1. Trang chủ
  2. » Giáo Dục - Đào Tạo

(LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông

80 9 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Ứng Dụng Thuật Toán Nhận Dạng Chuyển Động Của Người Trong Môi Trường 3D Để Huấn Luyện Cho Robot Chơi Cầu Lông
Tác giả Trần Quang Vinh
Trường học Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành Kỹ Thuật Điện Tử
Thể loại luận văn thạc sĩ
Năm xuất bản 2017
Thành phố Tp. Hồ Chí Minh
Định dạng
Số trang 80
Dung lượng 7,19 MB

Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN QUANG VINH ỨNG DỤNG THUẬT TOÁN NHẬN DẠNG CHUYỂN ĐỘNG CỦA NGƯỜI TRONG MÔI TRƯỜNG 3D ĐỂ HUẤN LUYỆN CHO ROBOT CHƠI CẦU LÔNG NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 SKC007527 Tp Hồ Chí Minh, tháng 10/2017 TIEU LUAN MOI download : skknchat123@gmail.com BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN QUANG VINH ỨNG DỤNG THUẬT TOÁN NHẬN DẠNG CHUYỂN ĐỘNG CỦA NGƯỜI TRONG MÔI TRƯỜNG 3D ĐỂ HUẤN LUYỆN CHO ROBOT CHƠI CẦU LÔNG NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Tp Hồ Chí Minh, tháng 10 / 2017 TIEU LUAN MOI download : skknchat123@gmail.com QUYẾT ĐỊNH GIAO ĐỀ TÀI i TIEU LUAN MOI download : skknchat123@gmail.com ii TIEU LUAN MOI download : skknchat123@gmail.com iii TIEU LUAN MOI download : skknchat123@gmail.com iv TIEU LUAN MOI download : skknchat123@gmail.com v TIEU LUAN MOI download : skknchat123@gmail.com vi TIEU LUAN MOI download : skknchat123@gmail.com XÁC NHẬN CỦA CÁN BỘ HƯỚNG DẪN vii TIEU LUAN MOI download : skknchat123@gmail.com LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC: Họ tên: Trần Quang Vinh Giới tính: Nam Ngày, tháng, năm sinh: 18-10-1987 Nơi sinh: Sơng Bé Q qn: Thuận An, Bình Dương Dân tộc: Kinh Chỗ riêng địa liên lạc: Kp Bình Đáng, P Bình Hịa, Tx Thuận An, Bình Dương Điện thoại quan: Điện thoại: 0907268889 Fax: E-mail: quangvinhmilan89@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: …… Nơi học (trường, thành phố): Ngành học: Đại học: Thời gian đào tạo từ ……/…… đến ……/ Hệ đào tạo: Đại Học Chính Quy Thời gian đào tạo từ ……/2007 đến ……/ 2013 Nơi học (trường, thành phố): Đại Học Sư Phạm Kỹ Thuật TP.HCM Ngành học: Kỹ thuật Điện- Điện tử Tên đồ án, luận án môn thi tốt nghiệp: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG BĂNG CHUYỀN XẾP TRỨNG TỰ ĐỘNG Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: 2013 – ĐH SPKT TPHCM Người hướng dẫn: Ths Lưu Văn Quang III Q TRÌNH CƠNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Từ 2013 đến 2016 Từ 2016 đến Nơi công tác Làm việc Trung tâm giáo dục Thường xuyên Kỹ thuật hướng nghiệp Dĩ An, tỉnh Bình Dương Làm việc Cơng Ty Estec Vina – Khu CN Visip Thuận An Bình Dương Cơng việc đảm nhiệm Chuyên viên thiết bị trường học Kỹ sư điện tử viii TIEU LUAN MOI download : skknchat123@gmail.com Hình 4.1: Giao diện thiết kế tổng quan Để tìm hiểu kỹ cách lấy tọa độ cách phân bố giao diện đồ họa ta vào chi tiết phần sau Phần thứ nhất: - Khung ảnh chiều sâu: Khung ảnh chiều sâu hình có tọa độ 320x240 pixcel 320 chiều rộng tương đương với trục x, 240 chiều cao tương đương với trục y, z khoảng cách từ đối tượng đến camera 47 TIEU LUAN MOI download : skknchat123@gmail.com Hình 4.2: Tọa độ khung hình chiều sâu - Khung sân cầu lông Khung sân cầu lơng tuyến tính theo kích thước thực tế đề tài tác giả chọn kích thước mét rộng mét dài phù hợp với vùng hoạt động camera 3D, sân hiển thị vị trí người chơi vị trí điểm cầu rơi Do kích thước tương đối nên vị trí hiển thị tương đối theo kích thước thực tế sân cầu lông 48 TIEU LUAN MOI download : skknchat123@gmail.com Hình 4.3: Sân cầu lơng tuyến tính theo kích thước thực tế Khi người chơi di chuyển sân, vị trí người chơi đánh dấu nét màu đỏ Hình 4.4 49 TIEU LUAN MOI download : skknchat123@gmail.com Hình 4.4: Đường màu đỏ vẽ lại vị trí người chơi di chuyển sân - Các đối tượng điều khiển hiển thị Các đối tượng điều khiển dùng để điều khiển Hình 4.5: Đối tượng điều khiển hiển thị Các tọa độ người chơi tọa độ cầu rơi hiển thị trên 4.2 Cách sử dụng chương trình Khi nhấn Nút nhấn START trình lấy liệu tọa độ người chơi sân bắt đầu máy tính tính tốn tọa độ cầu rơi sau gửi liệu góc xoay trái, xoay phải, tốc độ xuống máy phát cầu Khi nhấn Nút nhấn STOP tất trình dừng lại 50 TIEU LUAN MOI download : skknchat123@gmail.com Chương KẾT QUẢ VÀ THẢO LUẬN 5.1 Kết đạt Sau thời gian nghiên cứu thực nghiệm kết thu được: - Thiết kế viết chương trình giao diện - Thiết kế viết chương trình nhận dạng xác định tọa độ người chơi tính tốn tọa độ cầu rơi chạy theo thời gian thực - Chương trình giải toán ứng dụng thuật toán nhận dạng chuyển động người, xác định vị trí người chơi sân cầu lơng Đánh dấu vị trí người chơi di chuyển sân theo thời gian thực - Các kết chạy chương trình Hình 4.5 hiển thị vị trí người chơi tọa độ (X = 3.04 m, Y = 1.86 m) tọa độ phát cầu chương trình tính tốn (X = m, Y = m) Đường màu đỏ vị trí vận động viên di chuyển trước Hình 5.1: Hình ảnh 3D – Vị trí di chuyển – Tọa độ người chơi tọa độ điểm cầu rơi mà máy chọn bắn đến 51 TIEU LUAN MOI download : skknchat123@gmail.com 5.2 Thực nghiệm đánh giá độ xác hệ thống Tác giả kiểm chứng thực tế phòng Lab với khoảng cách từ 1.2 đến 3m so với vị trí đặt camera chương trình nhận dạng bắt tọa độ người sai lệch so với vị trí thật từ 0,1 m đến 0.3 m Cách kiểm chứng tác giả so sánh vị trí tọa độ vận động viên mà chương trình đọc so với vị trí thật vận động viên sân dùng thước đo khoảng cách từ vận động viên đến biên sân theo chiều dài rộng Ngồi phạm vi khơng nhận dạng được tọa độ người chơi giới hạn camera Một số hình ảnh thực nghiệm: Hình 5.2: Hình ảnh thực nghiệm 52 TIEU LUAN MOI download : skknchat123@gmail.com Hình 5.3: Hình ảnh thực nghiệm 53 TIEU LUAN MOI download : skknchat123@gmail.com 5.3 Thảo luận - Khi vận động viên di chuyển sát lưới (gần camera) di chuyển cuối sân chương trình đánh dấu vị trí chuyển động khơng xác rơi vào vùng mù camera ( camera nhận diện tốt từ khoảng cách 0.8 m đến m) Hình 5.2 minh họa vị trí người chơi đứng gần Camera, nên Camera khơng thể tracking khung xương Hình 5.4: Khi người chơi đứng cách Camera < 0.8 m nên không tracking khung xương - Tương tự người chơi đứng cách Camera xa tracking khung xương, tham khảo Hình 5.3 54 TIEU LUAN MOI download : skknchat123@gmail.com Hình 5.5: Khi người chơi đứng cách Camera > m nên không tracking khung xương 55 TIEU LUAN MOI download : skknchat123@gmail.com Hình 5.6: Khi người chơi đứng cách xa Camera phạm vi nhỏ 6m nên camera tracking khung xương - Ảnh 3D vận động viên bị lỗ đen vùng biên cảm biến hồng ngoại nguồn phát hồng ngoại đặt cách xa đoạn nên có điểm phát hồng ngoại chiếu tới đối tượng cảm biến hồng ngoại không thu Hình 5.5 minh họa điểu 56 TIEU LUAN MOI download : skknchat123@gmail.com Hình 5.7: Lỗi hố đen xuất ảnh độ sâu 57 TIEU LUAN MOI download : skknchat123@gmail.com Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Luận văn giải toán phát vận động viên tính tọa độ vận động viên sân cầu lơng Luận văn phát triển thêm cách tracking vẽ quỹ đạo bay trái cầu đến điểm rơi từ điều khiển máy phát cầu lông tốt Trong tương lai hãng công nghệ phát triển thêm sản phẩm camera 3D có chất lượng tốt áp dụng vào chương trình cho ứng dụng phần mềm tốt Do thời gian có hạn nên tác giả cố gắng giải toán để hồn thành luận văn tốt nghiệp cho tiến độ Trong tương lai tác giả tìm hiểu thuật toán tốt để phát triển luận văn theo hướng Machine learing để điều khiển máy phát cầu lông tốt 58 TIEU LUAN MOI download : skknchat123@gmail.com TÀI LIỆU THAM KHẢO [1] Jonathan Taryoto, “Shuttlcock launcher and method for launching”, Apr 12, 2002 [2] Shinobu Sakai, Ryota Nobeand Koetsu Yamazaki, “A Study on Projection Performance of Roller Type Badminton Machine and Its Optimization”, June 13 17, 2011, Shizuoka, Japan [3] Trần Nguyên Soái, luận văn Thạc sĩ “THIẾT KẾ VÀ THI CÔNG ROBOT THÔNG MINH HUẤN LUYỆN CHƠI CẦU LƠNG SỬ DỤNG THUẬT TỐN NHẬN DẠNG CHUYỂN ĐỘNG 3D” Đại Học Sư Phạm Kỹ Thuật TPHCM (2017) [4] Baptiste Darbois Texier, Caroline Cohen, David Quere, Christophe Clanet; “Shuttlecock dynamics”, Accepted 05 March 2012 [5] Caroline Cohen, Baptiste Darbois Texier, David Quere and Christophe Clanet, “The physics of badminton”, New J Phys 17 (2015) [6] Armando Nava, Leonardo Garrido and Ramon F Brena; “Recognizing Activities Using a Kinect Skeleton tracking and Hidden Markov Models” (2014) [7] Pei-Fu Tsou, Chao-Cheng Wu; “Estimation of Calories Consumption for Aerobics Using Kinect based Skeleton Tracking” Washington, May 26-30, 2015 [8] Michael Fleder, Sudeep Pillai, Jeremy Scott “3D Object Tracking Using the Kinect” - MIT CSAIL, 6.870 [9] Jamie Shotton, Andrew Fitzgibbon, Mat Cook, Toby Sharp, Mark Finocchio, Richard Moore, Alex Kipman, Andrew Blake; “Real-Time Human Pose Recognition in Parts from Single Depth Images” CVPR 2011 [10] Liang-Chia Chen, Nguyen Van Thai, Hung-Fa Shyu, Hsien-I Lin In situ clouds-powered 3-D radiation detection and localization using novel color-depth- 59 TIEU LUAN MOI download : skknchat123@gmail.com radiation (CDR) mapping Advanced Robotics, Vol 28, Issue 12, pp 841-857, 2014 60 TIEU LUAN MOI download : skknchat123@gmail.com S K L 0 TIEU LUAN MOI download : skknchat123@gmail.com ... TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN QUANG VINH ỨNG DỤNG THUẬT TOÁN NHẬN DẠNG CHUYỂN ĐỘNG CỦA NGƯỜI TRONG MÔI TRƯỜNG 3D ĐỂ HUẤN LUYỆN CHO ROBOT CHƠI CẦU... luyện chơi cầu lơng sử dụng thuật tốn nhận dạng chuyển động 3D [3] (Đi sâu vào tính tốn thiết kế khí áp dụng thuật toán nhận dạng chuyển động người – tập trung nghiên cứu phần cứng Robot) Ứng dụng. .. Robot) Ứng dụng thuật toán nhận dạng chuyển động người môi trường 3D để huấn luyện cho robot chơi cầu lơng (Xây dựng thuật tốn, viết chương trình để lấy liệu liệu điều khiển robot – tập trung

Ngày đăng: 19/09/2022, 17:43

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Jonathan Taryoto, “Shuttlcock launcher and method for launching”, Apr. 12, 2002 Sách, tạp chí
Tiêu đề: Shuttlcock launcher and method for launching
[2] Shinobu Sakai, Ryota Nobeand Koetsu Yamazaki, “A Study on Projection Performance of Roller Type Badminton Machine and Its Optimization”, June 13 - 17, 2011, Shizuoka, Japan Sách, tạp chí
Tiêu đề: A Study on Projection Performance of Roller Type Badminton Machine and Its Optimization
[3] Trần Nguyên Soái, luận văn Thạc sĩ “THIẾT KẾ VÀ THI CÔNG ROBOT THÔNG MINH HUẤN LUYỆN CHƠI CẦU LÔNG SỬ DỤNG THUẬT TOÁN NHẬN DẠNG CHUYỂN ĐỘNG 3D” Đại Học Sư Phạm Kỹ Thuật TPHCM (2017) Sách, tạp chí
Tiêu đề: THIẾT KẾ VÀ THI CÔNG ROBOT THÔNG MINH HUẤN LUYỆN CHƠI CẦU LÔNG SỬ DỤNG THUẬT TOÁN NHẬN DẠNG CHUYỂN ĐỘNG 3D
[4] Baptiste Darbois Texier, Caroline Cohen, David Quere, Christophe Clanet; “Shuttlecock dynamics”, Accepted 05 March 2012 Sách, tạp chí
Tiêu đề: Shuttlecock dynamics
[6] Armando Nava, Leonardo Garrido and Ramon F. Brena; “Recognizing Activities Using a Kinect Skeleton tracking and Hidden Markov Models” (2014) Sách, tạp chí
Tiêu đề: Recognizing Activities Using a Kinect Skeleton tracking and Hidden Markov Models
[7] Pei-Fu Tsou, Chao-Cheng Wu; “Estimation of Calories Consumption for Aerobics Using Kinect based Skeleton Tracking” Washington, May 26-30, 2015 Sách, tạp chí
Tiêu đề: Estimation of Calories Consumption for Aerobics Using Kinect based Skeleton Tracking
[8] Michael Fleder, Sudeep Pillai, Jeremy Scott “3D Object Tracking Using the Kinect” - MIT CSAIL, 6.870 Sách, tạp chí
Tiêu đề: 3D Object Tracking Using the Kinect
[9] Jamie Shotton, Andrew Fitzgibbon, Mat Cook, Toby Sharp, Mark Finocchio, Richard Moore, Alex Kipman, Andrew Blake; “Real-Time Human Pose Recognition in Parts from Single Depth Images” CVPR 2011 Sách, tạp chí
Tiêu đề: Real-Time Human Pose Recognition in Parts from Single Depth Images
[5] Caroline Cohen, Baptiste Darbois Texier, David Quere and Christophe Clanet Khác
[10] Liang-Chia Chen, Nguyen Van Thai, Hung-Fa Shyu, Hsien-I Lin. In situ clouds-powered 3-D radiation detection and localization using novel color-depth- Khác

HÌNH ẢNH LIÊN QUAN

Hình 2.1: Ảnh màu và ảnh độ sâu thu được từ camera Kinect - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.1 Ảnh màu và ảnh độ sâu thu được từ camera Kinect (Trang 27)
Hình 2.2: Mơ hình cấu tạo camera Kinect - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.2 Mơ hình cấu tạo camera Kinect (Trang 27)
Hình 2.3: Phạm vi độ sâu của cảm biến Kinect - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.3 Phạm vi độ sâu của cảm biến Kinect (Trang 28)
Hình 2.5: Nguyên lý tạo ảnh độ sâu của cảm biến Kinect - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.5 Nguyên lý tạo ảnh độ sâu của cảm biến Kinect (Trang 31)
Hình 2.6: Ngun tắc tính toán độ sâu ảnh của cảm biến Kinect - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.6 Ngun tắc tính toán độ sâu ảnh của cảm biến Kinect (Trang 32)
Hình 2.11: Tổng quan 3 lớp OpenNI. - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.11 Tổng quan 3 lớp OpenNI (Trang 36)
Hình 2.12: Lưu đồ minh họa cây quyết định - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.12 Lưu đồ minh họa cây quyết định (Trang 38)
2.2.2 Thuật toán rừng quyết định ngẫu nhiê n- randomized decision forest - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
2.2.2 Thuật toán rừng quyết định ngẫu nhiê n- randomized decision forest (Trang 38)
Hình 2.13: Lưu đồ minh họa rừng quyết định - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.13 Lưu đồ minh họa rừng quyết định (Trang 39)
Hình 2.15: Lưu đồ phân loại dữ liệu - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.15 Lưu đồ phân loại dữ liệu (Trang 40)
Hình 2.16: Lưu đồ rừng quyết định trong mô tả của Shotton et al, CVPR(2011) - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.16 Lưu đồ rừng quyết định trong mô tả của Shotton et al, CVPR(2011) (Trang 41)
+ Bước 2: biến đổi hình ảnh các phần thân cơ thể người thành bộ xương. - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
c 2: biến đổi hình ảnh các phần thân cơ thể người thành bộ xương (Trang 42)
Hình 2.18: Chuyển đổi các vùng trên cơ thể thành các điểm và nối thành bộ khung Shotton et al, CVPR(2011)  - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.18 Chuyển đổi các vùng trên cơ thể thành các điểm và nối thành bộ khung Shotton et al, CVPR(2011) (Trang 43)
Hình 2.19: Tìm kiếm vùng mật độ điểm lớn trên dữ liệu thực - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.19 Tìm kiếm vùng mật độ điểm lớn trên dữ liệu thực (Trang 45)
Hình 2.20: Meanshift vector và các vùng cửa sổ - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.20 Meanshift vector và các vùng cửa sổ (Trang 46)
Hình 2.21: Ý nghĩa của các cơng thức trong thuật toán mean shift - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 2.21 Ý nghĩa của các cơng thức trong thuật toán mean shift (Trang 47)
Hình 3.1: Sơ đồ khối quá trình nhận dạng cơ thể người và cài đặt cho máy phát cầu lông  - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.1 Sơ đồ khối quá trình nhận dạng cơ thể người và cài đặt cho máy phát cầu lông (Trang 49)
Hình 3.4: Lưu đồ lấy hình ảnh chiều sâu - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.4 Lưu đồ lấy hình ảnh chiều sâu (Trang 53)
Hình 3.7: Phân đoạn con người 3.4 Khối nhận dạng và tracking con người.  - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.7 Phân đoạn con người 3.4 Khối nhận dạng và tracking con người. (Trang 56)
Hình 3.9: Lưu đồ giải thuật nhận dạng cơ thể và tracking bộ xương - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.9 Lưu đồ giải thuật nhận dạng cơ thể và tracking bộ xương (Trang 58)
Hình 3.11: Lưu đồ xác định tọa độ người chơi trên sân - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.11 Lưu đồ xác định tọa độ người chơi trên sân (Trang 61)
Hình 3.12: Lưu đồ giải thuật cài đặt cho máy phát cầu lông - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.12 Lưu đồ giải thuật cài đặt cho máy phát cầu lông (Trang 63)
3.7 Khối hiển thị - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
3.7 Khối hiển thị (Trang 64)
Hình 3.13: Hình ảnh chiều sâu và tọa độ người chơi trên sân vị trí 1 - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 3.13 Hình ảnh chiều sâu và tọa độ người chơi trên sân vị trí 1 (Trang 64)
Hình 4.3: Sân cầu lơng tuyến tính theo kích thước thực tế - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 4.3 Sân cầu lơng tuyến tính theo kích thước thực tế (Trang 68)
Hình 4.4: Đường màu đỏ vẽ lại các vị trí người chơi đã di chuyển trên sân - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 4.4 Đường màu đỏ vẽ lại các vị trí người chơi đã di chuyển trên sân (Trang 69)
Hình 5.3: Hình ảnh thực nghiệm 2 - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 5.3 Hình ảnh thực nghiệm 2 (Trang 72)
Hình 5.2 minh họa vị trí người chơi đứng quá gần Camera, nên Camera không thể tracking được bộ khung xương - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 5.2 minh họa vị trí người chơi đứng quá gần Camera, nên Camera không thể tracking được bộ khung xương (Trang 73)
Hình 5.5: Khi người chơi đứng cách Camera &gt; 6m nên không tracking được khung xương - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 5.5 Khi người chơi đứng cách Camera &gt; 6m nên không tracking được khung xương (Trang 74)
Hình 5.7: Lỗi hố đen xuất hiện trên ảnh độ sâu - (LUẬN văn THẠC sĩ) ứng dụng thuật toán nhận dạng chuyển động của người trong môi trường 3d để huấn luyện cho robot chơi cầu lông
Hình 5.7 Lỗi hố đen xuất hiện trên ảnh độ sâu (Trang 76)

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w