इनडोर यूजर लोकलाइजेशन उपयोग विजुअल प्लेस रिकग्निशन

विजुअल प्लेस रिकग्निशन कंप्यूटर विजन विकास और रोबोटिक्स का एक महत्वपूर्ण हिस्सा है। वीपीआर एल्गोरिदम का काम छवियों के आधार पर जांच की गई स्थानों की पहचान करना है। यह तकनीक स्वायत्त रोबोट और मानव श्रमिकों दोनों का समर्थन कर सकती है, परिवेश की पहचान कर सकती है और वांछित क्रियाओं के निष्पादन को सुविधाजनक बना सकती है।

न्यूरोसिस में शोधकर्ता विकसित किए गए एआर प्लेटफ़ॉर्म, एनएसफ्लो में कंप्यूटर विजन एल्गोरिदम का उपयोग करते हैं, जो इंटरैक्टिव कार्य निर्देशों और हाथों-हाथ प्रशिक्षण को सक्षम बनाता है, जिससे उपयोगकर्ता की स्थिति की पहचान करना संभव हो जाता है जबकि साइट पर प्रशिक्षण प्राप्त किया जा रहा है। इस मामले में, वीपीआर का उपयोग करने से प्रशिक्षण और पर्यवेक्षण की आवश्यकता को कम करके ऑनबोर्डिंग और शिक्षा प्रक्रियाओं में महत्वपूर्ण त्वरण होता है।

किसी व्यक्ति को स्थिति या वांछित स्थान को जीपीएस का उपयोग करके खोजना पुरानी खबर है। लेकिन जब उपग्रह-आधारित नेविगेशन प्रणाली काम नहीं कर रही हो तो क्या करें? इनडोर पोज़िशनिंग सिस्टम (आईपीएस) बचाव के लिए आ रहे हैं।

एक हे स्टैक में से एक सुई खोजने के लिए, आप विभिन्न तकनीकों का उपयोग कर सकते हैं, जिनमें बीकन, चुंबकीय स्थिति, जड़त्व मापन इकाइयाँ (आईएमयू) शामिल हैं जो त्वरणमापी और जायरोस्कोप के साथ हैं, जो अंतिम ज्ञात बिंदु से गति को मापते हैं, वाई-फाई आधारित स्थिति निर्धारण, या बस – विजुअल मार्कर का उपयोग करें।

उपरोक्त सभी तरीकों में खामियां हैं (जैसे कि मार्कर या बीकन स्थापित करने की आवश्यकता, आईएमयू समय के साथ मापने की त्रुटि को बढ़ाता है और पुनः स्थिति निर्धारण की आवश्यकता होती है), जो उनके लाभों को पार करते हैं। सामान्य उपयोगकर्ता के आसपास के क्षेत्र की समस्या का समाधान – कुछ मीटर की सटीकता के साथ – एल्गोरिदम के दायरे में निकलता है।

स्थानों की पहचान करने की प्रक्रिया दो-चरणीय प्रक्रिया पर आधारित है, जो दो डेटाबेस बनाती है। शुरू में, लक्ष्य स्थान की तस्वीर ली जाती है और कुछ आइटम, कीपॉइंट, एक फीचर डिटेक्टर द्वारा चिह्नित किए जाते हैं जो क्षेत्र के विशिष्ट तत्वों की पहचान करने के लिए होते हैं। इसके बाद, लेबल वाले बिंदुओं की तुलना एक संदर्भ छवि से की जाती है। एक बार जब फीचर मैचर द्वारा मूल्यांकित कीपॉइंट पर्याप्त रूप से समान माने जाते हैं, तो तस्वीर उसी स्थान को दिखाने के लिए योग्य होती है।

छवि डेटाबेस लक्ष्य स्थानों की तस्वीरों को जोड़ता है, इस मामले में कार्यस्थल, और उनके गुणों के एक सेट के साथ, जिसमें अद्वितीय पहचानकर्ता, स्थानीय और वैश्विक विवरण शामिल हैं। दूसरा सेट, कमरा डेटाबेस, विशिष्ट क्षेत्रों में विचाराधीन स्थान में एकल कीपॉइंट से मेल खाता है।

