nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

Dim Line Tracking Using Deep Learning for Autonomous Line Following Robot

verfasst von : Grzegorz Matczak, Przemysław Mazurek

Erschienen in: Artificial Intelligence Trends in Intelligent Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The proposed approach improves preprocessing of image data for the line following robot. The tracking algorithm uses Track–Before–Detect algorithm using Viterbi algorithm. Proposed technique uses deep learning for the estimation of the line and background area. The segmentation improves detection of weak line on the image disturbed by numerous additive patterns and Gaussian noise.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Entropy Based Surface Quality Assessment of 3D Prints

Nächstes Kapitel Properties of Genetic Algorithms for Automated Algebras Generation

Astrand, B., Baerveldt, A.: A vision-based row-following system for agricultural field machinery. Mechatronics 15(2), 251–269 (2005)CrossRef

Blackman, S., Popoli, R.: Design and Analysis of Modern Tracking Systems. Artech House, Norwood (1999)MATH

Deans, S.R.: The Radon Transform and Some of Its Applications. Wiley, New York (1983)MATH

Golightly, I., Jones, D.: Visual control of an unmanned aerial vehicle for power line inspection. In: 12th International Conference on Advanced Robotics, ICAR 2005, pp. 288–295, July 2005

Haykin, S., Moher, M.: Communication Systems. Wiley, Chichester (2009)

King, D.E.: Dlib-ml: a machine learning toolkit. J. Mach. Learn. Res. 10, 1755–1758 (2009)

LeCun, Y., Kavukcuoglu, K., Farabet, C.: Convolutional networks and applications in vision. In: Proceedings of 2010 IEEE International Symposium on Circuits and Systems, pp. 253–256, May 2010

LeCun, Y., Bengio, Y., Hinton, G.: Deep learning. Nature 521(7553), 436–444 (2015). http://dx.doi.org/10.1038/nature14539 CrossRef

Matczak, G., Mazurek, P.: History dependent viterbi algorithm for navigation purposes of line following robot. Image Process. Commun. 20(4), 5–11 (2016)

10.

Mazurek, P.: Hierarchical track-before-detect algorithm for tracking of amplitude modulated signals. In: Choraś, R.S. (ed.) Image Processing & Communications Challenges 3. AISC, vol. 102, pp. 511–518. Springer, Heidelberg (2011). doi:10.1007/978-3-642-23154-4_56 CrossRef

11.

Mazurek, P.: Line estimation using the viterbi algorithm and track-before-detect approach for line following mobile robots. In: 2014 19th International Conference on Methods and Models in Automation and Robotics (MMAR), pp. 788–793, September 2014

12.

Mazurek, P., Putynkowski, G.: Frequency management for electromagnetic continuous wave conductivity meters. Sensors 16(4), 490 (2016)CrossRef

13.

Mazurek, P.: Directional filter and the Viterbi algorithm for line following robots. In: Chmielewski, L.J., Kozera, R., Shin, B.-S., Wojciechowski, K. (eds.) ICCVG 2014. LNCS, vol. 8671, pp. 428–435. Springer, Cham (2014). doi:10.1007/978-3-319-11331-9_51

14.

Ollis, M.: Perception Algorithms for a Harvesting Robot. CMU-RI-TR-97-43, Carnegie Mellon University (1997)

15.

Scott, T.A., Nilanjan, R.: Biomedical Image Analysis: Tracking. Morgan & Claypool, San Rafael (2005)

16.

Stone, L., Barlow, C., Corwin, T.: Bayesian Multiple Target Tracking. Artech House, Norwood (1999)MATH

17.

Viterbi, A.: Error bounds for convolutional codes and an asymptotically optimum decoding algorithm. IEEE Trans. Inf. Theory 13(2), 260–269 (1967)CrossRefMATH

18.

Wang, R.: Edge detection using convolutional neural network. In: Cheng, L., Liu, Q., Ronzhin, A. (eds.) ISNN 2016. LNCS, vol. 9719, pp. 12–20. Springer, Cham (2016). doi:10.1007/978-3-319-40663-3_2 CrossRef

Titel: Dim Line Tracking Using Deep Learning for Autonomous Line Following Robot
verfasst von: Grzegorz Matczak
Przemysław Mazurek
Verlag: Springer International Publishing
Buch: Artificial Intelligence Trends in Intelligent Systems
Print ISBN: 978-3-319-57260-4

Electronic ISBN: 978-3-319-57261-1

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-57261-1_41

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner