Главная » Просмотр файлов » Диссертация

Диссертация (1090939), страница 18

Файл №1090939 Диссертация (Повышение точности позиционирования камеры в задаче одновременной локализации и картирования для систем прикладного объемного телевидения) 18 страницаДиссертация (1090939) страница 182018-01-18СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 18)

A comparison of EKF, UKF, FastSLAM2.0,and UKF-based FastSLAM algorithms // Intelligent Engineering Systems (INES),2012 IEEE 16th International Conference on, Lisbon, 2012, pp. 37–43.54.Lee T., Hollerer T. Hybrid Feature Tracking and User Interaction forMarkerless Augmented Reality // Virtual Reality Conference, 2008.

VR '08. IEEE,Reno, NE, 2008, pp. 145–152.55.Leonard, J.J., Durrant-whyte, H.F. Simultaneous map building andlocalization for an autonomous mobile robot // Intelligent Robots and Systems'91.'Intelligence for Mechanical Systems, Proceedings IROS'91. IEEE/RSJInternational Workshop on: 1442–1447.56.Lowe D. Distinctive image features from scale-invariant keypoints //IJCV 60, 2004.57.Macknojia R., Chavez-Aragon A., Payeur P., Laganiere R. Calibrationof a Network of Kinect Sensors for Robotic Inspection over a Large Workspace //Proceedings of the 2013 IEEE Workshop on Robot Vision (WORV), Clearwater,FL, USA, 15–17 January 2013; pp. 184–190.58.Mikolajczyk K., Leibe B., Schiele B.

Multiple object class detectionwith a generative model // Proc of CVPR 2006, pp. 26–36.59.Mikolajczyk K., Schmid C. Scale and affine invariant interest pointdetectors // International Journal of Computer Vision, 2004.60.Miksik O., Mikolajczyk K. Evaluation of Local Detectors andDescriptors for Fast Feature Matching // Proceedings of the InternationalConference on Pattern Recognition (ICPR), Tsukuba Science City, Japan, 201261.Moravec H. Obstacle Avoidance and Navigation in the Real Worldby a Seeing Robot Rover // Tech Report CMU-RI-TR-3 Carnegie-MellonUniversity, 1980.13862.Murphy K. Bayesian Map Learning in Dynamic Environments //NIPS '99 (Neural Info.

Proc. Systems).63.forMurphydynamicK.,RussellbayesianS.networksRao-blackwellized//SequentialparticleMonteCarlofilteringMethodsin Practice, Springer, 2001.64.Neubeck A., Van Gool L.Efficient Non-Maximum Supression //International Conference on Pattern Recognition, 2006.65.Oxford Dataset // http://robots.ox.ac.uk/~vgg/data/data-aff.html.66.Pajdla T.Elements of Geometry for Computer Vision //https://cw.felk.cvut.cz/courses/GVG/2013/Lecture/GVG- 2013-Lecture.pdf, 2014.67.Prozorov A., Priorov A.

Three-Dimensional Reconstruction of a Scenewith the Use of Monocular Vision // Measurement Techniques, Vol. 57, N. 10,January 2015.68.Prozorov A., Priorov A. Methods of complete surface reconstructionthrough merging of point clouds according to stereo vision data // OpenInnovations Association FRUCT, Proceedings of 16th Conference, IEEE, p. 73–78, December 2014.69.Prozorov A., Volokhov V., Priorov A. Monocular visual odometry and3D reconstruction // Proceedings of the15th Conference of Open InnovationsAssociation, FRUCT 2014; Saint-Petersburg; Russian Federation. pp.

112–118.70.Prozorov, A.; Tyukin, A.; Lebedev, I.; Priorov, A. Self-localization ofmobile robot in unknown environment // in Open Innovations Association(FRUCT), 2015 17TH Conference of , vol., no., pp.173-178, 20–24, April 2015.71.PUT Kinect 1 & Kinect 2 data set // http://lrm.put.poznan.pl/putkk/.72.Quinlan J.R. Induction of decision trees // Machine Learning, 1986.73.Raposo C., Barreto J.P., Nunes U. Fast and Accurate Calibration of aKinect Sensor // International Conference on 3DV, 2013.74.RGB-DSLAMDatasethttps://vision.in.tum.de/data/datasets/rgbd-dataset.139andBenchmark//75.Rodehorst V., Koschan A. Comparison and evaluation of feature pointdetectors.

2006.76.Rolo D. Graph-based 6D SLAM for RGB-D Sensors and HybridVision and Depth Camera Localization // Instituto Superior Tecnico, Universidadede Lisboa, 2013.77.Rosten E., Drummond T. Machine Learning for high-speed cornerdetection // 9th European Conference on Computer Vision (ECCV 2006), 2006.78.Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an efficientalternative to SIFT or SURF // Computer Vision (ICCV), 2011 IEEE InternationalConference on. IEEE, 2011.79.Shehu V., Dika A. Object class recognition using range of multiplecomputer vision algorithms // MIPRO, 2011 Proceedings of the 34th InternationalConvention, Opatija, 2011, pp. 909–912.80.Simon J., Jeffrey U. Unscented Filtering and Nonlinear Estimation //Proc.

