• شماره ركورد
    34674
  • پديد آورنده

    محمود اسكندر

  • عنوان
    بهود دقت و كارايي محاسباتي در مكان يابي بصري با استفاده از معماري هاي بهينه شده ي يادگيري عميق
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي برق الكترونيك - مدار هاي مجتمع
  • سال تحصيل
    1402
  • تاريخ دفاع
    1404/10/30
  • استاد راهنما
    دكتر سيد محمدرضا موسوي ميركلايي - دكتر ستار ميرزاكوچكي
  • استاد مشاور
    ندارد
  • دانشكده
    برق
  • چكيده
    مكان­ يابي بصري و نقشه‌برداري، از جمله چالش‌هاي كليدي در حوزه رباتيك و ناوبري خودمختار هستند. سامانه‌هاي SLAM (مكان ­يابي و نقشه‌برداري همزمان)، با هدف تعيين مسير حركت دوربين و بازسازي ساختار محيط به صورت برخط، توسعه يافته‌اند، اما روش‌هاي سنتي، اغلب در برابر تغييرات نوري، بافت‌هاي پيچيده و حركت‌هاي سريع دوربين، حساس هستند. در اين پژوهش، چارچوبي نوين براي مكان­ يابي بصري و بازسازي سه‌بعدي صحنه، ارائه شده است كه تركيبي از شبكه‌هاي عصبي عميق و بهينه‌سازي هندسي دسته‌اي مي‌باشد. در روش پيشنهادي، دو شبكه عصبي مستقل براي استخراج ويژگي‌هاي تطبيقي، توسعه يافته است و با بهره‌گيري از مكانيزم Self-Attention و نمونه‌برداري چندمقياسي، بازنمايي‌هاي مقاوم و دقيقي از حركت و ساختار محيط، فراهم گرديده است. داده‌هاي ورودي، شامل توالي‌هاي تصويري با اطلاعات عمق و موقعيت دقيق هستند و فرآيند آموزش به صورت نظارت‌شده با الگوريتم AdamW انجام شده است. سامانه‌ي پيشنهادي، با استفاده از تركيبي از Python، ++C و CUDA، امكان پردازش مؤثر و برخط فريم‌هاي طولاني با نرخ بالا را فراهم مي‌كند. كارآيي روش پيشنهادي بر روي مجموعه‌داده‌هاي شبيه‌سازي EuRoC MAV و همچنين داده‌هاي واقعي جمع‌آوري‌شده توسط دوربين iPhone، ارزيابي گرديد. نتايج كمي بر اساس ATE و تحليل كيفي مسيرهاي بازسازي‌شده، نشان‌دهنده دقت بالاتر، پايداري بيشتر و قابليت تعميم بهتر نسبت به روش‌هاي مرجع مي‌باشد. اين پژوهش، تأكيد مي‌كند كه ادغام يادگيري عميق با بهينه‌سازي هندسي، رويكردي كارآمد، مقاوم و قابل اعتماد براي حل مسائل جريان نوري و بازسازي سه‌بعدي، ارائه مي‌دهد و پتانسيل بالايي براي كاربردهاي عملي در رباتيك، واقعيت افزوده و ناوبري بصري دارد.
  • تاريخ ورود اطلاعات
    1405/01/25
  • عنوان به انگليسي
    improving the accuracy an‎d computational efficiency of visual navigation using deep learning algorithms
  • تاريخ بهره برداري
    1/20/2027 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    محمود اسكندر

  • چكيده به لاتين
    visual navigation an‎d mapping are key challenges in the field of robotics an‎d autonomous navigation .SLAM ( simultaneous mapping an‎d mapping ) have been developed to determine the direction of camera movement an‎d to restore the structure of the environment , but traditional methods are often sensitive to optical changes , complex tissues , an‎d fast - camera movements . in this research , a new framework for visual locating an‎d 3 d reconstruction of the scene is presented which combines deep neural networks an‎d geometric optimization of han‎ds .in the proposed method , two independent neural networks have been developed to extract adaptive features an‎d by using self - affine an‎d multiscale sampling , robust an‎d accurate representations of motion an‎d structure of the environment have been provided .input data , including image sequences with depth information an‎d exact location , an‎d the training process is supervised by AdamW algorithm . using a combination of python , + + c an‎d CUDA , the proposed system allows efficient an‎d online processing of long - term frames with high rate . the efficiency of the proposed method was eva‎luated on EuRoC EuRoC simulation an‎d real data collected by the iphone camera .quantitative results based on ATE an‎d qualitative analysis of reconstructed paths show higher accuracy , higher stability an‎d better generalization ability than reference methods .this research emphasizes that the integration of deep learning by geometric optimization offers an efficient , robust an‎d reliable approach to solve optical flow problems an‎d 3 - d reconstruction an‎d has a high potential for practical applications in robotics , augmented reality an‎d visual navigation .
  • كليدواژه هاي فارسي
    ناوبري , مكان يابي و نقشه برداري همزمان , مكان يابي بصري , يادگيري عميق
  • كليدواژه هاي لاتين
    navigation , SLAM , visual navigation , deep learning
  • Author
    mahmoud eskandar
  • SuperVisor
    Dr. Seyed Mohammadreza Mousavi mirkolaei - Dr. Sattar Mirzakuchaki