این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۸، شماره ۲، صفحات ۷۶-۸۸
عنوان فارسی راه‌کاری نوین در ماشین بینایی و فتوگرامتری برای بازیابی موقعیت نسبی دوربین‌ها در تصاویر استریو با استفاده از تجزیه SVD ماتریس اساسی
چکیده فارسی مقاله اطلاعات موقعیت و وضعیت نسبی دوربین‌ها در تصاویر استریو، در درون ماتریس اساسی E(Essential Matrix) مندرج است. تجزیه این ماتریس به یک ماتریس دوران R و یک ماتریس پادمتقارن S، ابزاری کارآمد در بازیابی موقعیت و وضعیت نسبی دوربین‌ها در این تصاویر می‌باشد. در این مقاله، با استفاده از تجزیه ماتریس اساسی E و بردار پایه فضای پوچ چپ آن به مقادیر و بردارهای منفرد (Singular Value Decomposition)، روشی جدید برای بازیابی موقعیت نسبی دوربین‌ها در تصاویر استریو ارائه شده است. ابتدا فرمول‌های موجود در تجزیه ماتریس اساسی E به ماتریس دوران R و ماتریس پادمتقارن S با استفاده از تجزیه SVD، به طور مستقیم اثبات و تبیین شده و در ادامه بر اساس نتایج آن، روشی جدید در این مقاله ارائه و اثبات می‌گردد. در این روش نیازی به نگاشت اولیه ماتریس اساسی E محاسبه شده از مختصات‌های خطادار نقاط عکسی متناظر در دو تصویر، به فضای ماتریس‌های اساسی نبوده و این نگاشت در هنگام تعیین ماتریس پادمتقارن S انجام می‌گردد. بررسی‌های انجام شده نشان می‌دهد که نتایج روش جدید ارائه شده با نتایج حاصل از فرمول‌های تجزیه موجود یکسان است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Novel Approach in Computer Vision and Photogrammetry to Recover the Relative Position and Orientation of Cameras in Stereo Images Using the SVD Decomposition of the Essential Matrix
چکیده انگلیسی مقاله The relative position and orientation between two cameras in a stereo pair are included within the Essential matrix, E. The decomposition of this matrix into a rotation matrix, R, and a skew-symmetric matrix, S, is an efficient tool for retrieving the relative position and orientation of the cameras. In this paper, a new method is proposed to recover the relative position and orientation of the cameras in a stereo pair using the singular value decomposition (SVD) of the Essential matrix. First, the existing formulas in the decomposition of the Essential matrix into a rotation matrix and a skew-symmetric matrix using the SVD decomposition are directly proved using the SVD properties. Then, based on these results, a new method in the decomposition of the Essential matrix using SVD will be presented. The Essential matrix decomposition in this method is accomplished by extracting the base vector of the left null space of the Essential matrix and then by SVD decomposition of the skew-symmetric matrix corresponding to this base vector. In this method, the initial mapping of the Essential matrix, recovered from the erroneous coordinates of the corresponding image points in two images, into the space of Essential matrices does not require. This mapping is performed by determining the skew-symmetric matrix, S. The proposed numerical analysis shows that the results of the new presented method are correct and identical with the results of the existing formulas.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مسعود ورشوساز |
گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

علیرضا آفری |
'گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

محمد سعادت سرشت |
دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران

برات مجردی |
دانشکده عمران، دانشگاه علم و صنعت ایران، تهران، ایران

نشانی اینترنتی http://jscit.nit.ac.ir/article_88158_b54aab6cf8ff5763680fff30f952eb5c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-1646102.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات