مقایسه الگوریتمهای تشخیص نقاط ویژه تصاویر در فضاهای رنگ مختلف به منظور تهیه نقشه سه بعدی درختان
نویسندگان
1 دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
2 دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
3 دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
doi
10.22059/ijbse.2017.61561چکیده
عملیات کشاورزی در باغات مانند سمپاشی، آبیاری و ... در زمینه کشاورزی دقیق و رباتیک کشاورزی وابستگی زیادی به شکل تاج درخت و ساختار آن دارد. بنابراین داشتن مدل سهبعدی و نقشه عمق درختان میتواند مفید باشد. یکی از روشهای ایجاد مدل سهبعدی، استفاده از روش بینایی استریو است. مهمترین مرحله در این روش، تعیین نقاط متناظر است. برای انجام این کار ابتدا باید نقاط ویژه در هر تصویر شناسایی شوند. الگوریتمهای مختلفی بدین منظور نوشته شده است. در این تحقیق شش الگوریتم Harris-Stephens، Minimum eigenvalue، MSER، FAST، SURF و BRISK در فضاها و مولفه های RGB، G، HSV، H، YCbCr، Y، NTSC، Lab و a بررسی و مقایسه شد. نتایج نشان داد که الگوریتم SURF بهترین عملکرد را داشت. نقاط ویژهای که این الگوریتم تشخیص داد در اکثر فضاها ثابت بود که نشان از پایداری این الگوریتم در فضاهای مختلف دارد. بعد از الگوریتم SURF بهترین عملکرد را الگوریتم MSER داشت. این الگوریتم محصولات درخت را به عنوان نقاط ویژه تشخیص داد. اگر چه تعداد این نقاط کم است اما درصورتی که نتوان نقاط گوشه را در دو تصویر با هم مطابقت داد، از این نقاط میتوان به عنوان نقاط مشترک جهت تطابق استفاده کرد. الگوریتمها در فضاها و مولفههای HSV، H، YCbCr و NTSC بهترین عملکرد را داشتند و در فضای RGB و Y از نظر تعداد نقاط ویژه تشخیص داده شده پایدارتر عمل کردند.
