خانه محصولات حساب کاربری ثبت نام

دانلود پاورپوینت آشنایی با اجزای ربات هوشمند (کد13461)

شناسه محصول و کد فایل : 13461

نوع فایل : Powerpoint پاورپوینت

قابل ویرایش تمامی اسلاید ها دارای اسلاید مستر برای ویرایش سریع و راحت تر

امکان باز کردن فایل در موبایل - لپ تاپ - کامپیوتر و ...

با یک خرید میتوانید بین 342000 پاورپینت ، 25 پاورپوینت را به مدت 7 روز دانلود کنید

هزینه فایل : ~~105000~~ : 54000 تومان

تماس با پشتیبانی 09164470871

توضیحات محصول دانلود پاورپوینت آشنایی با اجزای ربات هوشمند (کد13461)

دانلود پاورپوینت آشنایی با اجزای ربات هوشمند

Perception

عنوان های پاورپوینت :

آشنایی با اجزای روبات هوشمند

Perception

اجزای روبات هوشمند

دریافت دانش از محیط

مثالی از روبات

دسته بندی سنسورها

اندازه گیری کارائی سنسورها

مشکلات کار در محیط واقعی

مدل کردن خطا

مکان یابی

مکان یابی روبات در محیط

انکدرهای چرخ و یا موتورها

Incremental Optical Encoders

Odometery &Dead Reckoning

Dead-reckoning localization

مشکلات ادومتری

خطاهای ادومتری

مثال: روبات تفاضلی

سنسور جهت

قطب نما

ژایرسکوپ

Ground-Based Active and Passive Beacons

Global Positioning System (GPS)

GPS Error Budget

سنسور های فاصله

اندازه گیری فاصله به روش time of flight

عوامل موثر بر کیفیت اندازه گیری زمان پرواز موج

سنسور اولتراسونیک

شکل موج

رینگ اولتراسونیک

اسکن محیط

برخی مشکلات اندازه گیری با سونار

مشکلات مربوط به نویز

سنسور اولتراسونیک

اندازه گیری فاصله با استفاده از لیزر

اندازه گیری فاصله با استفاده از لیزر به روشPhase Shift Measurement

اندازه گیری فاصله با استفاده از لیزر

اسکن کامل محیط توسط لیزر

اندازه گیری فاصله با استفاده از لیزر

Triangulation Ranging

Optical Triangulation (1D)

Optical Triangulation (2D)

سنسورهای سرعت و حرکت

شتاب سنج

اندازه گیری فاصله با استفاده از شتاب

اندازه گیری جهت

Inertial measurement unit

اندازه گیری فاصله با استفاده از سنسور بینائی

سنسورهای بینائی

Vision Sensors

Visual Range Sensors

اندازه گیری فاصله از طریق فوکاس/دی فوکاس

اندازه گیری فاصله از طریق فوکاس

اندازه گیری Sharpness

Depth from defocus

تصویر فوکاس شده

Point Spread Function

آزمایشات

استریو ویژن

Stereo Vision

اندازه گیری فاصله به روش استریو

Stereo Vision – the general case

سوال اساسی

مشکلات پیدا کردن نقاط مرتبط

نصب دوربین ها

پیدا کردن نقاط یکسان

Zero Crossing of Laplacian of Gaussian

مثال

حذف نویز

مثال

Zero Crossing of Laplacian of Gaussian

Color Tracking Sensors

Representing Colors in an RGB Image

How do We Segment a “Single” Color?

Simple RGB Color Segmentation

Grouping, Clustering: Assigning Features to Features

با تشکر از توجه شماتو پروژه

قسمت ها و تکه های اتفاقی از فایل سرعت انتشار صوت در محیط 300m/s است در حالیکه سرعت نور 300000 Km/s یعنی یک میلیون بار سریعتر است. برای مثال نور 3 متر را در 10ns طی میکند از اینرو اندازه گیری زمان پرواز نور برای فواصل کوتاه کار بسیار مشکلی است. سنسور اولتراسونیک سنسورهای اولتراسونیک بدلیل ارزانی و سادگی استفاده در روباتها برای اندازه گیری فاصله، پرهیز از موانع و ساخت نقشه محیط استفاده میشوند. در این سنسور یک بسته صوتی با فرکانسی در حدود 40-180KHz توسط فرستنده ارسال میشود و سیگنالی که از محیط منعکس میشود اندازه گیری میشود. فاصله تا اشیا از طریق اندازه گیری زمان رفت و برگشت سیگنال محاسبه میشود. سنسور اولتراسونیک شکل موج موج صوتی که توسط فرستنده ارسال میشود دارای پهنای تقریبی 30 درجه خواهد بود. به این معنا که هر شیئ که در داخل این پهنا قرار گیرد امکان دارد که موج ارسالی را منعکس نماید. لذا اندازه گیری با ابهام در مورد شئی منعکس کننده همراه خواهد بود. رینگ اولتراسونیک برخی روباتها برای تحت پوشش قرار دادن کل محیط از یک رینگ سونار که از تعدادی سنسور که با زاویه مشخص قرار گرفته اند استفاده میکنند. اسکن محیط برای بدست آورن اطلاعات محیط لازم است تا در زاویه های مختلف اندازه گیری انجام شود. برخی مشکلات اندازه گیری با سونار (a اندازه گیری سونار دقیق است. (b,c نزدیک ترین شئی به سنسور فاصله را مشخص خواهند نمود. (d انعکاس باعث خواهد شد تا دیوار ناپدید شود! (e اغلب گوشه ها سیگنالهای بازگشتی ضعیفی تولید میکنند. در کنج ها بدلیل بازگشت ازچند نقطه اندازه گیری فاصله بیشتری را برمیگرداند. مشکلات مربوط به نویز سنسور اولتراسونیک اندازه گیری فاصله با استفاده از لیزر استفاده از لیزر برای اندازه گیری فاصله برتری های زیادی نسبت به استفاده از صوت دارد. یک باریکه نور لیزری بر روی سطح مورد نظر تابانده شده و بازتاب آن توسط آشکار ساز نوری تشخیص داده میشود. فاصله از روی زمان لازم برای رفت و برگشت نور تخمین زده میشود. با استفاده از یک سیستم مکانیکی که شامل آینه و موتور است میتوان محیط را بصورت 2 و یا 3 بعدی جاروب کرده ونقشه محیط را ترسیم نمود. اندازه گیری فاصله با استفاده از لیزر به روشPhase Shift Measurement یک نورلیزر و یا مادون قرمز همگرا شده وبه محیط فرستاده میشود. چون زبری اغلب سطوح ازطول موج نورتابیده بیشتراست، بازتاب نور بصورت isotroical بوده وقسمتی ازآن موازی با نور تابیده شده به سمت فرستنده بازمیگردد که با نصب گیرنده مناسب میتوان آنرا دریافت کرد. نور با فرکانس مشخصی ارسال شده و اختلاف فاز بین نور ارسالی وبازتاب آن اندازه گیری میشود. طول موج سیگنال مودولاسیون از رابطه زیر بدست می آید: که c سرعت نور و f فرکانس مدولاسین است. کل مسافت طی شده توسط نور از رابطه زیر بدست می آید: که q اختلاف فاز نور ارسالی و دریافتی است. از لحاظ تئوری این نوع اندازه گیری با ابهام مواجه است زیرا با طول موج l=60 m شئی در فاصله و 5 متری با شئی درفاصله 65 متری از هم قابل تشخیص نخواهندبود. اندازه گیری فاصله با استفاده از لیزر اندازه گیری فاصله با استفاده از لیزر اسکن کامل محیط توسط لیزر معمولا در لیزرهای فاصله از آینه ای استفاده میشود که بر روی پایه ای دوار نصب شده و به کمک یک موتور میتواند تا 360 چرخیده و نور سنسور را درزوایای