کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6867602 679520 2015 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Classifying terrain properties for planetary exploration rovers based on a combined distance measure with dynamic texture model
ترجمه فارسی عنوان
طبقه بندی خواص زمین برای کاوش های سیاره ای بر اساس یک اندازه گیری تلفیقی ترکیبی با مدل بافت پویا
کلمات کلیدی
طبقه بندی زمین دنباله حرکت تصویر، بافت پویا
ترجمه چکیده
ویژگی های زمین غیر هندسی اطراف اکتشاف اکتشاف سیاره ای می تواند برای ارتقاء حرکات خودمختار رودخانه استفاده شود. این مقاله یک روش برای طبقه بندی خواص زمین غیر هندسی با استفاده از توالی های تصویری حاصل از دوربین های پردازنده را نشان می دهد. روش ما بر اساس یک تحلیل بافت پویا است که یک روش برای تخمین حرکت صحنه در توالی تصویر است. با استفاده از بافت های پویا می توان یک نشانه حرکت را برای طبقه بندی نه تنها انواع خاک، بلکه همچنین سرعت های مقبره نسبت به سطح زمین نشان داد که لغزش ناشی از حوضچه ها را شامل می شود. ابتدا، ما یک الگوریتم یادگیری برای ساختار دینامیکی را به طور خلاصه نشان می دهیم. سپس ما یک دسته بندی فاصله ای را برای طبقه بندی پیشنهاد می کنیم. ترکیبی از اندازه گیری های فاصله ای مفید است برای رسیدگی به ویژگی های مختلف زمین، یعنی یک ویژگی استاتیک مانند انواع خاک و یک ویژگی پویا مانند سرعت. اثربخشی اندازه گیری فاصله های ترکیبی برای بهبود عملکرد طبقه بندی با استفاده از آزمایش های آزمایشی دو تودینگ بر روی بتن های شن و ماسه نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Non-geometric terrain properties surrounding a planetary exploration rover can be exploited to improve autonomous mobility of the rover. This paper shows a method to classify non-geometric terrain properties using image sequences obtained from onboard cameras. Our method is based on a Dynamic Texture analysis, which is a technique to estimate scene motion in image sequences. Using Dynamic Textures, we can incorporate a motion cue to classify not only soil types but also the velocities of a rover relative to terrain surface representing slippage due to terrains. First, we briefly show a learning algorithm for Dynamic Textures. Then we propose a combined distance measure for classification. Combining distance measures is useful to handle different properties of terrain, that is, a static property such as soil types and a dynamic property such as the velocities. The effectiveness of the combined distance measure for improving classification performance is demonstrated through experimental runs of two rover testbeds on sand pits.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Autonomous Systems - Volume 70, August 2015, Pages 156-165
نویسندگان
, ,