دانلود ترجمه مقاله تشخیص شیء سه بعدی با الگوریتم تشخیص لبه Canny در واقعیت افزوده

1. مقدمه 2. مقدمات 3. روش پیشنهادی 4. آزمایش و تحلیل 5. نتیجه گیری

چکیده – یافته های بدست آمده حاکی از آن است که واقعیت افزوده (AR)، اشیای مجازی ایجاد شده توسط رایانه را برای بدست آوردن تجربه ای همه جانبه، روی صحنه های واقعی قرار می دهد. همچنین لازم به ذکر است که یکی از الزامات مهم در زمینه واقعیت افزوده، تشخیص موثر اشیاء سه بعدی در صحنه های واقعی می باشد. شایان ذکر است که الگوریتم سنتی تشخیص لبه Canny، اطلاعات مرزی مهم در مورد شی را نادیده گرفته و به کاهش دقت تشخیص منجر می شود. در مطالعه حاضر، برای ارائه یک روش جدید تشخیص شی سه بعدی و بهبود Canny، از فیلتر میانی جهت استخراج کانتور شی به جای عدد فازی گاوسی استفاده می شود. همچنین در مطالعه حاضر به منظور بهبود اثر تشخیص مرز گوشه، اپراتور مبتنی بر الگوی گوه طراحی شده است. سپس جهت توصیف نقاط ویژگی محلی شی، از توصیفگرهای ویژگی محلی استفاده می شود. در نهایت، جهت اطمینان از اینکه مدل مجازی به نحو پایداری در بالای شی 3 بعدی قرار می گیرد، فناوری SLAM اعمال می شود. نتایج تجربی بدست آمده حاکی از آن است که روش پیشنهادی به نحو موثری می‌تواند اطلاعات لبه شی را حفظ کرده و برای تشخیص دقیق اشیاء سه بعدی با توصیفگرهای ویژگی محلی ترکیب شود.

Augmented reality (AR) superimposes computer-generated virtual objects on real scenes to gain immersive experience. Effective recognition of 3D objects in real scenes is the fundamental requirement in AR. The traditional Canny edge detection algorithm ignores the important boundary information about the object, thus decreasing the recognition accuracy. In this paper, we improve Canny to propose a novel 3D object recognition method, where median filtering is adopted in order to extract the contour of the object instead of Gaussian fuzzy. An operator based on wedge template is designed to improve the boundary detection effect of the corner. Local feature descriptors are then introduced to describe the local feature points of the object. Finally, SLAM technology is conducted to ensure that the virtual model is stably superimposed above the 3D object. The experimental results show that the proposed method is able to retain the edge information of the object well and can be combined with local feature descriptors to accurately recognize 3D objects.

ترجمه این مقاله در 10 صفحه آماده شده و در ادامه نیز صفحه 9 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.