विजुअल प्लेस रिकग्निशन क्षेत्र से सुपरपॉइंट, सुपरग्लू और नेटवीएलएडी न्यूरल नेटवर्क का उपयोग करते हुए, शोधकर्ताओं ने उपरोक्त प्रक्रिया का उपयोग उपयोगकर्ता स्थानांतरण में किया। गहरे न्यूरल नेटवर्क, सुपरपॉइंट और सुपरग्लू, फीचर डिटेक्शन और मिलान में सहयोग करते हैं, डेटाबेस से जानकारी निकालते हैं।

वैश्विक विवरण मंच पर प्रवेश करते हैं

प्रक्रिया के लिए वैश्विक विवरण की आवश्यकता होती है, जो स्थान को अलग करने वाले वेक्टर के रूप में कार्य करते हैं, जो क्षेत्रों की पहचान करते हैं जो किसी भी अस्पष्टता को प्रस्तुत नहीं करते हैं। अपनी भूमिका निभाने के लिए, वेक्टर को प्रकाश व्यवस्था और दृष्टिकोण-एजेनोस्टिक होना चाहिए – किसी भी दृष्टिकोण और प्रकाश स्थितियों के बावजूद, वैश्विक विवरण को विभिन्न तस्वीरों में स्थानों की पहचान करने में कोई संदेह नहीं होना चाहिए।

इसके अलावा, क्षेत्र में मौजूद परिवर्तनशील वस्तुओं को वैश्विक विवरण द्वारा स्थानों की विशेषताओं के रूप में बाध्य नहीं किया जाना चाहिए। फर्नीचर और उपकरण जैसी वस्तुएं परिवर्तनों (पुनर्व्यवस्था, विस्थापन) के लिए अतिसंवेदनशील होती हैं, जिसका अर्थ है कि वे अपनी उपस्थिति के माध्यम से क्षेत्रों को परिभाषित नहीं कर सकते हैं।

कंप्यूटर-विजन-संचालित स्थान पहचान जांच की गई स्थानों के स्थायी तत्वों पर निर्भर करती है, जैसे दरवाजे, खिड़कियां, सीढ़ियां और अन्य विशिष्ट आइटम जो लंबे समय तक रहते हैं। शोध के दौरान, नेटवीएलएडी गहरे न्यूरल नेटवर्क का उपयोग गणना के लिए किया गया था, जो निर्धारित आवश्यकताओं को पूरा करने वाले वेक्टर प्रस्तुत करता है। वैश्विक विवरण मिलान की प्रक्रिया में, सबसे समान वेक्टर वाली छवियों को संसाधित किया जाता है, जिसके बाद प्रत्येक विशिष्ट एंकर बिंदु के बीच दूरी की गणना की जाती है।

दो डेटाबेस – कमरा डेटाबेस और दूसरा, जिसमें कीपॉइंट और वैश्विक विवरण होते हैं – के साथ काम करते हुए, प्रणाली छवियों के गुणों से निपटती है। समानता और सबसे कम दूरी के अनुमान के बाद, दूसरा न्यूरल नेटवर्क, सुपरग्लू, स्थान छवियों की पहचान करता है। वीपीआर का उपयोग करने वाली प्रणाली मिलान किए गए कीपॉइंट की संख्या पर आधारित उपयोगकर्ता स्थानांतरण की अनुमति देती है।

एल्गोरिदम को एआई और एआर प्लेटफ़ॉर्म में आवेदन मिला, जो उपयोगकर्ताओं को स्मार्ट ग्लासेस के साथ प्रशिक्षण करने में मदद करता है। वीपीआर प्रशिक्षुओं को कार्यस्थल में स्थानांतरित करने की अनुमति देता है, विशिष्ट स्थानों के लिए निर्देश और मार्गदर्शिकाएं शुरू करता है, सुरक्षा में सुधार करता है और सीधे पर्यवेक्षण की आवश्यकता को कम करता है।

परियोजना को यूरोपीय संघ के निधियों से वित्तपोषित किया गया है, जो स्मार्ट ग्रोथ ऑपरेशनल प्रोग्राम के हिस्से के रूप में यूरोपीय क्षेत्रीय विकास निधि से सह-वित्तपोषित है। परियोजना को राष्ट्रीय अनुसंधान और विकास केंद्र: फास्ट ट्रैक के हिस्से के रूप में लागू किया गया है।