|
ربات تعقیب خط با استفاده از پردازش تصویر
روش سنتی طراحی ربات تعقیب خط ، استفاده از سنسورهای مادون قرمز می باشد. مشکلی
که این ربات ها با آن مواجهند ، حساسیت بیش از حد سنسورها می باشد. چرا که در یک
محیط خارجی نمی توان از آن ها برای حرکت ربات استفاده کرد.
بنابراین نیاز به یک روش دیگر برای طراحی ربات تعقیب خط در محیط های خارجی داریم.
یکی از روش های قابل اعتماد برای این منظور می تواند استفاده از تکنیک های پردازش
تصویر باشد. در این پروژه با استفاده از پردازش تصویر به کنترل ربات پرداخته ایم. |
|
مستندات این پروژه در حال آماده سازی است |
|
تشخیص حرکت
یکی از مواردی که در سیستم های امنیتی مبتنی بر دوربین به آن نیاز داریم، اعلام
هشدار هنگام بروز حرکت در یک منطقه ممنوعه است. از اینرو باید روشی طراحی گردد که
بتواند حرکت های روی داده در صحنه را تشخیص دهد که به الگوریتم های مذکور الگوریتم
تشخیص حرکت می گویند.
در این پروژه چند روش مختلف تشخیص حرکت ( در فریم های متوالی گرفته شده از دوربین )
پیاده سازی و مورد ارزیابی قرار گرفته است. یکی از مهمترین مشکلات الگوریتم های
تشخیص حرکت بالا بودن حجم محاسباتی آن ها است. روشی که ما به ارائه آن پرداخته ایم
این قابلیت را دارا است که در پانیه 25 فریم با اندازه 240*320 را پردازش کرده و
حرکت های روی داده را ثبت کند. |
|
مستندات این پروژه در حال آماده سازی است |
|
مسافت سنج لیزری با استفاده از دوربین
در بحث رباتیک تشخیص مسافت از اشیاء از جذابیت خاصی برخوردار است. تا
امروز روش های مختلفی برای این منظور پیشنهاد شده است. چهار روش کلی برای
منظور وجود دارد: 1) استفاده از سنسور مادون قرمز 2) استفاده از امواج اولتراسونیک
3) استفاده از لیزر 4) استفاده از دوربین.
در این تخقیق با نصب یک اشاره گر لیزری بر روی یک دوربین ، و سپس محاسبه پارامترهای
مورد نیاز مسئله به توسعه سیستمی پرداخته ایم که می تواند در کاربردهای داخلی و
برای محاسبه مسافت از اشیاء مورد استفاده قرار گیرد. |
|
مستندات این پروژه در حال آماده سازی است |
|
ردیابی چشم
تحقیق مذکور با هدف تسلط بر چند روش پردازش تصویر صورت گرفت که در آن با قرار
دادن یک دوربین در مقابل چشم، به تشخیص محل چشم و مطابق با آن به ارسال دستور
پرداخته ایم. لازم به ذکر که توسط این روش نیز برنامه ای را برای تایپ حروف طراحی
کرده ایم. |
مستندات این پروژه در حال آماده سازی است
|
|
|
تشخیص چشم و تشخیص لب
از جمله مباحث جالب در پردازش تصویر تشخیص محل چشم ها و لب در یک تصویر از صورت
است. تا کنون روش های متعددی برای این منظور نیز ارائه گشته است. در کنار این روش
ها، ما نیز روش دیگری را برای تشخیص محل چشم ها و لب ها ارائه کرده ایم که از دقت
بسیار بالای برخوردار بوده و همچنین بار محاسباتی آن در مقایسه با سایر روش های
بسیار کم است. |
|
مستندات این پروژه در حال آماده سازی است |
|
فیلتر Gabor برای بخش بندی بافت ها
یکی از روش های معمول در بخش بندی بافت ها استفاده از فیلتر های Gabor است. در
این روش بانکی از فیلترهای Gabor تولید شده و بر روی تصویر اعمال می گردد. در هر
مرحله از اعمال فیلتر ها نیز ویژگی های تصویر استخراج می گردد. در نهایت بافت هایی
که از ویژگی های تقریبا یکسانی برخوردارند در یک گروه قرار می گیرند.
با توجه به اینکه اعمال فیلتر Gabor با استفاده از عملگر کانولوشن صورت می پذیرد،
از اینرو اندازه فیلتر و همچنین تعداد فیلترهای موجود در بانک تاثیر بسیار زیادی در
سرعت اجرای الگوریتم می گذارد. در این تحقیق ما سعی کردیم پارامترهای بهینه هریک از
فیلترها را محاسبه کرده و بانکی با حداقل تعداد فیلترها طراحی کنیم. |
|
مستندات این پروژه در حال آماده سازی است |
|
پیاده سازی جعبه ابزار پردازش تصویر
با اینکه چعبه ابزارهای مختلفی بهمچون MATLAB و LABVIEW برای پردازش تصویر وجود
دارند، با این حال هنگام توسعه سیستم های واقعی نمی توان از آن ها استفاده کرد.
همین امر باعث شد که خود به توسعه جعبه ابزار پردازش تصویر با استفاده از زبان سی
شارپ بپردازیم.
|
|
مستندات این پروژه در حال آماده سازی است |
|
تشخیص گوشه ها در تصویر
گوشه ها و انحنا ها یکی از مهمترین ویژگی های تصویر هستند. روش های بسیاری برای
تشخیص گوشه ها نیز تا بحال ارائه شده است که هریک ویژگی ها و معایب خاص خود را
دارند. در این تحقیق ما نیز روش جدیدی برای شناسایی گوشه های یک شی ارائه کردیم که
نسبت به سایر روش ها از ویژگی بهتری برخوردار بود. نتایج این تحقیق در کنفرانس IEEE
نیز ارائه گردید. برای مشاهده جزئیات بیشتر به بخش کنفرانس ها مراجعه کنید |
|
مستندات این پروژه در حال آماده سازی است |
|
|
تشخیص عیوب پارچه های تار و پودی
از کاربردهای مهم پردازش تصویر را می توان تشخیص عیوب محصولات و درجه بندی آن ها
عنوان کرد. در صنعت نساجی نیز از پردازش تصویر برای تشخیص عیوب پرچه های تار و پودی
می توان استفاده کرد. روش هایی که در مقالات برای این منظور تا بحال ارائه شده است
بیشتر مبتنی برای آنالیز فوریه ، فیلتر Gabor و آنالیز ویولت می باشد. در این تحقیق
ما روش دیگری را با استفاده از ماتریس هم پیشامد و شبکه های عصبی مصنوعی برای
آنالیز بافت تصویر پیاده سازی کردیم. |
|
|
مستندات این پروژه در حال آماده سازی است |
|
|
|