Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Elektronika : prace naukowe

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: object-to-camera distance

Sortuj według:

Ogranicz wyniki do:

Zastosowanie sztucznej sieci neuronowej do oceny położenia kamery w systemach wizyjnych o skończonej głębi ostrości

Stasiak A., Materka A.

Elektronika : prace naukowe

2003

nr 8

119-146

W artykule zaproponowano użycie sztucznej sieci neuronowej typu "feedforward" do estymacji odległości kamery od sceny na podstawie analizy poziomu rozmycia pojedynczego obrazu testowego. Wykazano, że odpowiednie ograniczenie głębi ostrości układu optycznego zapewnia ciągłą i jednoznaczną zależność nieostrości rejestrowanego obrazu w funkcji odległości kamera-scena. Proponowana metoda umożliwia oceną odległości na podstawie pojedynczego obrazu zarejestrowanego przy użyciu pojedynczej kamery w czasie rzeczywistym. W metodzie tej sieć neuronowa aproksymuje odwzorowanie cech obrazu na odległość kamera-scena. Opisano zasadą działania proponowanej techniki, przedstawiono wyniki symulacji komputerowych oraz badań doświadczalnych.

In the paper, the concept of using artificial neural networks for object-to-camera (O-C) distance measurement using a single camera is considered and further developed. The method utilizes the effect of edge blurring that depends on the O-C distance for a given lens adjustments. Thus there exists a multidimensional, non-linear relationship (mapping) between a vector of image samples and the distance sought. Artificial neural network (ANN) is applied for approximation of the mapping. To reduce the dimensionality of the problem, the principal component analysis (PCA) and orthogonal function transfor ms are used. The derived features excite the ANN that estimates the O-C distance. Moreover, the sensitivity of the estimator to additive noise is investigated. It is demonstrated that choosing combinations of the PCA, Walsh or harmonic functions features that maximize the determinant of image samples sensitivity matrix with respect to image model parameters help reduce the noise-induced error of the O-C distance estimates. The results of analytical derivations are confirmed by numerical simulations. Experimental verification of the model of image blurring (using CCD-camera recorder images) and verification of the complete built computer vision system accuracy is presented as well. The method is suitable for real-time O-C distance determination by a single camera e.g. in application to robot navigation.

Pomiar odległości kamery od przedmiotów sceny za pomocą sztucznych sieci neuronowych: model obrazu i wrażliwość na zakłócenia szumowe

Stasiak A., Materka A.

Elektronika : prace naukowe

1998

nr 3

83-97

W pracy zbadano odporność estymatora odległości kamery od przedmiotów sceny na zakłócenia szumowe w obrazie. Model obrazu oraz analizą wrażliwościową estymatora zilustrowano przykładami obliczeń komputerowych i pomiarów.

In this work, the concept of using artificial neural networks for object-to-camera (O-C) distance measurement using a single camera is considered and further developed. The method utilizes the effect of edge blurring that depends on the O-C distance for a given lens adjustment. Thus there exists a multidimensional, nonlinear relationship (mapping) between a vector of image samples and the distance sought. Artificial neural network (ANN) is applied for approximation of the mapping. To reduce the dimensionality of the problem, the principal component analysis (PCA) is used. The PCA-derived features excite the ANN that estimates the O-C distance. The sensitivity of the estimator to additive noise is investigated in this paper. It is demonstrated that choosing combinations of those PCA features that maximize the determinant of image samples sensitivity matrix with respect to image model parameters helps reduce the noise-induced error of the O-C distance estimates. The results of analytical derivations are confirmed by numerical simulation. Experimental verification of the model of image blurring, using CCD-camera recorded images is presented as well.