การแปลเป็นภาษาท้องถิ่นของผู้ใช้ในอาคารโดยใช้การจดจำสถานที่ด้วยภาพ

การจดจำสถานที่ด้วยภาพเป็นหนึ่งในหลักสำคัญของ การพัฒนาวิสัยทัศน์คอมพิวเตอร์ และวิทยาการหุ่นยนต์ งานของอัลกอริทึม VPR คือการระบุตำแหน่งที่ตรวจสอบตามภาพ เทคโนโลยีนี้สามารถรองรับหุ่นยนต์อัตโนมัติและแรงงานมนุษย์ได้เหมือนกัน ระบุสภาพแวดล้อมและอำนวยความสะดวกในการดำเนินการตามที่ต้องการ

นักวิจัย ที่ NeuroSYS ใช้ประโยชน์จากอัลกอริธึมการมองเห็นด้วยคอมพิวเตอร์เป็นส่วนหนึ่งของแพลตฟอร์ม AR ที่พัฒนาขึ้น เอ็นโฟลว์เปิดใช้งานคำแนะนำการทำงานแบบโต้ตอบและการฝึกอบรมภาคปฏิบัติเพื่อระบุตำแหน่งผู้ใช้ขณะดำเนินการฝึกอบรมนอกสถานที่ ในกรณีนี้ การใช้ VPR นำไปสู่การเร่งกระบวนการเริ่มต้นใช้งานและการเรียนรู้อย่างมีนัยสำคัญ เนื่องจากความจำเป็นในการฝึกอบรมและการกำกับดูแลล่วงหน้าลดลง

การค้นหาบุคคลหรือค้นหาสถานที่ที่ต้องการโดยใช้ GPS นั้นเป็นข่าวเก่าไปแล้ว แต่จะทำอย่างไรเมื่อระบบนำทางด้วยดาวเทียมใช้งานไม่ได้? ระบบกำหนดตำแหน่งในอาคาร (IPS) กำลังเข้ามาช่วยเหลือ 

เมื่อมองหาเข็มในกองฟาง คุณสามารถใช้เทคนิคต่างๆ ได้ เช่น บีคอน การจัดตำแหน่งแม่เหล็ก หน่วยวัดแรงเฉื่อย (IMU) ด้วยมาตรความเร่งและไจโรสโคป การวัดการเคลื่อนไหวจากจุดที่ทราบล่าสุด การวางตำแหน่งตาม Wi-Fi หรือ เพียงแค่ – ใช้เครื่องหมายภาพ 

วิธีการทั้งหมดข้างต้นมีข้อบกพร่อง (เช่น จำเป็นต้องติดตั้งเครื่องหมายหรือบีคอน IMU เพิ่มข้อผิดพลาดในการวัดเมื่อเวลาผ่านไปและต้องเปลี่ยนตำแหน่ง) ซึ่งมีประโยชน์มากกว่า โซลูชันที่ตอบโจทย์สำคัญ – ผู้ใช้ทั่วไปที่มีความแม่นยำถึงระยะไม่กี่เมตรที่ใกล้ที่สุด – กลายเป็นว่าอยู่ในขอบเขตของอัลกอริทึม 

เค้ก กระบวนการรับรู้สถานที่ อาศัยขั้นตอนสองขั้นตอนคือสร้างสองฐานข้อมูล ในขั้นต้น สถานที่เป้าหมายจะถูกถ่ายภาพและจุดสำคัญบางอย่างจะถูกทำเครื่องหมายด้วยตัวตรวจจับคุณลักษณะเพื่อระบุองค์ประกอบที่เป็นลักษณะเฉพาะของพื้นที่ หลังจากนั้น จุดที่มีป้ายกำกับจะถูกเปรียบเทียบกับภาพอ้างอิง เมื่อจุดสำคัญที่ได้รับการประเมินมีความคล้ายคลึงกันมากพอโดยตัวจับคู่คุณลักษณะ รูปภาพจะถือว่าแสดงสถานที่เดียวกัน 

เค้ก ฐานข้อมูลภาพ รวมรูปภาพของสถานที่เป้าหมาย ในกรณีนี้ พื้นที่ทำงาน และชุดของคุณสมบัติรวมถึงตัวระบุเฉพาะ ตามด้วยตัวอธิบายแบบโลคัลและโกลบอล ส่วนอีกชุดคือ ฐานข้อมูลห้องจับคู่จุดสำคัญเอกพจน์กับบางพื้นที่ในพื้นที่ที่พิจารณา 

