     

    [14] OpenCV. (2012), Basic thresholding operations.

     

    [15] Pavlidis, T., and Liow, Y. T. (1990), Integrating region growing and edge detection. IEEE Trans. Pattern Analysis and Machine Intelligence 225-233.

     

    [16] Schmid, C. (2005), Introduction into system control.

     

    [17] Sneep, P., and Richner, J. (2011), Tracking system and communication interface for miniature RC helicopters.

     

    [18] Solomon, C. J., and Breckon, T. P. (2010), Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Wiley-Blackwell. ISBN-13: 978-0470844731.

     

    [19] Sonka, M., Hlavac, V., and Boyle, R. (1999), Image Processing, Analysis and Machine Vision, 2 ed. Brooks/Cole.

     

    [20] Thrun, S., Montemerlo, M., Dahlkamp, H., Stavens, D., Aron, A., Diebel, J., Gale, P. F. J., Halpenny, M., Hoffmann, G., Lau, K., Oak- ley, C., Palatucci, M., Pratt, V., and Stang, P. (2006), Stanley: The robot that won the darpa grand challenge. Journal of Field Robotics 23, 661-692.

     

    [21] Xu, R. Y. D., Allen, J. G., and Jin, J. S. (Darlinghurst, Australia, Australia, 2004), Robust real-time tracking of nonrigid objects. In Proceedings of the Pan-Sydney area workshop on Visual information processing, VIP '05, Australian Computer Society, Inc., pp. 95-98.

     

    [22] Yilmaz, A., Javed, O., and Shah, M. (2006), object tracking: A survey. ACM Computing Surveys (CSUR) 38, 45.

     

    [23] Arduino Home Page, http://www.arduino.cc



تحقیق در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, مقاله در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, پروژه دانشجویی در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, پروپوزال در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, تز دکترا در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, تحقیقات دانشجویی درباره پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, مقالات دانشجویی درباره پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, پروژه درباره پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, گزارش سمینار در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, پروژه دانشجویی در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, تحقیق دانش آموزی در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, مقاله دانش آموزی در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین, رساله دکترا در مورد پایان نامه کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس