دانلود مقاله انگلیسی رایگان:خود مختاری بلند مدت،برای محلی کردن Markov مبتنی بر دید - 2017

بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Vision-based Markov localization for long-term autonomy Vision-based Markov localization for long-term autonomy
    Vision-based Markov localization for long-term autonomy

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Vision-based Markov localization for long-term autonomy


    ترجمه فارسی عنوان مقاله:

    خود مختاری بلند مدت،برای محلی کردن Markov مبتنی بر دید


    منبع:

    Sciencedirect - Elsevier - Robotics and Autonomous Systems, 89 (2017) 147-157. doi:10.1016/j.robot.2016.11.008


    نویسنده:

    Tayyab Naseer, Benjamin Suger, Michael Ruhnke, Wolfram Burgard


    چکیده انگلیسی:

    Article history:Available online 12 November 2016Keywords:Lifelong visual localization Robot visionLong-term autonomy Perceptual changes Markov localizationLifelong autonomous operation has gained much attention in the field of mobile robotics in recent years. In the context of robot navigation based on vision, lifelong applications include scenarios with substantial perceptual changes due to changes in season, illumination and weather. In this paper, we present an approach to localize a mobile robot, equipped with a low frequency camera, with respect to an image sequence recorded in a different season. Our approach employs a discrete Bayes filter with a sensor model based on whole image descriptors. We compute a similarity matrix over all image descriptors and leverage the sequential nature of typical image streams with a flexible transition scheme in the Bayes filter framework. Since we compute a probability distribution over the entire state space, our approach can handle complex trajectories that may include same season loop-closures as well as fragmented sub-sequences. Furthermore, we show that decorrelating the similarity matrix results in an improved localization performance. Through an extensive experimental evaluation on challenging datasets we demonstrate that our approach outperforms state-of-the-art techniques.© 2016 Elsevier B.V. All rights reserved.
    Keywords:Lifelong visual localization | Robot vision | Long-term autonomy | Perceptual changes | Markov localization


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 9654 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
بینایی-ماشین
موضوعات
footer