دانشگاه تربیت دبیر شهید رجائی

  اخبار و اعلانات

 آمار

تعداد نشریات13
تعداد شماره‌ها200
تعداد مقالات2,008
تعداد مشاهده مقاله2,680,169
تعداد دریافت فایل اصل مقاله1,937,363
اعزازی, مجید, شیرازیان, مسعود, حسینعلی, فرهاد, حاج محمود عطار, فرزاد. (1402). ارزیابی دقت در ناوبری مبتنی بر عکس. فناوری آموزش, 1(2), 227-238. doi: 10.22061/jrsgr.2023.2019
مجید اعزازی; مسعود شیرازیان; فرهاد حسینعلی; فرزاد حاج محمود عطار. "ارزیابی دقت در ناوبری مبتنی بر عکس". فناوری آموزش, 1, 2, 1402, 227-238. doi: 10.22061/jrsgr.2023.2019
اعزازی, مجید, شیرازیان, مسعود, حسینعلی, فرهاد, حاج محمود عطار, فرزاد. (1402). 'ارزیابی دقت در ناوبری مبتنی بر عکس', فناوری آموزش, 1(2), pp. 227-238. doi: 10.22061/jrsgr.2023.2019
اعزازی, مجید, شیرازیان, مسعود, حسینعلی, فرهاد, حاج محمود عطار, فرزاد. ارزیابی دقت در ناوبری مبتنی بر عکس. فناوری آموزش, 1402; 1(2): 227-238. doi: 10.22061/jrsgr.2023.2019