IEEE Vol. 92, No. 3 (March 2004), p. 401–22.81.Smisek J., Jancosek M., Pajdla T. 3D with Kinect // IEEE Workshopon Consumer Depth Cameras for Computer Vision, 2011.82.Sonka M., Hlavac V., Boyle R. Image Processing, Analysis andMachine Vision // Thomson, 2008.83.Sturm J., Engelhard N., Endres F., Burgard W., Cremers D. Abenchmark for the evaluation of RGB-D SLAM systems // Intelligent Robots andSystems (IROS), 2012 IEEE/RSJ International Conference on, Vilamoura, 2012,pp. 573–580.84.Szeliski R.Computer Vision: Algorithms and Applications //Springler, 2010.85.Taylor S., Rosten E., Drummond T. Robust Feature Matching //Workshop, IEEE Conference on Computer Vision and Pattern Recognition, 2009,pp. 15–22.86.TheMalagaStereoandhttp://www.mrpt.org/MalagaUrbanDataset.140LaserUrbanDataSet//87.Thrun S., Montemerlo M.

The GraphSLAM Algorithm WithApplications to Large-Scale Mapping of Urban Structures // International Journalon Robotics Research, 2005, Volume 25, 403–430.88.Tomasi C., Kanade T. Detection and tracking of point features // TRCarnegie-Melon University, 1992.89.Tuytelaars T., Mikolajczyk K. Local Invariant Feature Detectors: ASurvey // Foundations and Trends in Computer Graphics and Vision, 2007.90.Viola P., Jones M.J.Robust Real-Time Face Detection //International Journal of Computer Vision 57(2)., 2004.91.Wagner D., Mulloni A., Langlotz T., Schmalstieg D.

RealtimePanoramic Mapping and Tracking on Mobile Phones // Proceedings of the IEEEVirtual Reality Conference, 201092.Wagner D., Schmalstieg D., Bischof, H. Multiple Target Detection andTracking with Guaranteed Framerates on Mobile Phones // Proceedings of the 8thIEEE intl. Symposium on Mixed and Augmented Reality, 2009, pp. 57–64.93.Wan E.A., Van Der Merwe R. The unscented Kalman filter fornonlinear estimation // Adaptive Systems for Signal Processing, Communications,and Control Symposium 2000.

AS-SPCC. The IEEE 2000, Lake Louise, Alta.,2000, pp. 153–158.94.Wan E. A., Van der Merwe R. The square-root unscented Kalmanfilter for state and parameter-estimation // Acoustics, Speech, and SignalProcessing, 2001. Proceedings. (ICASSP '01). 2001 IEEE International Conferenceon, Salt Lake City, UT, 2001, pp. 3461–3464.95.Willems G., Tuytelaars T., Van Gool L.

An efficient dense and scale-invariant spatio-temporal interest point detector // ECCV, 2008.96.Yilmaz O., Karakus F. Stereo and kinect fusion for continuous 3Dreconstruction and visual odometry // Electronics, Computer and Computation(ICECCO), 2013 International Conference on, Ankara, 2013, pp. 115–118.97.Yuan Z., Rosa S., Russo L.O., Bona B.

A Kinect-based Front-end forGraph-SLAM Using Plane Matching in Planar Indoor Environment // Intelligent141Autonomous Systems 13, Volume 302 of the series Advances in IntelligentSystems and Computing pp 389–400.98.Zakaria A. M., Said A.

M. 3D Reconstruction of a scene from multipleuncalibrated images using close range photogrammetry // Information Technology(ITSim), 2010 International Symposium in, Kuala Lumpur, 2010, pp. 1–5.99.Zhang W., Liu M, Zhao Z. Accuracy Analysis of UnscentedTransformation of Several Sampling Strategies // Proc. of the 10th Intl. Conf.

onSoftware Engineering, Artificial Intelligence, Networking and Parallel/DistributedComputing. ACIS, 2009.100. Zhang L, Liu Z, Jiao J. An improved RANSAC algorithm usingwithin-class scatter matrix for fast image stitching. In: Astola JT, Egiazarian KO,editors // Image Processing: Algorithms and Systems IX; January 2011; SanFrancisco, Calif, USA.142ПРИЛОЖЕНИЕ 1. СВИДЕЛЬСТВА О РЕГИСТРАЦИИПРОГРАММНОГО ОБЕСПЕЧЕНИЯ143144ПРИЛОЖЕНИЕ 2.

АКТЫ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ РАБОТЫ145146147148.

Характеристики

Список файлов диссертации

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6310
Авторов
на СтудИзбе
312
Средний доход
с одного платного файла
Обучение Подробнее