Here I provide a description of the

Here I provide a description of the cooperative object detection and recognition approach built on top of the previously-described cloud robotics platform. I assume for the time being that each robot participating in the distributed system has a single Kinect and a Wifi connection to the Internet. I use the point cloud library (PCL) (Rusu & Cousins, 2011) point cloud data structure to represent the structure and appearance of known objects. The computational task of object recognition is likewise based on PCL functions.
Themethodisdividedintotwophases: trainingandidentifyingspecificobjects. Figure3.3showsan interaction diagram for the learning approach. To train his or her robot, a user can create and upload

ผลลัพธ์ (ไทย) 1:

นี่ฉันให้คำอธิบายของวัตถุสหกรณ์ตรวจสอบและวิธีการที่สร้างขึ้นบนแพลตฟอร์มวิทยาเมฆที่อธิบายไว้ก่อนหน้านี้ ฉันสมมติครั้งสิ่งที่แต่ละหุ่นยนต์ที่เข้าร่วมในระบบแบบกระจายมี Kinect เดียวและ Wifi เชื่อมต่อกับอินเทอร์เน็ต ใช้ไลบรารีเมฆจุด (มหาชน) (Rusu และลูกพี่ลูกน้อง 2011) ชี้โครงสร้างข้อมูลเมฆแสดงโครงสร้างและลักษณะที่ปรากฏของวัตถุที่รู้จัก งานคำนวณการรับรู้วัตถุในทำนองเดียวกันขึ้นกับฟังก์ชั่นจำกัด(มหาชน)Themethodisdividedintotwophases: trainingandidentifyingspecificobjects ไดอะแกรมโต้ Figure3.3showsan สำหรับวิธีการเรียนรู้ ฝึกหุ่นยนต์ คน ผู้ใช้สามารถสร้าง และอัปโหลด

ผลลัพธ์ (ไทย) 2:

ที่นี่ผมให้รายละเอียดของการตรวจจับวัตถุสหกรณ์และวิธีการรับรู้สร้างขึ้นบนแพลตฟอร์มคลาวด์หุ่นยนต์ก่อนหน้านี้อธิบาย ผมถือว่าในขณะนี้หุ่นยนต์ที่มีส่วนร่วมในระบบการกระจายแต่ละคนมี Kinect เดียวและการเชื่อมต่อ Wi Fi ไปยังอินเทอร์เน็ต ผมใช้จุดห้องสมุดเมฆ (มหาชน) (Rusu และญาติ, 2011) โครงสร้างข้อมูลเมฆจุดเพื่อเป็นตัวแทนของโครงสร้างและลักษณะของวัตถุที่รู้จักกัน งานการคำนวณของการรับรู้วัตถุจะขึ้นอยู่กับการทำงานเช่นเดียวกันบมจ.
Themethodisdividedintotwophases: trainingandidentifyingspeci Fi cobjects แผนภาพปฏิสัมพันธ์ Figure3.3showsan สำหรับวิธีการเรียนรู้ ในการฝึกอบรมหุ่นยนต์ของเขาหรือเธอผู้ใช้สามารถสร้างและอัปโหลด