ارزیابی دقت در ناوبری مبتنی بر عکس

پژوهش های سنجش از دور و اطلاعات مکانی
دوره 1، شماره 2، تیر 1402، صفحه 227-238    اصل مقاله (1.73 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/jrsgr.2023.2019
نویسندگان
مجید اعزازی؛ مسعود شیرازیان* ؛ فرهاد حسینعلی؛ فرزاد حاج محمود عطار
گروه مهندسی نقشه‌برداری، دانشکده‎ مهندسی عمران، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
تاریخ دریافت: 04 خرداد 1402،  تاریخ بازنگری: 14 شهریور 1402،  تاریخ پذیرش: 02 آبان 1402 
چکیده
پیشینه و اهداف: عمل ناوبری که به عنوان یکی از سودمندترین و مؤثرترین ابزارها برای رسیدن به مقصد مطلوب شناخته می‌شود، نقش بیشک و حیاتی در جامعه معاصر ایفا می‌کند. به‌منظور پاسخگویی به نیازهای کاربرانی که به دنبال مسیری به مقصد مورد نظر خود هستند، سامانه های ناوبری به شدت به تعیین مکان تلفن همراه و مقصد مورد نظر بر روی نقشه متکی هستند. در حال حاضر، اکثریت قابل توجهی از خدمات مبتنی بر مکان به شدت به سامانه‌های ناوبری متکی هستند که از سامانه ماهواره ناوبری جهانی (GNSS) برای تعیین مکان تلفن همراه استفاده می‌کنند. با این حال، بسیار مهم است که اذعان کنیم که این روش خاص به دلیل محدودیت‌های فراوان در محیط‌های داخلی قابل اجرا نیست. بهمنظور غلبه بر محدودیت‌های فوق‌الذکر، فناوری‌های زیادی برای موقعیت‌یابی داخلی توسعه یافته اند، که شامل Wi-Fi، بلوتوث، سامانه ناوبری اینرسی(INS)، اولتراسونیک و امواج صوتی است، اما محدود به آن‌ها نیست. بسته به کیفیت موقعیت، دامنه برنامه‌های درگیر در خدمات مبتنی بر مکان می‌تواند بسیار متفاوت باشد. این محدوده، شامل سامانه‌های ناوبری رایج است که نیاز به دقت تا ده‌ها متر دارند، و همچنین سامانه‌های دقیق مکان‌یابی خودکار شیء که نیاز به دقت در سطح سانتی‌متر دارند. در زمینه این مطالعه خاص، یک رویکرد انقلابی که از روش‌های مبتنی بر تصویر استفاده می‌کند برای مقابله با مشکل موقعیت‌یابی موبایل داخلی استفاده شده است.
روش‌ها‌: اجرای روش ناوبری مبتنی بر تصویر، چالش‌های بی‌شماری را به‌وجود می‌آورد که نیاز به بررسی و کاهش کامل به منظور اطمینان از حداکثر دقت، کارایی و مقرون به صرفه بودن دارد. تحقیقات گسترده و جامع برای رسیدگی به این چالش‌ها انجام شده است و هدف اصلی این مطالعه، کمک به پایگاه دانش موجود با بررسی نیازهای دقت تکنیک ناوبری مبتنی بر تصویر است. برای رسیدن به این هدف، یک مدل سه بعدی پیچیده و مفصل از ساختمان مورد نظر بادقت ایجاد شد و موقعیت نقطه کانونی تصویر به عنوان مکان تلفن همراه با استفاده از تکنیک‌های پیشرفته عکاسی و تطبیق تصویر تعیین شد. ضروری است که برجسته و تأکید کنیم که این تکنیک خاص از حضور گسترده تلفن‌های همراه فعلی که مجهز به دوربین‌های با کیفیت بالا هستند، استفاده می‌کند و در نتیجه، آن را به یک راه حل فوق‌العاده ارزان، سریع، کارآمد و دقیق برای ناوبری داخلی تبدیل می‌کند.
یافته‌ها: نتیجه اولیه این مطالعه، حول ارزیابی جامع دقت موقعیت‌یابی حاصل از استفاده از روش ناوبری مبتنی بر تصویر پیشنهادی است. نتایج حاصل از این پژوهش، پیامدهای عمیق و اساسی برای طراحی و توسعه یک سامانه ناوبری بهینه مبتنی بر تصویر دارد. تجزیه و تحلیل عددی عمیق، دقت پلانمتری متوسط فوق‌العاده 2.5 سانتی‌متر را نشان می‌دهد، بنابراین، اثربخشی شدید روش پیشنهادی در دستیابی به دقت بی‌نظیر در حوزه ناوبری داخلی را تأکید می‌کند.
نتیجه‌گیری: با توجه به یافتههای حاصل از این مطالعه دقیق ، می‌توان به‌طور قاطع و صریح نتیجه گرفت که روش ناوبری مبتنی بر تصویر پیشنهادی در واقع، دارای سطح دقت لازم برای تحقق کلیه الزامات ناوبری داخلی است. علاوه بر این، شیوع گسترده و پذیرش تلفن‌های هوشمند در میان جمعیت عمومی، استفاده از این روش نوآورانه و پیشگامانه را نه تنها بسیار امکان‌پذیر، بلکه به طور فزاینده‌ای عملی می‌کند. نتایج و پیامدهای این مطالعه، به طور قاطع و صریح از کاربرد روش ناوبری مبتنی بر تصویر در بسیاری از برنامه‌های ناوبری داخلی و همچنین برخی از برنامه‌های فضای باز با فاصله نزدیک پشتیبانی می‌کند. بنابراین، کاملاً واضح و آشکار است که این تلاش، تحقیقاتی با موفقیت، راه را برای اجرای یکپارچه و کارآمد یک راه‌حل ناوبری قابل اعتماد و قوی در محیط‌های داخلی و خارجی، هموار کرده است.
کلیدواژه‌ها
انطباق تصویر؛ تعیین موقعیت در داخل محیط؛ سامانه ماهواره ناوبری جهانی؛ ناوبری
عنوان مقاله [English]
Evaluation of Accuracy in Image-Based Navigation
نویسندگان [English]
M. Ezazi؛ M. Shirazian؛ F. Hosseinali؛ F. Haj Mahmoud Attar
Department of Surveying Engineering, Faculty of Civil Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
چکیده [English]
Background and Objectives: The field of navigation, which is widely recognized as one of the most efficient and effective means of reaching a desired destination, holds immense significance in today's society. In order to cater to the needs of users by providing them with accurate routes to their intended destinations, navigation systems rely on the determination of the mobile location and the destination on the map. At present, the majority of location-based services heavily rely on navigation systems that utilize the Global Navigation Satellite System (GNSS) for determining the mobile location. However, it is crucial to acknowledge that this method is not applicable in indoor environments due to a multitude of limitations. Consequently, in order to overcome these limitations, a plethora of technologies have been developed for indoor positioning, such as Wi-Fi, Bluetooth, Inertial Navigation System (INS), ultrasonics, and acoustic waves. The range of applications involved in location-based services varies depending on the position quality (uncertainty), ranging from prevalent navigation that requires accuracy in the tens of meters to precise automatic object location that necessitates centimeter-level accuracy. The focus of this specific study is centered upon the utilization of image-based methods as a novel approach to address the problem of indoor mobile positioning.
Methods: The implementation of the image-based navigation method presents a series of challenges that must be comprehensively addressed in order to ensure its accuracy, efficiency, and cost-effectiveness. Extensive research has been conducted to tackle these challenges, and the aim of this study is to contribute to the existing knowledge base by delving into the accuracy requirements of the image-based navigation technique. To achieve this, a meticulous 3D model of the building was meticulously created, and the position of the image focal point was determined as the mobile location through the utilization of photography and image matching techniques. It is important to highlight the fact that this particular technique capitalizes on the widespread availability of current mobile phones, which are equipped with cameras, thereby rendering it an incredibly inexpensive, rapid, efficient, and accurate solution for indoor navigation.
Findings: The primary outcome of this study revolves around the assessment of positioning accuracy using the proposed image-based navigation method. The results obtained from this research possess significant implications for the design and development of an optimal image-based navigation system. The numerical analysis showcases an impressive average planimetric accuracy of 2.5 centimeters, thereby underscoring the efficacy of the proposed method in achieving precise indoor navigation.
Conclusion: In light of the findings derived from this study, it can be conclusively affirmed that the proposed image-based navigation method possesses a level of accuracy that fulfills all indoor navigation requirements. Furthermore, the widespread adoption of smartphones among the general population ensures that the utilization of this method is highly feasible. The outcomes of this study strongly bolster the applicability of the image-based navigation method for a myriad of indoor navigation applications, as well as certain close-range outdoor applications. Thus, it is evident that this research has paved the way for the implementation of a reliable and efficient navigation solution in both indoor and outdoor environments.
کلیدواژه‌ها [English]
GNSS, Image Matching, Indoor Positioning, Navigation
مراجع
[1] Zafari, F., A. Gkelias, and K.K. Leung, A Survey of Indoor Localization Systems and Technologies. IEEE Communications Surveys & Tutorials, 2019. 21(3): p. 2568-2599.

