توصیفگر الگوی باینری محلی مستقل از دوران به‌منظور تناظریابی برای هم ‌مرجع‌سازی تصاویر ماهواره‌ای

توصیف متمایز و کارآمد عوارض تصویری، یک فرآیند اساسی به منظور تناظریابی تصاویر در فتوگرامتری و سنجش‌از‌دور است. بیشتر توصیفگرهای موجود از یک پارامتر جهت، به‌منظور ایجاد توصیفگر مستقل از دوران استفاده می‌کنند. فرآیند تعیین جهت، فرآیندی توام با خطا بوده و از قابلیت توصیفگرها می‌کاهد. در این پژوهش یک توصیفگر جدید بر مبنای الگوی باینری محلی که به طور ذاتی مستقل از دوران است با نام توصیفگر الگوی باینری مستقل از دوران (rilbp) ارائه شده ‌است. به‌منظور ایجاد توصیفگر الگوی باینری مستقل از دوران، پیکسل‌های درون ناحیۀ تصویری براساس فاصله از مرکز و مقدار درجه خاکستری، به تعدادی زیر ناحیه تقسیم شده و سپس با استفاده از یک سیستم مختصات قطبی یک هسیتوگرام الگوی باینری محلی مستقل از دوران برای هر زیر ناحیه ایجاد می‌شود که با اتصال آنها به یکدیگر، توصیفگر نهایی ایجاد می‌شود. به‌منظور افزایش پایداری توصیفگر در برابر تغییرات هندسی، فرآیند وزن‌دهی با استفاده از دو پارارمتر وزن مبتنی بر فاصله و تابع گوسی انجام می‌شود. توصیفگر پیشنهادی بر روی شش جفت تصویر ماهواره‌ای از سنجنده‌های مختلف پیاده‌سازی شده و نتایج آن با چهار توصیفگر دیگر شامل الگوی باینری محلی مرکز متقارن (cslbp)، خودشباهتی محلی (lss)، تبدیل ویژگی مستقل از مقیاس (sift) و هیستوگرام گرادیان رتبه مبنای چند ناحیه‌ای (mrogh) مقایسه شده ‌است. بر اساس نتایج آزمایش‌ها عملکرد توصیفگر پیشنهادی برای سه معیار قابلیت تناظریابی، دقت تناظریابی و تعداد تناظرهای صحیح، بهتر از دیگر توصیفگرها بوده و به طور متوسط در مقایسه با توصیفگر استاندارد الگوی باینری محلی برای سه معیار فوق به ترتیب به میزان 25 درصد، 10 درصد و 30 درصد بهبود را نشان می‌دهد.

Comparison of Different Targets Used in Augmented Reality Applications in Ubiquitous GIS

Drilling requires accurate information about locations of underground infrastructures or it can cause serious damages. Augmented Reality (AR) as a technology in Ubiquitous GIS (UBIGIS) can be used to visualize underground infrastructures on smartphones. Since smartphone rsquo;s sensors do not provide such accuracy, another approaches should be applied. Vision based computer vision systems are well known approaches to collect data of camera poses. Some vision systems track objects by image processing of natural environments which is quite difficult in unknown environments. Most vision systems are designed to detect targets. This paper aims to compare different types of targets that can be used in AR applications in UBGIS. For this propose, first three types of targets are being overviewed, then targets are compared in terms of their square or circular shapes. Finally, two kinds of targets related to Agisoft and Australis modeling software are chosen and images are being taken in different sincidence angles related to center of images at the area of faculty of Geodesy and Geomatics Engineering Khaje Nasir Toosi University of Technology. Then automatic recognition results in both software tools were being compared and analyzed. Comparisons reveal that QRCode is not appropriate due to its square shape and its distance limitation to scan by reader, because in AR applications, targets should be placed in a large field of view. Also, squared targets are not very suitable because their recognition is not easy. Therefore, Fiducial Markers are not recommended. It is worth mentioning that circular targets are the best target for this application. Among circular targets, although detection of circular Coded Target is not easy especially in very low incidence angle, but unrelated objects are not recognized as Coded Target; while detection of simple circular Target will make lots of mistakes. Generally, choosing appropriate target depends on corresponding application and usage. Then sensorbased and visionbased approaches to visualize underground infrastructures are compared. The results demonstrate that visionbased approach improve the precision of pose estimation parameters 8.10260 m in position parameters and 10.36 degrees in orientation parameters. Therefore, targets can be used as a visionbased approach.