#Camera_Relocalization #PoseNet
pic:http://bit.ly/2rBqhaR
استنتاج این که شما الان کجا هستید؛ برای رباتهای متحرک، ناوبری و واقعیت افزوده بسیار مهم است. این روش برای رفع مشکل رباتهای گم شده یا دزدیده شده معرفی شده است.
در این پروژه با تنها داشتن یک تصویر رنگی از محیط, تا 6 درجه و 2 متر، که در محیط های باز معادل 50.000 متر مربع است تصویر دیگر از آن محیط را میتوان تخمین زد.
در پیاده سازی انجام شده توسط محققان دانشگاه کمبریج؛ تنها با آپلود یک تصویر, و استفاده از این الگوریتم, محل آن تصویر بر روی نقشه را یافته و مکان تصویر را بر روی نقشه پیدا میکند.
🔗 دموی آنلاین این پیاد سازی:
http://mi.eng.cam.ac.uk/projects/relocalisation/
🔗 سورس کد با فریم ورک #Caffe
https://github.com/alexgkendall/caffe-posenet
🔗 مقاله مربوط به این پیاده سازی:
https://arxiv.org/abs/1505.07427
#CNN #Deep_Learning #relocalization
pic:http://bit.ly/2rBqhaR
استنتاج این که شما الان کجا هستید؛ برای رباتهای متحرک، ناوبری و واقعیت افزوده بسیار مهم است. این روش برای رفع مشکل رباتهای گم شده یا دزدیده شده معرفی شده است.
در این پروژه با تنها داشتن یک تصویر رنگی از محیط, تا 6 درجه و 2 متر، که در محیط های باز معادل 50.000 متر مربع است تصویر دیگر از آن محیط را میتوان تخمین زد.
در پیاده سازی انجام شده توسط محققان دانشگاه کمبریج؛ تنها با آپلود یک تصویر, و استفاده از این الگوریتم, محل آن تصویر بر روی نقشه را یافته و مکان تصویر را بر روی نقشه پیدا میکند.
🔗 دموی آنلاین این پیاد سازی:
http://mi.eng.cam.ac.uk/projects/relocalisation/
🔗 سورس کد با فریم ورک #Caffe
https://github.com/alexgkendall/caffe-posenet
🔗 مقاله مربوط به این پیاده سازی:
https://arxiv.org/abs/1505.07427
#CNN #Deep_Learning #relocalization