Doi: 10.1109/COMST.2019.2911558

[2] Kawaji, H., et al., Image-based indoor positioning system: Fast image matching using omnidirectional panoramic images. 2010. 

https://doi.org/10.1145/1878039.1878041

[3] Chen SE. Quicktime VR: An image-based approach to virtual environment navigation. In: Proceedings of the 22nd annual conference on Computer graphics and interactive techniques; September 1995; pp. 29-38.

https://dl.acm.org/doi/pdf/10.1145/218380.218395

[4] Werner, M., M. Kessel, and C. Marouane. Indoor positioning using smartphone camera. in 2011 International Conference on Indoor Positioning and Indoor Navigation. 2011

https://10.1109/IPIN.2011.6071954

[5] Uribeetxebarria A, Castellón A, Aizpurua A. A First Approach to Determine if It Is Possible to Delineate In-Season N Fertilization Maps for Wheat Using NDVI Derived from Sentinel-2. Remote Sens (Basel) 2022;14(12):2872. https://doi.org/10.3390/RS14122872.

[6] Ishihara Y, Takahashi M. Image-based robot navigation with task achievability. Front Robot AI. 2023;10.

https://www.frontiersin.org/articles/10.3389/frobt.2023.944375/full

[7] Liang, J.Z., et al. Image Based Localization in Indoor Environments. in 2013 Fourth International Conference on Computing for Geospatial Research and Application. 2013. 

https://10.1109/COMGEO.2013.11

[8] Thomas DR. Interpreting discriminant functions: A data analytic approach. Multivariate Behavioral Research. 1992 Jul 1;27(3):335-62. https://10.1207/s15327906mbr2703_3

[9] Chaurasia, Gaurav and Duchene, Sacha and Sorkine-Hornung, Olga and Drettakis, George. Depth Synthesis and Local Warps for Plausible Image-Based Navigation. ACM Transactions on Graphics (TOG). 32.3.1—12. 2013 

https://doi.org/10.1145/2487228.2487238

[10] Bradley D, Brunton A, Fiala M, Roth G. Image-Based Navigation in Real Environments Using Panoramas. In: IEEE International Workshop on Haptic Audio-Visual Environments and their Applications; October 2005.

https://10.1109/HAVE.2005.1545652

[11] Thoma J, Paudel DP, Chhatkuli A, Probst T, Gool LV. Mapping, localization and path planning for image-based navigation using visual features and map. In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. p. 7383-7391.

https://openaccess.thecvf.com/content_CVPR_2019/html/Thoma_Mapping_Localization_and_Path_Planning_for_Image-Based_Navigation_Using_Visual_CVPR_2019_paper.html

[12] Remazeilles A, Chaumette F. Image-based robot navigation from an image memory. Robotics and Autonomous Systems. 2007;55(4):345-356.

https://10.1016/j.robot.2006.10.002

[13] Robertson DP, Cipolla R. An Image-Based System for Urban Navigation. In: Bmvc (Vol. 19, No. 51); September 2004; p. 165.

