已經跟呼吸一樣重要的網路和手機論文書籍站
Intel RealSense Self的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學
中原大學 電機工程學系 廖裕評所指導 吳子健的 基於深度學習之視覺辨識之除蟲機器人 （2021），提出Intel RealSense Self關鍵因素是什麼，來自於人工智能、深度學習、麥克納姆輪、深度攝影機、PID控制、機器人。
而第二篇論文國立勤益科技大學 資訊工程系 黃世演所指導 劉紹暉的 基於影像特徵提供自駕車迷航時的位置資訊 （2021），提出因為有 微飽和色彩、影像匹配、ORB、卷積神經網路、自駕車定位的重點而找出了 Intel RealSense Self的解答。
基於深度學習之視覺辨識之除蟲機器人
為了解決Intel RealSense Self 的問題，作者吳子健 這樣論述：
根據統計，台灣農藥每單位用量，每公頃平均最高曾到十七公斤，居高世界第一位。而農藥用多了，食品內的農藥濃度便會提升，對土壤和人體都會產生嚴重影響。因此近年出現了許多的有機農場，有機農場的要求是不使用人工化學合成農藥丶人工合成肥料等等。但是有機種植的困難多，由其蟲害的問題更是讓農夫十分頭痛。解決蟲害最快的方式是直接用人進行觀察並除蟲。但是近年來台灣的高齡化丶少子化與新冠肺炎(Covid-19)的多重影響下，使勞動力大幅下降。 因此本文提出一種智能除蟲機器人，其結合了人工智能(Artificial intelligence, AI)丶深度攝影機丶自走車丶小型機器手臂與麥克納姆輪等裝置，應用於有機農
場中的自動除蟲機器人。除蟲機器人包括三個系統：視覺系統丶移動機構和驅蟲裝置。其中視覺系統能夠對害蟲辨識，也能夠取得距離。再把害蟲的位置傳給移動機構，機器人便會移動到害蟲的面前。最後使用驅蟲裝置，轉動機器手臂並啟動除蟲器，完成除蟲動作。
基於影像特徵提供自駕車迷航時的位置資訊
為了解決Intel RealSense Self 的問題，作者劉紹暉 這樣論述：
近年全球自駕車技術如雨後春筍般的冒出，現階段的技術大多都已進入了道路測試階段，像是自駕巴士、園區自駕接駁車等，因此自駕車的定位對於行車安全是一個相當重要的能力之一，而 AMCL（Adaptive Monte Carlo Localization）演算法是常用的定位方法，但此演算法若在初始位置發生定位錯誤，會引發交通安全的問題。因此本研究利用CNN（Convolutional Neural Network）模型來辨識自駕車前方的特殊景色，為AMCL 提供一個接近實際位置的參考座標，進而讓 AMCL 的初始粒子散佈在其座標周圍，故得以快速收斂在正確的位置上。本研究先提出路段景像定位法，雖然可以解
決此迷航問題，但是由於需事先經驗區分路段，導致人工成本太高。為了改善此問題，我們利用ORB（Oriented FAST and Rotated BRIEF）萃取路段上的特徵點，並利用形態學將群聚的特徵點結合為特徵物件，隨後利用二維向量來描述此特徵物件的形狀及主軸角，最後會根據此向量的匹配對是否超過預設比率來決定路段的長度，進而解決因人工所擇選的固定長度路段，導致人工成本過高之問題。特徵點的萃取對於影像匹配是一個重要的角色，若特徵點萃取過少，會造成匹配點對數量過少，導致匹配失敗或是匹配的準確度降低。為了解決此問題，本研究提出飽和點極性演算法加快找出飽和色彩，然後透過調整影像色彩的飽和度，來增加影
像色彩對比，進一步讓ORB 演算法在特徵點檢測時提升萃取到的特徵點數量。綜上，本論文提出路段景像、路段特徵物件及快速強化色彩飽和對比等技術，可增強影像特徵並解決自駕車的迷航問題，進而強化了行車安全。