دوره 16، شماره 5 - ( 1395 )                   جلد 16 شماره 5 صفحات 231-240 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Moradi E, Tale Masouleh M, Najari M J. Object Orientation Detection Based on Machine Vision and Artificial Neural Network. MME. 2016; 16 (5) :231-240
URL: http://journals.modares.ac.ir/article-15-11092-fa.html
مرادی احسان، طالع ماسوله مهدی، نجاری محمد جواد. جهت یابی زاویه ­ای جسم با استفاده از بینایی ماشین و شبکه عصبی مصنوعی بصورت بلادرنگ. مهندسی مکانیک مدرس. 1395; 16 (5) :231-240

URL: http://journals.modares.ac.ir/article-15-11092-fa.html


1- دانشگاه صنعتی همدان
2- استادیار مهندسی مکاترونیک دانشکده علوم و فنون نوین دانشگاه تهران-آزمایشگاه تعامل انسان و ربات
چکیده:   (1142 مشاهده)
در این پژوهش مسئله‌‌ی پیدا کردن جهت‌گیری زاویه‌ای جسم حول سه‌زاویه‌ی φ، 𝜃 و ψ به شیوه‌ای نوین و دقتی بالا بررسی و حل شده است. لذا با استفاده از تنها یک دوربین و سه نقطه متمایز متصل به یک جسم‌صلب ساخته‌شده، جهت‌گیری زاویه‌ای جسم‌صلب با بینایی‌ماشین به صورت بلادرنگ محاسبه می‌شود. وجود همچین سامانه‌ای در روش‌های کنترلی حلقه‌باز برای ربات‌های دورانی دارای اهمیت به‌سزایی است. بدین منظور سه‌نقطه متمایز از یک جسم‌صلب انتخاب شده است. برای کاهش اثر مخرب نور محیط بر تشخیص اشیاء رنگی و همچنین کاهش حجم استفاده از فیلترهای نرم‌افزاری از فرستنده‌های مادون‌قرمز به عنوان نشانگر استفاده گردید. به جهت غیرخطی بودن معادلات جهت‌گیری زاویه‌ای و عدم امکان حل آنها به صورت بلادرنگ از شبکه‌عصبی برای حل این موضوع استفاده شده است. شبکه‌عصبی استفاده شده از نوع پس‌انتشار خطا با یک لایه مخفی با تعداد 21 گره درآن و به ترتیب در لایه‌های ورودی و خروجی دارای 6 و 3 گره می‌باشد. در شبکه‌عصبی اطلاعات خروجی شبکه، ابتدا با سنسور شتاب-سنج9محوره، با دقت بسیار بالا دریافت شده و سپس نتایج آموزش شبکه‌عصبی با خروجی این سنسور مقایسه گردیده است. در مجموع 7343 داده‌ی مستقل در دو زاویه‌ی φ و ψ، و همچنین 751 داده در زاویه 𝜃، از سنسور شتاب‌سنج 9 محوره، و ربات‌موازی دو درجه آزادی‌دورانی، به عنوان یک پلتفرم آماده بدست آمد که از 467 داده‌ی آن، برای آموزش شبکه استفاده نشده است. نتایج آموزش شبکه با داده‌های استفاده نشده برای آموزش، مقایسه شده و نتایج مطلوبی با حداکثر خطای 0.038 رادیان حاصل گردید.
متن کامل [PDF 1050 kb]   (898 دریافت)    
نوع مقاله: مقاله پژوهشی کامل | موضوع مقاله: روباتیک
دریافت: ۱۳۹۴/۱۱/۹ | پذیرش: ۱۳۹۴/۱۲/۶ | انتشار: ۱۳۹۵/۳/۳

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید