ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect

ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect

ترجمه مقاله Accuracy Analysis Of Kinect Depth Data

در این پست ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect (دوربین کینکت مایکروسافت نام وسیله است که منجر به استفاده از بازی‌ های رایانه‌ ای بدون استفاده از هیچگونه کنترلگری می‌ شود.) را با عنوان انگلیسی Accuracy Analysis Of Kinect Depth Data آماده کرده ایم که در ادامه چیکده و مقدمه آن را می توانید مطالعه نمائید. مقاله اصلی نیز به رایگان قابل دانلود است.

چکیده ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect :

مقاله حاضر، تحقیق و تفحصی جهت کیفیت هندسی اطلاعات عمقی حاصل از سنسور Kinect را ارائه داده است. بر اساس مدل ریاضی اندازه گیری عمقی به کمک سنسور، یک تجزیه و تحلیل خطای تئوری، ارائه شده است، که دید مناسبی را نسبت به عوامل اثرگذار بر دقت اطلاعات به وجود می آورد. نتایج تجربی نشان است که خطای تصادفی اندازه گیری عمق با افزایش فاصله تا سنسور و محدوده های در حد چند میلیمتر تا حدود 4 سانتیمتر در بیشترین مسافت از سنسور، افزایش می یابد. احتمال دارد دقت و صحت داده ها نیز به از طریق وضوح پایین اندازه گیری های عمقی، تحت تأثیر قرار بگیرد.

توضیحات بیشتر ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect و دانلود رایگان مقاله اصلی در ادامه مطلب.

مقدمه ترجمه مقاله آنالیز دقت و صحت داده های عمقی Kinect :

سنسورهای مسافت (range sensors) با قیمت پایین، جایگزین خوبی برای اسکنرهای لیرزنی با قیمت بالا در زمینه های کاربردی همچون، نقشه برداری داخلی، نظارت، رباتیک و پزشکی قانونی می باشند. پیشرفت اخیر در تکنولوژی سنجش برد مصرف کننده یا درجه، سنسور Kinect مایکروسافت می باشد (مایکروسافت، 2010). سنسور Kinect در اوایل به منظور تعامل طبیعی در محیط بازی های کامپیوتری طراحی شد (تشخیص اولیه، 2010). به هر حال، مشخصه های اطلاعات گرفته شده توسط Kinect توجه محققان را در رشته ی نقشه برداری و مدلسازی 3 بعدی، جلب نموده است. نمایش اخیر از پتانسیل های Kinect در مدلسازی 3 بعدی در محیط های داخلی می تواند در کارهای هنری و همکارانش دیده شود (2010).

سنسور Kinect، به طور همزمان تصاویر رنگی و عمقی را در سرعت فریم حدود fps 30 تصویر برداری می کند. ادغامِ اطلاعات عمق و رنگ، به یک ابر نقطه ای رنگی منجر می شود که حاوی حدود 300000 نقطه در هر فریم است. با ثبت تصاویر عمقی پیوسته می توان یک چگالی نقطه ای افزایش یافته را به دست آورد، اما احتمالا یک ابر نقطه ای کامل نیز از یک محیط داخلی در زمان واقعی ایجاد می شود.

برای رسیدن به پتانسیل کامل در کاربردهای نقشه برداری (mapping)، تجزیه و تحلیل خطاهای سیستماتیک و تصادفی از داده ها، ضروری است. تصحیح خطاهای سیستماتیک، پیش نیازی برای تنظیم داده های عمقی و رنگی است و بر شناسایی مدل مکانیکی اندازه گیری عمق و پارامترهای کالیبراسیون دخیل متکی است.