بهبود کارآیی روش مینیمم تابع اختلاف تصویر چرخشی با استفاده از الگوریتم CMA-ES در جهت یابی بهینه

جهت یابی یک توانایی حیاتی برای انسان و حیوان محسوب می گردد. برای بهبود مهارت های جهت یابی در ربات ها، می توان از روشی که حشرات در طبیعت با کمک آن جهت یابی می کنند، الهام گرفت. یک سوال اصلی در مورد حشراتی که به کمک توانایی بصری خود جهت یابی می کنند؛ این است که آن ها چه اطلاعاتی از تصاویر طبیعی را در پیدا کردن جهت حرکت استفاده می کنند؟ برای جهت یابی، می توان از روش مینیمم تابع اختلاف تصویر چرخشی (MrIDF) به کمک پردازش تصاویر پانوراما استفاده کرد [1]. در روش MrIDF حتی با شیفت کامل در صورتی-که فاصله مکان تصویر نمای فعلی تا تصویر مرجع زیاد شود، نمی توان مسیر برگشت را به دلیل زیاد شدن اختلاف دو تصویر، به درستی شناسایی کرد. در این مقاله، ما راه کاری ارایه می دهیم که در نقاط دور از مکان مرجع نیز، می توان مسیر و زاویه برگشت را شناسایی کرد. همچنین با استفاده از الگوریتم بهینه سازی استراتژی تکاملی انطباق ماتریس کوواریانس (CMA-ES)، کارآیی روش MrIDF را بهبود می بخشیم و در ادامه کارآیی آن را در قالب یک مثال ناوبری نشان می دهیم. نتایج نشان می دهند که یافتن جهت حرکت از طریق الگوریتم پیشنهادی، با دقت کافی و در زمان بسیار کمتری انجام می شود.