6: Додаток

Last updated
Save as PDF

Page ID: 33651

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Додаток A - Приклад літератури Огляд призначення

Нижче наведено репрезентативне завдання огляду літератури. Веб-сайт курсу був розміщений на CANVAS з активною дошкою для обговорення.

Використовуйте дискусійну дошку CANVAS, щоб претендувати на статтю, яку ви хочете переглянути - переконайтеся, що вона ще не була заявлена. Якщо ви хочете розглянути інші документи, це добре, але електронний інструктор копію, щоб затвердити, перш ніж зробити огляд. Він повинен бути недавнім і безпосередньо стосується систем візуалізації, чиї конструкції (або нові його частини) натхненні природними системами візуалізації (бачення).

Бібліотеки ФСУ дуже корисні для пошуку додаткових публікацій. Якщо цікаво:

Пошук «Бібліотеки ФСУ», а потім «Знайти базу даних». Під опцією «Пошук наших A-Z список баз даних» тягніть вниз «I» і знайдіть IEEExplore. На цьому етапі вам, можливо, доведеться авторизуватися на Порталі ФСУ. Опинившись у IEEE Xplore, ви можете шукати на «біологічно натхненних», «біонатхненних зображеннях» або якомусь іншому пов'язаному терміні. Ліворуч у розділі «рік» уточніть свій пошук, перемістивши діапазон до останнього півтора року (2018 до 2019) та натисніть «Застосувати уточнення».

Після того, як ви вибрали одну з наданих робіт (або маєте схвалення для іншої статті) введіть цитування (принаймні автора, назву та рік) на дошці обговорення курсу та підтвердіть, що ніхто інший не вибрав цей документ. Прочитайте статтю і вивчіть її досить добре, щоб обговорити її на уроці. Ви не зобов'язані розуміти всі похідні, рівняння тощо, але ви повинні мати можливість відповісти на наступні питання у файлі Word. Ваші відповіді не повинні бути довгими, але повинні бути вашими власними словами і дуже чіткими та точними; немає вимоги щодо довжини. Використовуйте речення, а не фрази або пункти. Під час представлення в класі підтягніть свій документ Word (уникайте PowerPoint тощо), і ви можете підтягнути папір, яку ви переглядаєте, а також; не соромтеся йти вперед і назад між вашими письмовими відповідями та папером. Ви можете звернутися до малюнків, таблиць, діаграм або чогось іншого в статті, але ваш файл Word повинен відповідати на питання без того, щоб читач звертався до статті.

Увімкніть файл Word або PDF-файл, який відповідає на запитання у такому форматі, як у прикладі на наступній сторінці:

Переглянуто {ваше ім'я}

Цитування статті: {citation}

Яку проблему потрібно вирішити або вирішити?

Яка природна парадигма розглядається?

Що вже зроблено?

Чим відрізняється такий підхід?

Яке досягнення заявлено?

Що вони планують робити далі?

{Аспіранти} Обговоріть принаймні одну (або більше) математичних похідних або рівнянь у статті. Якщо не обговорюються похідні, то виберіть папір, який робить.

Папір Анотація (вклеєний): {вставити папір анотація тут}

Опублікуйте файл Word (або PDF) у папці «Збірка курсу». Якщо ви вибрали документ ще не розміщений, опублікуйте його копію разом із файлом.

Цитування статті: H. Wu, K.Zou, T. zhang, A.Borst, Kuhnlenz Kuhnlenz, Inspected комах високошвидкісна система зору руху для управління роботом, Біологічна кібернетика, 106:453-463, 2012).

Яку проблему потрібно вирішити або вирішити?

Підвищення точності оцінки швидкості в моделі елементарного виявлення руху Хассенштейна-Райхардта (HR-EMD). Оцінка швидкості об'єктів на зображенні є невід'ємною частиною візуального сприйняття і буде необхідною для систем керування роботами, які виконують автономну навігацію та взаємодію з іншими агентами (роботами). Оцінка руху за допомогою звичайної технології візуалізації є повільною.

Яка природна парадигма розглядається?

Виявлення руху на рівні нейронів у зору комах, зокрема відомої моделі HR-EMD.

Що вже зроблено?

Основна модель HR-EMD, натхненна комахою, добре зарекомендувала себе. Він був використаний для вирішення питань наведення літаків (уникнення зіткнень, ущелини та посадки) і продемонстрований на роботизованих платформах. Він був реалізований в СБІС для виявлення зіткнень і реалізований в FPGA для виявлення оптичного потоку та оцінки руху. Застосовується для курсової стабілізації та контролю висоти безпілотного літального апарату на базі дирижабля.

Чим відрізняється такий підхід?

Перші програми HR-EMD засновані на більш якісному виявленні руху, а не кількісної оцінки швидкості руху. Тут автори використовують статистику шаблонів зображень (яскравість, контрастність та просторова оцінка PSD) у поєднанні з виходом HR-EMD та таблицею пошуку, що оцінює швидкість руху замість простого руху. Тут також, як і колишні зусилля авторів, в якості елемента затримки в HR-EMD використовується звичайний тимчасовий фільтр низьких частот.

Яке досягнення заявлено?

Середня реакція ЕМД всього зображення використовувалася для замкнутої системи управління кутом нахилу маніпулятора роботизованого маніпулятора. Вони продемонстрували контроль рискання за допомогою кускового лінійного входу руху та довільного входу руху.

Що вони планують робити далі?

Вони планують розширити, щоб продемонструвати оцінку руху 3D-об'єктів у сприйнятливому полі.

Анотація паперу (наклеєний): Механізм виявлення руху в системі зору мухи, відомий як корелятор Рейхардта, страждає від головного недоліку як оцінювача швидкості: низька точність. Для точної оцінки швидкості в даній роботі аналізуються реакції корелятора Рейхардта на послідовності зображень. Запропоновано розроблену модель з додатковими модулями попередньої обробки. Відносна похибка оцінки швидкості значно зменшується шляхом встановлення таблиці пошуку швидкості відгуку в режимі реального часу на основі аналізу спектра потужності вхідного сигналу. Використовуючи покращену точність оцінки швидкості та просту структуру корелятора Рейхардта, високошвидкісна система зору 1 кГц розроблена та застосовується для управління кутом нахилу робота в експериментах у режимі реального часу. Експериментальні результати демонструють потенціал та доцільність застосування детекції руху, натхненного комахами, до управління роботами.