Prespective-n-Point (PnP) Alphalics (Autonomous system) میں ایک کیمرے کے قائم مقام اور یا اس کی گردش کے لیے ضروری ہے کہ ماحول میں 3D نکات معلوم ہوں۔ یہ الجبراً اپنے ماحول کو درست، ہموار حرکت اور رکاوٹ سمجھنے کے لیے گاڑیوں اور روبوٹس کو قابل بناتے ہیں۔

فن پی الورۃ کے بنیادی اصول ہیں۔

PnP Alphals کے مسئلے کو حل کرتے ہیں ایک کیمرے کے خدوخال کو 3D پوائنٹ اور ان کے متعلقہ 2D منصوبے کو ایک تصویر میں شامل کرنے کے لیے. مرکزی چیلنج یہ ہے کہ وہ گردش اور ترجمہ ڈھونڈے جو 3D نکات کو اپنے 2D تصویری نکات کے ساتھ حل کرے۔

عام طور پر پُراسرار

پی این پی کے مسئلہ کو حل کرنے کے لیے کئی الموت استعمال کیے جاتے ہیں جن میں سے یہ ہیں:

  • [EPNP:]]. Efficent PnP، حقیقی وقتی اطلاق کے لیے موزوں۔
  • UPNP: [United PnP، Unfed PnP اور غیر متوسط مقدمات.
  • [RPNP: [Rouust PnP]، باہر سے باہر کی طرف۔
  • Iterative طریقوں : [1] جیسے کہ Levenberg-Marquardt، struction settlection -

اطلاقیہ Autonomous Navigation میں

ایک خود مختاری میں، پنپ الجبرا مقامی تفاعل (conP Alphal) جیسے کام کے لیے استعمال کیا جاتا ہے جیسے کہ مقامی طور پر، نقشہ سازی اور رکاوٹ۔ کیمرے کے مرکزے کو معلوم کرنے سے، گاڑیوں کو زیادہ درستی سے پیچیدہ ماحول کی طرف متوجہ کر سکتی ہے۔

حقیقی وقتی نظام میں پن پی ایلمتھم کے لیے درستی اور تجزیہ کاری کا تقاضا کرنا ضروری ہے۔کسی دوسرے سینسری اعداد کے ساتھ مل کر پی پی کو مختلف حالات میں بے پناہ ترقی اور بے پناہ ترقی دی جاتی ہے۔