[giaban]0.000 VNĐ[/giaban] [kythuat]
Xây dựng hệ thống quan sát và theo vết đối tượng cho Robot tự hành

[/kythuat]
[tomtat]
Xây dựng hệ thống quan sát và theo vết đối tượng cho Robot tự hành
MỤC LỤC
CÁC THUẬT NGỮ VÀ TỪ VIẾT TẮT
DANH MỤC HÌNH VẼ
MỞ ĐẦU
Chương 1: BÀI TOÁN THEO VẾT ĐỐI TƯỢNG
1.1. Giới thiệu
1.2. Quy trình theo vết đối tượng
1.2.1. Phát hiện đối tượng
1.2.2. Phân vùng
1.2.3. Theo vết đối tượng
1.3. Các phương pháp theo vết thông thường
1.3.1. So khớp mẫu (Template Matching)
1.3.2. Theo vết Meanshift
1.3.3. Phương pháp Bayesian
1.3.3.1. Ước lượng Bayesian
1.3.3.2. Một số phương pháp dựa trên ước lượng Bayesian
1.3.3.3. Lọc Kalman
1.4. Kết luận
Chương 2: LỌC HẠT (PARTICLE FILTER)
2.1. Phương pháp Lọc
2.2. Nền tảng toán học
2.2.1. Phương pháp Monte Carlo
2.2.2. Phương pháp hàm tích lũy xác suất nghịch đảo
2.2.3. Phương pháp lấy mẫu loại trừ
2.2.4. Phương pháp Metropolis-Hasting
2.2.5. Phương pháp lấy mẫu quan trọng
2.2.6. Phương pháp lấy mẫu quan trọng tuần tự
2.3. Vấn đề chọn hàm mật độ đề xuất
2.4. Tái chọn mẫu
2.4.1. Kích thước mẫu hiệu dụng
2.4.2. Thuật toán tái chọn mẫu
2.5. Các phương pháp quan sát (Observation Models)
2.5.1. Quan sát dựa vào Hình dáng (Shape Information)
2.5.2. Quan sát dựa vào Màu (Colour- histogram)
2.5.3. Quan sát dựa vào Mẫu (Template-based)
2.6. Mô hình ước lượng trạng thái
2.7. Thuật toán lọc Particle
2.8. Nhận xét
Chương 3: SỬ DỤNG PARTICLE FILTER CHO BÀI TOÁN THEO VẾT MỘT ĐỐI TƯỢNG
3.1. Cài đặt thuật toán Particle Filter
3.1.1. Thử nghiệm với mô hình quan sát dựa vào màu (Colour - histogram)
3.1.2. Thử nghiệm với mô hình quan sát dựa vào mẫu (Template - based)
3.2. Cải tiến thuật toán - kết hợp lọc Particle và Template Matching
3.2.1. Xây dựng thuật toán PTM (Particle & Template Matching)
3.2.2. Kết quả thử nghiệm
3.3. Nhận xét
KẾT LUẬN

TÀI LIỆU THAM KHẢO
[/tomtat]

Bài viết liên quan