การใช้โครงข่ายประสาทเทียม SuperPoint, SuperGlue และ netVLAD จากฟิลด์การจดจำสถานที่ด้วยภาพ นักวิจัยใช้กระบวนการข้างต้นในการแปลผู้ใช้ เครือข่ายนิวรัลเชิงลึก SuperPoint และ SuperGlue ร่วมมือกันในการตรวจจับและจับคู่คุณสมบัติ โดยดึงข้อมูลจากฐานข้อมูล 

คำอธิบายส่วนกลางเข้าสู่เวที

กระบวนการนี้ต้องการตัวอธิบายส่วนกลาง ซึ่งทำหน้าที่เป็นตัวแสดงความแตกต่างของสถานที่ ระบุพื้นที่ในลักษณะที่ไม่มีความกำกวม เพื่อบรรลุบทบาทของพวกเขา เวกเตอร์ควรเป็นแบบให้แสงสว่าง & มุมมองแบบไม่เชื่อเรื่องพระเจ้า – ไม่ว่ามุมมองและสภาพแสงจะเป็นอย่างไร ตัวอธิบายโดยรวมไม่ควรสงสัยเมื่อแยกแยะสถานที่ในภาพต่างๆ 

นอกจากนี้ ออบเจกต์ตัวแปรที่อยู่ในพื้นที่ที่สนใจไม่ควรถูกผูกมัดโดยตัวอธิบายส่วนกลางเป็นคุณลักษณะที่แสดงความแตกต่างของสถานที่ สิ่งของต่างๆ เช่น เฟอร์นิเจอร์และอุปกรณ์ต่างๆ มักจะมีการเปลี่ยนแปลง (การตกแต่งใหม่ การรื้อ) ซึ่งหมายความว่าสิ่งของเหล่านี้ไม่สามารถกำหนดพื้นที่ผ่านสิ่งของที่มีอยู่ได้ 

ขับเคลื่อนด้วยการมองเห็นด้วยคอมพิวเตอร์ การรับรู้สถานที่ อาศัยองค์ประกอบถาวรของสถานที่ตรวจสอบ เช่น ประตู หน้าต่าง บันได และสิ่งของที่มีลักษณะเฉพาะอื่นๆ ที่มีลักษณะคงทนถาวร ในระหว่างการวิจัยที่เป็นปัญหา NetVLAD โครงข่ายประสาทเทียมเชิงลึกถูกนำมาใช้สำหรับการคำนวณ การนำเสนอ ผลลัพธ์คือเวกเตอร์ที่ตรงตามข้อกำหนดที่ตั้งไว้ ในกระบวนการจับคู่ตัวอธิบายทั่วโลก ภาพของเวกเตอร์ที่คล้ายกันมากที่สุดจะถูกประมวลผล ตามการคำนวณระยะห่างระหว่างจุดยึดลักษณะเฉพาะแต่ละจุด 

เมื่อประมวลผลฐานข้อมูลสองฐานข้อมูล – ฐานข้อมูลห้องและอีกฐานข้อมูลหนึ่งซึ่งมีประเด็นสำคัญและตัวอธิบายส่วนกลาง – ระบบจะจัดการกับแอตทริบิวต์ของรูปภาพ หลังจากทำการประเมินความคล้ายคลึงกันและระยะทางที่สั้นที่สุดแล้ว SuperGlue เครือข่ายประสาทที่สองจะระบุรูปภาพตำแหน่ง ระบบที่ใช้ VPR อนุญาตให้ผู้ใช้แปลโดยอิงจากจำนวนจุดสำคัญที่ตรงกัน 

อัลกอริทึมพบแอปพลิเคชันใน แพลตฟอร์ม AI & ARช่วยผู้ใช้ในการฝึกอบรมพร้อมกับแว่นตาอัจฉริยะ VPR ช่วยให้ผู้เข้ารับการฝึกอบรมสามารถปรับให้เข้ากับท้องถิ่นในสถานที่ทำงาน เปิดตัวบทช่วยสอนและคำแนะนำที่เหมาะสมซึ่งกำหนดให้กับสถานที่เฉพาะ ปรับปรุงความปลอดภัย และลดความจำเป็นในการกำกับดูแลโดยตรง 

โครงการร่วมทุนจากกองทุนสหภาพยุโรปภายใต้กองทุนเพื่อการพัฒนาภูมิภาคยุโรปซึ่งเป็นส่วนหนึ่งของโครงการปฏิบัติการการเติบโตอย่างชาญฉลาด โครงการดำเนินการเป็นส่วนหนึ่งของศูนย์วิจัยและพัฒนาแห่งชาติ: Fast Track