دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. 2022
نویسندگان: Peter Corke
سری:
ISBN (شابک) : 3030791742, 9783030791742
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 419
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 43 مگابایت
در صورت تبدیل فایل کتاب Robotic Vision: Fundamental Algorithms in MATLAB® (Springer Tracts in Advanced Robotics, 142) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب چشم انداز رباتیک: الگوریتم های بنیادی در MATLAB® (تراکت های اسپرینگر در رباتیک پیشرفته، 142) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درسی مقدمه ای آموزشی برای رباتیک و بینایی کامپیوتر ارائه می دهد که سبک و به راحتی قابل جذب است.
عملکرد بینایی رباتیک شامل استفاده از الگوریتم های محاسباتی برای داده ها است. در طول تاریخ نسبتاً جدید در زمینههای روباتیک و بینایی رایانه، الگوریتمهای بسیار بزرگی توسعه یافته است. با این حال، این مجموعه از دانش چیزی مانند یک مانع برای هر کسی است که وارد این حوزه می شود، یا حتی به دنبال این است که ببیند آیا می خواهد وارد این حوزه شود - الگوریتم مناسب برای یک مشکل خاص چیست؟، و مهمتر از همه: چگونه می توانم آن را بدون امتحان امتحان کنم. روزها را صرف کدنویسی و اشکال زدایی آن از مقالات تحقیقاتی اصلی کرده اید؟
نویسنده دو جعبه ابزار متن باز MATLAB را برای بیش از 10 سال نگهداری کرده است: یکی برای رباتیک و دیگری برای بینایی. نقطه قوت کلیدی جعبه ابزار مجموعه ای از ابزارها را ارائه می دهد که به کاربر اجازه می دهد با مشکلات واقعی کار کند، نه نمونه های بی اهمیت. برای دانشآموز، این کتاب الگوریتمها را در دسترس قرار میدهد، کد جعبه ابزار را میتوان برای فهمیدن آن خواند، و مثالها نشان میدهند که چگونه میتوان از آن استفاده کرد - لذت فوری فقط در چند خط کد متلب. این کد همچنین میتواند با نوشتن برنامههایی بر اساس توابع جعبه ابزار، یا اصلاح کد جعبه ابزار، نقطه شروع کار جدید، برای محققان یا دانشجویان باشد.
هدف این کتاب گسترش آموزش است. مواد ارائه شده همراه با جعبه ابزار، نمونه های بسیار بیشتری را اضافه کنید، و این را به روایتی تبدیل کنید که رباتیک و بینایی کامپیوتر را جداگانه و با هم پوشش می دهد. نویسنده نشان می دهد که چگونه می توان مسائل پیچیده را با استفاده از چند خط ساده کد تجزیه و حل کرد و امیدواریم که الهام بخش محققان آینده باشد. موضوعات تحت پوشش با مشکلات واقعی که در طول سالیان متمادی به عنوان یک متخصص رباتیک و بینایی کامپیوتر مشاهده شده هدایت می شوند. به سبکی سبک اما آموزنده نوشته شده است، خواندن و جذب آن آسان است و شامل نمونه ها و شکل های متلب زیادی است. این کتاب یک پیادهروی واقعی از اصول نور و رنگ، مدلسازی دوربین، پردازش تصویر، استخراج ویژگی و هندسه چند نمای است و همه آنها را در یک سیستم سروو بصری گرد هم میآورد.
«کتابی معتبر، رسیدن به مناطق مختلف، اندیشمندانه طراحی شده و
به طرز درخشانی انجام شده است
اوسامه خطیب، استنفورد
This textbook offers a tutorial introduction to robotics and Computer Vision which is light and easy to absorb.
The practice of robotic vision involves the application of computational algorithms to data. Over the fairly recent history of the fields of robotics and computer vision a very large body of algorithms has been developed. However this body of knowledge is something of a barrier for anybody entering the field, or even looking to see if they want to enter the field ― What is the right algorithm for a particular problem?, and importantly: How can I try it out without spending days coding and debugging it from the original research papers?
The author has maintained two open-source MATLAB Toolboxes for more than 10 years: one for robotics and one for vision. The key strength of the Toolboxes provide a set of tools that allow the user to work with real problems, not trivial examples. For the student the book makes the algorithms accessible, the Toolbox code can be read to gain understanding, and the examples illustrate how it can be used ―instant gratification in just a couple of lines of MATLAB code. The code can also be the starting point for new work, for researchers or students, by writing programs based on Toolbox functions, or modifying the Toolbox code itself.
The purpose of this book is to expand on the tutorial material provided with the toolboxes, add many more examples, and to weave this into a narrative that covers robotics and computer vision separately and together. The author shows how complex problems can be decomposed and solved using just a few simple lines of code, and hopefully to inspire up and coming researchers. The topics covered are guided by the real problems observed over many years as a practitioner of both robotics and computer vision. It is written in a light but informative style, it is easy to read and absorb, and includes a lot of Matlab examples and figures. The book is a real walk through the fundamentals light and color, camera modelling, image processing, feature extraction and multi-view geometry, and bring it all together in a visual servo system.