https://mi.eng.cam.ac.uk/reports/svr-ftp/cipolla_bmvc04.pdf

[14] Yandell BS, Anselin L. Spatial Econometrics: Methods and Models. J Am Stat Assoc. 1990;85(411):905. https://books.google.com/books?hl=en&lr=&id=3dPIXClv4YYC&oi=fnd&pg=PA3&dq=Anselin+L.+Spatial+Econometrics:+Methods+and+Models+1988%3B4.+https://doi.org/10.1007/978-94-015-7799-1.&ots=gXGBA30pGW&sig=oK9za87VOtU_BvH4woLNHfWR194#v=onepage&q&f=false

[15] Courbon J, Mezouar Y, Guénard N, Martinet P. Vision-based navigation of unmanned aerial vehicles. Control Engineering Practice. 2010;18(7):789-799.

https://10.1016/j.conengprac.2010.03.004

[16] Menegatti E, Maeda T, Ishiguro H. Image-based memory for robot navigation using properties of omnidirectional images. Robotics and Autonomous Systems. 2004;47(4):251-267. https://10.1016/j.robot.2004.03.014

[17] Lu YH, Delp III EJ. An overview of problems in image-based location awareness and navigation. Visual Communications and Image Processing 2004. 2004;5308:102-109. 

https://10.1117/12.538246

[18] Dong J, Xiao Y, Noreikis M, Ou Z, Ylä-Jääski A. iMoon: Using smartphones for image-based indoor navigation. 

https://doi.org/10.1145/2809695.2809722

[19] Larson CD. An integrity framework for image-based navigation systems. 2010. https://scholar.afit.edu/etd/1967

[20] Wang E, Yan W. iNavigation: An image-based indoor navigation system. Multimedia Tools and Applications. 2014;73:1597-1615.

https://link.springer.com/article/10.1007/s11042-013-1656-9

[21] Yagi Y, Nishizawa Y, Yachida M. Map-based navigation for a mobile robot with omnidirectional image sensor COPIS. IEEE Transactions on Robotics and Automation. 1995;11(5):634-648. https://doi.org/10.1109/70.466602

[22] Sala, P., Sim, R., Shokoufandeh, A., & Dickinson, S. (2006). Landmark selection for vision-based navigation. IEEE Transactions on robotics, 22(2), 334-349.

https://doi.org/10.1109/TRO.2005.861480

[23] Roumeliotis, S. I., Johnson, A. E., & Montgomery, J. F. (2002, May). Augmenting inertial navigation with image-based motion estimation. In Proceedings 2002 IEEE International Conference on Robotics and Automation (Cat. No. 02Ch37292) (Vol. 4, pp. 4326-4333). IEEE.

https://doi.org/10.1109/ROBOT.2002.1014441

[24] Yu SE, Kim D. Image-based homing navigation with landmark arrangement matching. Information Sciences. 2011;181(16):3427-3442. https://doi.org/10.1016/j.ins.2011.04.015

[25] Badrloo S, Varshosaz M, Pirasteh S, Li J. Image-based obstacle detection methods for the safe navigation of unmanned vehicles: A review. Remote Sensing. 2022;14(15):3824. https://doi.org/10.3390/rs14153824

[26] Čížek P, Faigl J, Masri D. Low-latency image processing for vision-based navigation systems. In: 2016 IEEE International Conference on Robotics and Automation (ICRA); May 2016; pp. 781-786. https://doi.org/10.1109/ICRA.2016.7487207

[27] Sridhar B, Phatak AV. Analysis of image-based navigation system for rotorcraft low-altitude flight. IEEE Transactions on   Systems, Man, and Cybernetics. 1992;22(2):290-299.

https://doi.org/10.1109/21.148431

[28] Hager GD, Kriegman D, Teh E, Rasmussen C. Image-based prediction of landmark features for mobile robot navigation. In: Proceedings of International Conference on Robotics and Automation; April 1997; Vol. 2; pp. 1040-1046. IEEE.

https://doi.org/10.1109/ROBOT.1997.614272

[29] Othman Z, Yaakub AR, Zulkifli AN. Virtual environment navigation using an image-based approach. In: Student Conference on Research and Development; July 2002; pp. 364-367. IEEE. https://doi.org/10.1109/SCORED.2002.1033133

[30] Basri R, Rivlin E, Shimshoni I. Image-based robot navigation under the perspective model. In: Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No. 99CH36288C); May 1999; Vol. 4; pp. 2578-2583.

https://doi.org/10.1109/ROBOT.1999.773985

[31] Fu Z, Jiang J, Gao Y, Krienke B, Wang M, Zhong K, Cao Q, Tian Y, Zhu Y, Cao W, Liu X. Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle. Remote Sensing. 2020 Feb 5;12(3):508.

https://doi.org/10.3390/rs12030508

آمار
تعداد مشاهده مقاله: 104
تعداد دریافت فایل اصل مقاله: 93


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب