کنترل خودکار پرواز هلیکوپتر مدل به وسیله بینایی ماشین
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 71 صفحه
چکیده
امروزه کنترل خودکار در سیستم های حمل و نقل به طور گسترده ای به کار می رود. دلایل متعددی برای بکارگیری این روش وجود دارد که اهم آن عبارتند از کاهش هزینه، قابلیت سبک تر ساختن وسایل، امنیت بیشتر سرنشینان و یا دور از خطر ماندن آنها. دو مورد آخر در سیستم هایی که قابلیت پرواز دارند بیشتر به چشم می خورد. در این پایان نامه یک سیستم کنترل پرواز هلیکوپتر طراحی شده است که قابلیت کنترل از راه دور مبتنی بر پردازش تصویر را داراست. هلیکوپتر مدل با استفاده از یک دوربین متصل به رایانه، با استفاده از الگوریتم های پردازش تصویر ردیابی می شود. پس از ردیابی هلیکوپتر، فرمان ها با نرخ انتقال ۹۶۰۰ فریم بر ثانیه از کامپیوتر به سخت افزار ارسال می شود. سخت افزار ساخته شده در این پروژه یک بورد دست ساز جهت دیجیتال کردن پارامتر های آنالوگ رادیو کنترل و همچنین وطیفه دریافت فرمان از کامپیوتر را دارد. هلیکوپتر با استفاده از پردازش تصویر و الگوریتم های ردیابی رنگ شناسایی می شود سپس موقعیت جهت X,Y هلیکوپتر در صفحه معیین شده و به نمایش در می آید. به منظور انجام ردیابی با سرعت بالا، روش های مورد استفاده برای تشخیص شی و همچنین آستانه گیری و تقسیم بندی به کارگرفته شده است. تشخیص هلیکوپتر در فریم توسط وبکم کامپیوتر و دوربین مایکروسافت کینکت انجام شده است. پیاده سازی برنامه ها و الگوریتم های مورد نیاز به زبان C++ در محیط Visual Studio 2013 انجام شده است. پردازش تصویر به وسیله تابع ردیابی رنگ cvInRenge موجود در کتابخانه پردازش تصویر OpenCV انجام شده است. کامپیوتر به وسیله وبکم متصل به آن، هلیکوپتر در حال پرواز را شناسایی می کند سپس کامپیوتر از طریق پورت سریال به رادیو کنترل دستورات سرعت و چپ و راست را ارسال می کند تا هلی کوپتر در مرکز فریم قرار گیرد.
واژه های کلیدی: بینایی ماشین، تشخیص هلیکوپتر، شناسایی رنگ، رادیو کنترل، کتابخانه پردازش تصویر
فهرست مطالب
فصل ۱ 14
کلیّات تحقیق 14
۱-۱- کلیّات تحقیق 15
۱-۱-۱- تعریف مساله و اهداف تحقیقات 16
۱-۲- اهداف 16
۱-۳- سازمان پایان نامه 16
فصل۲ 18
پیشینه تحقیق 18
۲-۱- پیشینه تحقیق 19
۲-۲- وسایل نقلیه خودمختار 19
۲-۲-۱- هوش داخلی 19
۲-۲-۲- هوش خارجی 20
۲-۲-۳- ترکیبی از هوش خارجی با هوش داخلی 20
۲-۳- پردازش تصویر 20
۲-۴- ردیابی شی 21
۲-۵- چالش های در ردیابی شی 22
۲-۶- انتخاب ویژگی 22
۲-۶-۱- رنگ 22
۲-۶-۲- لبه 23
۲-۶-۳- بافت 24
۲-۶-۴- تشخیص شی 24
۲-۶-۵- تفریق پس زمینه 25
۲-۶-۶- قطعه بندی تصاویر 25
۲-۷- تشخیص لبه و ارتباط (اتصال) 26
۲-۸- مدل های کانتور فعال مبتنی بر لبه 26
۲-۹- ردیابی اشیای متحرک 27
۲-۱۰- نتیجه گیری 27
فصل۳ 29
روش اجرای تحقیق، مواد و روش ها 29
۳-۱- روش اجرای تحقیق/ مواد و روش ها 30
۳-۲- ابزار نرم افزار 30
۳-۲-۱- نظریه کنترل 30
۳-۲-۲- کتابخانه بینایی کامپیوتر OpenCV 31
۳-۳- Thresholding 32
۳-۳-۱- Thresholding دودویی 32
۳-۳-۲- Thresholding دودویی معکوس 32
۳-۳-۳- Thresholding آستانه به صفر 33
۳-۳-۴- Thresholding آستانه معکوس به صفر 33
۳-۴- بورد آردوینو 34
۳-۵- ابزار سخت افزار 34
۳-۵-۱- هلیکوپتر 34
۳-۵-۲- کینکت 35
۳-۵-۳- تشریح آردوینو 37
۳-۵-۴- بورد ساخته شده 37
فصل چهارم 39
اجرای سیستم 39
۴-۱- اجرای سیستم 40
۴-۲- کنترل از طریق آردینو 40
۴-۳-۱- مهندسی معکوس سیگنال های مادون قرمز 40
۴-۳-۲- مدولاسیون PWM 41
۴-۳-۳- ساختار بسته مادون قرمز 41
۴-۴- دقت نقشه عمق کینکت 43
۴-۵- نتایج بدست آمده 44
۴-۶- پایداری در هوا 46
۴-۷- خلاصه 47
فصل ۵ 48
بحث، نتیجه گیری و پیشنهادات 48
۵-۱- کنترل پتانسیومتر دیجیتال 49
۵-۲- کنترل هلیکوپتر از طریق کامپیوتر 49
۵-۲-۱- ردیابی 50
۵-۲-۲- استخراج موقعیت هلیکوپتر 50
۵-۲-۳- ردیابی لبه 51
۵-۲-۴- دوربین مورد استفاده پروژه 51
۵-۲-۵- کامپیوتر مورد نیاز پروژه 52
۵-۲-۶- روش تشخیص رنگ 52
۵-۲-۷- تشخیص رنگ و فیلتر رنگ ها 53
۵-۲-۸- نرم کننده تصویر 54
۵-۳- ماژول ارتباط سخت افزار با کامپیوتر مورد استفاده در پروژه 54
۵-۴- محیط برنامه نویسی پروژه 55
۵-۵- کتابخانه OpenCV 55
۵-۶- نحوه کارکرد پروژه 56
۵-۷- الگوریتم پروژه 56
۵-۸- خلاصه 58
۵-۹- پیشنهادات 58
فهرست منابع 60
۵-۳- ضمائم 62