مختلفی به محیط بفرستد. بدین ترتیب میتوان اطلاعات دو بعدی در مورد فضای اطراف روبات بدست آورد. میتوان با اضافه کردن یک موتور دیگر و جاروب فضا در محور عمودی، محیط را بصورت 3 بعدی اسکن نمود. اسکن کامل محیط توسط لیزر یک نمونه از داده های حاصل از اسکن 360 درجه محیط در شکل نشان داده شده است: رزلوشن زاویه ای 0.5 درجه رزلوشن عمق در حدود 5 سانتیمتر و رنج قابل اندازه گیری بین 5cm , 20 m است 5 اسکن 180 درجه در ثانیه انجام شده است. این سنسور برتری محسوسی نسبت به سونار دارد. اندازه گیری فاصله با استفاده از لیزر مشکلات قادر به تشخیص اشیا شفاف مثل شیشه نیست برگشت نور ازاشیا صیقلی باعث عدم دریافت نور توسط گیرنده و در نتیجه عدم تشخیص فاصله میگردد. Triangulation Ranging این روشها با استفاده از خواص هندسی به اندازه گیری فاصله میپردازند معمولا یک پترن نوری به محیط فرستاده شده و انعکاس آن توسط گیرنده ای دریافت میشود و با داشتن اطلاعات هندسی مشخص فاصله اندازه گیری میشود. این عمل ممکن است بصورت یک بعدی و یا دو بعدی انجام شود. یک باریکه نور همگرا شده به هدف فرستاده شده و انعکاس آن توسط یک عدسی بر روی صفحه حساس به فاصله انداخته میشود. با استفاده از روابط هندسی فاصله بصورت زیر محاسبه میشود. این فاصله با 1/x نسبت معکوس دارد لذا رزلوشن سنسور برای اشیاء دور کمتر خواهد بود. در روباتیک از آن برای اندازه گیری فاصله اشیا تا 2 متر استفاده میشود ولی کاربرد مهمتر این سنسور در صنایع برای اندازه گیری های دقیق در حدود 1 میکرومتر است. با جایگزینی یک دوربین CCD بجای سنسور حساس به فاصله میتوان روش فوق را به دو بعد گسترش داد. در اینحالت فرستنده یک پترن مشخص نوری (structured light) را برروی هدف می تاباند ودوربین انعکاس نور تابیده را دریافت میکند. مقادیر اندازه گیری شده توسط سنسور عبارتند از زاویه a و فاصله تصویر بدست آمده یک نقطه تا مبدا تصویر. با استفاده از روابط هندسی داریم: دقت سنسور در اندازه گیری را میتوان توسط روابط زیر نشان داد: با توجه به روابط فوق داریم: با افزایش b رزلوشن سنسور بیشتر میشود اما اندازه سنسور هم بزرگتر خواهد شد. با افزایش فاصله کانونی f رزلوشن بیشتر میشود اما اندازه سنسور هم بزرگتر خواهد شد. با ارزانتر شدن لیزر اسکنرها کاربرد این نوع از سنسور به موارد تحقیقاتی گسترده شده است. سنسورهای سرعت و حرکت سنسورهائی وجود دارند که میتوانند مستقیما حرکت نسبی بین روبات و محیط را اندازه بگیرند. برای روباتهائی که در بزرگراه ها حرکت میکنند استفاده از سنسورهای Doppler تنها راه تشخیص اشیا میباشد. در این سیستمها از هر دو امواج صوتی و الکترومغناطیسی استفاده میشود. سنسورهای سرعت و حرکت شتاب سنج اندازه گیری فاصله با استفاده از شتاب اندازه گیری جهت Inertial measurement unit An inertial measurement unit, or IMU, is an electronic device that measures and reports on a craft's velocity, orientation, and gravitational forces, using a combination of accelerometers and gyroscopes. The IMU is the main component of inertial navigation systems used in aircraft, spacecraft, watercraft, and guided missiles among others. An IMU works by detecting the current rate of acceleration using one or more accelerometers, and detects changes in rotational attributes like pitch, roll and yaw using one or more gyroscopes. اندازه گیری فاصله با استفاده از سنسور بینائی بینائی قویترین حس آدمی است بینائی پیچیده ترین حس آدمی نیز بشمار میرود. هنگامی که توسط یک دوربین از یک شیئ سه بعدی تصویر برداری میشود، اطلاعات بعد سوم یعنی عمق یا فاصله شیئ بصورت دو بعدی تصویر خواهد شد. استخراج اطلاعات بعد سوم از یک تصویر دو بعدی کار ساده ای نیست. از روشهائی نظیر بینائی استریو، triangulation و یا روشهای مبتنی بر فوکاس میتوان برای بدست آوردن اطلاعات بعد سوم استفاده نمود. Visual Range Sensors اگر اطلاعاتی در مورد اندازه اشیا وجود داشته باشد امکان اندازه گیری فاصله از روی اندازه وجود خواهد داشت ولی معمولا چنین نیست. راه حل کلی استفاه از چندین تصویر مختلف است تا اطلاعات اضافی مورد نیاز بدست آید. دو روش مختلف: Depth from focus/defocus از اختلاف پارامترهای دوربین ها استفاده میکند. Stereo vision از اختلاف دید دوربین ها استفاده میکند. اندازه گیری فاصله از طریق فوکاس/دی فوکاس ایده اصلی در این روش استخراج فاصله از طریق اندازه گیری پارامترهای دوربین است. در این روش برای حل مسئله اندازه گیری عمق تصویردو و یا چند تصویر از صحنه گرفته میشود. اختلاف تصاویر در فاصله کانونی و یا فاصله صفحه تصویر میباشد. اندازه گیری فاصله از طریق فوکاس اندازه گیری فاصله از طریق فوکاس اندازه گیری Sharpness برای اندازه گیری وضوح تصویر از روابط زیر استفاده میشود. Depth from defocus در این روش از یک صحنه دو و یا چند تصویر با پارامترهای مختلف دوربین گرفته میشود. اطلاعات مربوط به فاصله از تصویر سه بعدی حاصل استخراج میشود. تصویر فوکاس شده اگر یک شی در مقابل دوربین Pinehole قرار گرفته باشد، تصویر فوکاس شده یک نقطه x,yاز تصویرآن با F(x,y) نشان داده شده و برابر است با شدت نوری که از آن نقطه به تصویر میرسد. تابع point spread function بصورت زیر تعریف میشود: مقدار نور تابش شده از نقطه P شی در تصویر فوکاس شده که در تصویر بدون فوکاس دخالت میکند. Point Spread Function با فرض اینکه blur circle دارای شدت نور یکنواختی است این تابع بصورت زیر تعریف میشود: آزمایشات Best reported result is 1.3% RMS error in terms of distance from the camera when the target is about 0.9 m away . The key problems are the measurement of difference of blurring amount and the calibration of the mapping between depth and the difference of blurring. استریو ویژن با استفاده از دو دوربین میتوان به یک ادارک 3 بعدی از محیط دست پیدا کرد. در عمل چنین سیگنالی پیچیده و همراه با نویز خواهد بود. هر دوربین منظره ای با تفاوتی اندک را ثبت خواهد نمود. فاصله بین نقاط متناظر در دو تصویر را stereo disparity میگویند Stereo Vision فاصله نسبت معکوس با disparity دارد اشیا نزدیکتر را با دقت بیشتری میتوان اندازه گرفت مقدار disparity با b رابطه مستقیم دارد برای یک مقدار خطای disparity ثابت دقت اندازه گیری عمق با افزایش b بیشتر خواهد شد. اما این امکان وجود دارد که با افزایش b برخی اشیا فقط در یک تصویر دیده شوند. نقطه ای که در هر دو تصویر قابل رویت باشد، تشکیل یک زوج conjugate در تصاویر حاصله خواهد داد که با دانستن محل یکی میتوانیم در خطی با نام epipolar بدنبال دیگری بگردیم. در مثال شکل قبل این خط موازی محور x است. اندازه گیری فاصله به روش استریو The amount of disparity is related to distance the difficulty lies in identifying corresponding points The general