“An authoritative book, reaching across fields, thoughtfully
conceived and brilliantly accomplished
Oussama Khatib, Stanford
Foreword Foreword to the Second Edition Preface Contents Nomenclature 1 Introduction 1.1 About the Book 1.1.1 MATLAB Software and the Toolboxes 1.1.2 Notation, Conventions and Organization 1.1.3 Audience and Prerequisites 1.1.4 Learning with the Book 1.1.5 Teaching with the Book 1.1.6 Outline Part I Foundations 2 Representing Position and Orientation 2.1 Working in Two Dimensions (2D) 2.1.1 Orientation in 2-Dimensions 2.1.2 Pose in 2-Dimensions 2.2 Working in Three Dimensions (3D) 2.2.1 Orientation in 3-Dimensions 2.2.2 Pose in 3-Dimensions 2.3 Advanced Topics 2.3.1 Normalization 2.3.2 Understanding the Exponential Mapping 2.3.3 More About Twists 2.3.4 Derivative of Pose 2.3.5 Transforming Spatial Velocities 2.3.6 Incremental Rotation 2.4 Using the Toolbox 2.5 Wrapping Up Part II Computer Vision 3 Light and Color 3.1 Spectral Representation of Light 3.1.1 Absorption 3.1.2 Reflectance 3.1.3 Luminance 3.2 Color 3.2.1 The Human Eye 3.2.2 Measuring Color 3.2.3 Reproducing Colors 3.2.4 Chromaticity Space 3.2.5 Color Names 3.2.6 Other Color and Chromaticity Spaces 3.2.7 Transforming between Different Primaries 3.2.8 What Is White? 3.3 Advanced Topics 3.3.1 Color Temperature 3.3.2 Color Constancy 3.3.3 White Balancing 3.3.4 Color Change Due to Absorption 3.3.5 Dichromatic Reflectance 3.3.6 Gamma 3.4 Application: Color Image 3.4.1 Comparing Color Spaces [examples/colorspaces] 3.4.2 Shadow Removal [examples/shadow] 3.5 Wrapping Up 4 Images and Image Processing 4.1 Obtaining an Image 4.1.1 Images from Files 4.1.2 Images from an Attached Camera 4.1.3 Images from a Movie File 4.1.4 Images from the Web 4.1.5 Images from Maps 4.1.6 Images from Code 4.2 Image Histograms 4.3 Monadic Operations 4.4 Dyadic Operations 4.5 Spatial Operations 4.5.1 Linear Spatial Filtering 4.5.2 Template Matching 4.5.3 Nonlinear Operations 4.6 Mathematical Morphology 4.6.1 Noise Removal 4.6.2 Boundary Detection 4.6.3 Hit or Miss Transform 4.6.4 Distance Transform [examples/chamfer_match.m] 4.7 Shape Changing 4.7.1 Cropping 4.7.2 Image Resizing 4.7.3 Image Pyramids 4.7.4 Image Warping 4.8 Wrapping Up 5 Image Feature Extraction 5.1 Region Features 5.1.1 Classification 5.1.2 Representation 5.1.3 Description 5.1.4 Summary 5.2 Line Features 5.3 Point Features 5.3.1 Classical Corner Detectors 5.3.2 Scale-Space Corner Detectors 5.4 Wrapping Up Part III The Geometry of Vision 6 Image Formation 6.1 Perspective Camera 6.1.1 Perspective Projection 6.1.2 Modeling a Perspective Camera 6.1.3 Discrete Image Plane 6.1.4 Camera Matrix 6.1.5 Projecting Points 6.1.6 Lens Distortion 6.2 Camera Calibration 6.2.1 Homogeneous Transformation Approach 6.2.2 Decomposing the Camera Calibration Matrix 6.2.3 Pose Estimation 6.2.4 Camera Calibration Toolbox 6.3 Wide Field-of-View Imaging 6.3.1 Fisheye Lens Camera 6.3.2 Catadioptric Camera 6.3.3 Spherical Camera 6.4 Unified Imaging 6.4.1 Mapping Wide-Angle Images to the Sphere 6.4.2 Mapping from the Sphere to a Perspective Image 6.5 Novel Cameras 6.5.1 Multi-Camera Arrays 6.5.2 Light-Field Cameras 6.6 Advanced Topics 6.6.1 Projecting 3D Lines and Quadrics 6.6.2 Nonperspective Cameras 6.6.3 Camera and Image Motion 6.7 Wrapping Up 7 Using Multiple Images 7.1 Feature Correspondence 7.2 Geometry of Multiple Views 7.2.1 The Fundamental Matrix 7.2.2 The Essential Matrix 7.2.3 Estimating the Fundamental Matrix from Real Image Data 7.2.4 Planar Homography 7.3 Stereo Vision 7.3.1 Sparse Stereo 7.3.2 Dense Stereo Matching 7.3.3 Peak Refinement 7.3.4 Cleaning up and Reconstruction 7.3.5 3D Texture Mapped Display 7.3.6 Anaglyphs 7.3.7 Image Rectification 7.4 Bundle Adjustment 7.5 Point Clouds 7.5.1 Fitting a Plane 7.5.2 Matching Two Sets of Points 7.6 Structured Light 7.7 Applications 7.7.1 Perspective Correction 7.7.2 Mosaicing [examples/mosaic] 7.7.3 Image Matching and Retrieval [examples/retrieval] 7.7.4 Visual Odometry [examples/vodemo] 7.8 Wrapping Up Appendices A Installing the Toolboxes B Linear Algebra Refresher B.1 Vectors B.2 Matrices C Geometry C.1 Euclidean Geometry C.2 Homogeneous Coordinates C.3 Geometric Transformations D Lie Groups and Algebras E Linearization, Jacobians and Hessians F Solving Systems of Equations F.1 Linear Problems F.2 Nonlinear Problems G Graphs H Peak Finding Bibliography Index