principle is left and right images are digitized raw images are rectified for distortion / misalignment rectified images are filtered to enhance textures+edges a stereo matching algorithm is applied (modern techniques search along horizontal scan lines to find the best set of matching pixels (e.g. mean-squared-error raw disparity map is filtered to remove noise This can now be done on modern computers e.g. Pentium P-4 @ GHz at interactive frame rates Stereo Vision – the general case در حالت کلی ممکن است فرض موازی بودن محور اپتیکی دو دوربین صحیح نباشد. سوال اساسی نقاط مزدوج در دو تصویر را چگونه میتوان پیدا کرد؟ How do we solve the correspondence problem? مشکلات پیدا کردن نقاط مرتبط المانهای تصویری ممکن است در دو تصویر یکسان دیده نشوند. برخی دلایل این امر عبارتند از: مسایل مربوط به دوربینها. وجود نویز در تصاویر، گین متفاوت دوربین ها، کنتراست متفاوت مسایل مربوط به زاویه دید تصاویر. اعوجاج پرسپکتیو پوشیده شدن نقاط انعکاس نصب دوربین ها سعی میشود تا دوربین های انتخاب شده از هر دو جهت یکسان باشند. دوربین ها بصورت کاملا موازی هم نصب شوند. انتخاب فاصله بین دو دوربین دارای ویژگی های زیر است: فاصله کم: پیدا کردن نقاط یکسان دوتصویر ساده تر است فاصله زیاد: درک بهتری از عمق وجود خواهد داشت پیدا کردن نقاط یکسان برای پیدا کردن هر نقطه یک تصویر در تصویر دیگر عمل جستجو در روی یک خط با نام Epipolar line انجام میشود. با استفاده از پنجره های همسایه به جستجوی مشابه ترین ناحیه پرداخته میشود. پیدا کردن نقاط یکسان برخی از معیارهای تشابه بین ناحیه ها عبارتند از: Zero Crossing of Laplacian of Gaussian روش Zero Crossing of Laplacian of Gaussian یکی از تکنیک های متداول برای یافتن نقاط مزدوج میباشد. روشی است برای یافتن نقاطی در تصاویر سمت راست و چپ که پایدار بوده و بخوبی با هم انطباق پیدا میکنند. این روش در نرم افزار و سخت افزار پیاده شده است. هسته این روش را لاپلاسین تصویر تشکیل میدهد: Zero Crossing of Laplacian of Gaussian برای اینکه بتوان رابطه فوق را برای یک تصویر دیجیتال محاسبه نمود آنرا با یک کانولوشن تقریب میزنند: مثال Step / Edge Detection in Noisy Image حذف نویز برای کاهش اثر نویز ابتدا با استفاده از اپراتور گاوسی روی تصویر هموار سازی بعمل میاید. filtering through Gaussian smoothing مثال اعمال لاپلاسین بر روی تصویر هموار شده باعث بوجود آمدن spike مثبت و منفی در محل لبه ها خواهد شد. Zero Crossing of Laplacian of Gaussian یک ویژگی بسیار موثر برای برای پیدا کردن correspondence بین تصاویر راست و چپ میتواند zero crossing لاپلاسین تصویر هموار شده باشد LoG Zero crossing دارای عرضی برابر با یک پیکسل است و بخوبی در تصاویر قابل محاسبه است. Color Tracking Sensors Motion estimation of ball and robot for soccer playing using color tracking Representing Colors in an RGB Image How do We Segment a “Single” Color? We need to model it mathematically a priori Simple RGB Color Segmentation Grouping, Clustering: Assigning Features to Features 30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و توجیهی | پایان-نامه | پی دی اف مقاله ( کتاب ) | نقشه | پلان طراحی | های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )