UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

More documents

Recommendations

Info

dove obj_threshold individua la soglia usata dalla procedura di scansione dell'immagine per isolare i punti che appartengono al target; obj_width e obj_height sono le dimensioni dell'oggetto da colpire, in pixel, che vengono determinate automaticamente a partire dalle immagini fornite dalla telecamera. 5.3.9 Inizializzazione del modulo di tracking E’ possibile impostare tutti i parametri principali che determinano il funzionamento del modulo di tracking (SAD) mediante SAD.X, il data file preposto a tale scopo. I parametri che possono essere modificati sono, nell’ordine: dove plane_dist fly_speed valve_delay hook_dist min_ok_hooks plane_dist è la distanza media, in centimetri, del piano di moto dell’oggetto da punto di partenza del proiettile; fly_speed è la velocità del proiettile stimata con i test descritti al capitolo 3.10, espressa in cm/ms; valve_delay indica il ritardo di attivazione della valvola in millisecondi, anch’esso determinato grazie ai test discussi al capitolo 3.10; hook_dist indica il raggio del cerchio entro il quale il test di aggancio della traiettoria da parte del filtro di Kalman considera la traiettoria stessa agganciata. Il valore è espresso in pixel; 104
min_ok_hooks è il numero di test consecutivi sulla posizione corrente e su quella predetta che devono dare esito positivo per abilitare la fase di sparo vera e propria. 5.3.10 Training set I due Training Set data file, cioè TSH.X e TSV.X, che hanno la medesima struttura, contengono i training samples necessari all'addestramento delle reti neurali di DEA. La struttura la seguente: dove n_samples net_n_in net_n_out min_in_range max_in_range min_out_range max_out_range in_1_1 in_1_2 out_1 ... in_n_1 in_n_2 out_n n_samples è il numero di training samples contenuti nel file; net_n_in e net_n_out sono il numero di ingressi e di uscite della rete neurale per la quale utilizzare il training set contenuto nel file. Per le due reti neurali usate in DEA questi valori sono fissi, e valgono rispettivamente 2 e 1; min_in_range e max_in_range sono i limiti del range di valori in ingresso alla rete, usati per scalare opportunamente i veri valori di ingresso; min_out_range e max_out_range sono i limiti del range di valori in uscita dalla rete, usati anch'essi per scalare opportunamente i valori veri di uscita; in_1_1 in_1_2 out_1 e tutti i valori seguenti fino alla terna in_n_1 in_n_2 out_n sono la lista dei training samples veri e propri. Sono in gruppi di tre 105
Page 1 and 2:
UNIVERSITA’ DEGLI STUDI DI PAVIA
Page 3 and 4:
2.6 Elaborazione dell'immagine ....
Page 5 and 6:
5.2 Sequenza esecutiva ............
Page 7 and 8:
A.3 Avvio del sistema .............
Page 9 and 10:
1.1 Obiettivo della tesi Capitolo 1
Page 11 and 12:
• Appendice B: elenco completo de
Page 13 and 14:
Capitolo 2 Descrizione del sistema
Page 15 and 16:
2.2 Soluzioni progettuali Le scelte
Page 17 and 18:
Esistono numerosi sistemi per il tr
Page 19 and 20:
traiettoria di un oggetto. Infine,
Page 21 and 22:
possibile trascurare completamente
Page 23 and 24:
dall’uscita, attraverso un confro
Page 25 and 26:
ingresso e una sola di uscita, in q
Page 27 and 28:
2.5.4 Il modello del target Al fine
Page 29 and 30:
dove sono stati introdotti i termin
Page 31 and 32:
K è dunque un vettore avente un nu
Page 33 and 34:
Figura 2.3. Soglia sul puntatore la
Page 35 and 36:
Il tempo di volo del proiettile è
Page 37 and 38:
t t t t t 4 3 2 1 x 1 x 2 x 3 x 4 F
Page 39 and 40:
2.8 La rete neurale DEA utilizza te
Page 41 and 42:
Servo Motors Laser Hardware trigger
Page 43 and 44:
3.2.2 Il frame-grabber Il frame-gra
Page 45 and 46:
Figura 3.1. Servocomandi utilizzati
Page 47 and 48:
spazzare l'intero campo di moviment
Page 49 and 50:
ovviamente, a parità di frequenza,
Page 51 and 52:
possibile conoscere istante per ist
Page 53 and 54:
3.4.1 Il diodo laser Blocchetti di
Page 55 and 56:
La caratteristica più importante d
Page 57 and 58:
- 8 linee di I/O digitali (DIO) pro
Page 59 and 60:
- in input per contare gli eventi c
Page 61 and 62: C_GATE G_SOURCE COUNTER VALUE HW SA
Page 63 and 64: Il funzionamento dei contatori come
Page 65 and 66: Il circuito realizzato è schematiz
Page 67 and 68: 3.7.1 Alimentazione e massa L’ali
Page 69 and 70: di puntamento, e che determinano de
Page 71 and 72: La vite della canna ha soltanto la
Page 73 and 74: tempi morti hanno allungato notevol
Page 75 and 76: Comando valvola Ingresso pin reset
Page 77 and 78: Altro aspetto che ha risentito dell
Page 79 and 80: memoria locale. Le unità sono coll
Page 81 and 82: L’aspetto più importante da tene
Page 83 and 84: l’assenza di strati nascosti, e l
Page 85 and 86: Figura 4.3. Funzione di trasferimen
Page 87 and 88: } - si modificano i pesi dei colleg
Page 89 and 90: quindi mentre 2 ∂f ( ) err ∂
Page 91 and 92: ∂hk ∂ ⎛ 1 ⎞ = ⎜ = hk ⋅(
Page 93 and 94: Hidden Layer Net 1 Output Layer Net
Page 95 and 96: Figura 4.7. Schermata del programma
Page 97 and 98: dipende fortemente dal tipo di funz
Page 99 and 100: 5.1 Idea di base Capitolo 5 Archite
Page 101 and 102: - la libreria che implementa il pre
Page 103 and 104: campo di visuale della telecamera a
Page 105 and 106: ♦ SAD.X contiene tutti i parametr
Page 107 and 108: Figura 5.2. Area di scansione. 5.3.
Page 109 and 110: 5.3.5 Caratteristiche del puntatore
Page 111: weight_out_fname è il nome del fil
Page 115 and 116: output_threshold e hidden_threshold
Page 117 and 118: 7) impostare la posizione di riposo
Page 119 and 120: chiaro!) fino al punto in cui non c
Page 121 and 122: Il cuore del modulo è costituito d
Page 123 and 124: 4) si scandisce l’immagine e si m
Page 125 and 126: Tutto questo viene effettuato da un
Page 127 and 128: GUNNER attende l’istante di apert
Page 129 and 130: 1) accelerazione angolare dell’og
Page 131 and 132: 6) viene letto il valore del conteg
Page 133 and 134: LD.X MD.X OD.X ISL.X WH.X WV.X NEUR
Page 135 and 136: • neural.h contiene tutte le cost
Page 137 and 138: vantaggioso durante la fase di svil
Page 139 and 140: spostamento “nella stessa direzio
Page 141 and 142: Con l'uso della sola primitiva wait
Page 143 and 144: tipo, che contengono i dati di part
Page 145 and 146: del motore grafico è fornita la fu
Page 147 and 148: 5.6.7 pci6025e Il modulo pci6025e.h
Page 149 and 150: • Dopo aver attivato l'handler e
Page 151 and 152: un programma di elaborazione matric
Page 153 and 154: La funzione init_kalman_subsystem()
Page 155 and 156: N = 4 t - 5 t - 4 t - 3 t - 2 t - 1
Page 157 and 158: 3) la funzione predict(), ssendo un
Page 159 and 160: Capitolo 6 151 Risultati 6.1 Veloci
Page 161 and 162: Figura 6.1. Risultato della regress
Page 163 and 164:
Dalle cifre riportate in tabella si
Page 165 and 166:
6.3.2 Test B Il secondo test della
Page 167 and 168:
dell’esperimento: qualsiasi valor
Page 169 and 170:
6.3.7 Test E1 Numero di sparo Dista
Page 171 and 172:
I risultati riportati in tabella 12
Page 173 and 174:
Per quanto riguarda la rete neurale
Page 175 and 176:
necessitano di interagire con perif
Page 177 and 178:
A.4 Creazione dei task La creazione
Page 179 and 180:
verso i file per inizializzare il s
Page 181 and 182:
impostato al momento della compilaz
Page 183 and 184:
• grx_circle(x, y, rad, col) dise
Page 185 and 186:
void save_ld(void) rispettivamente
Page 187 and 188:
B.2 general ritornano i medesimi va
Page 189 and 190:
DWORD get_vmotor_trig(void) ritorna
Page 191 and 192:
B.5 neural permette di sbloccare il
Page 193 and 194:
- net_initialized flag che indica s
Page 195 and 196:
learning rate utilizzato attualment
Page 197 and 198:
- minw e maxw indicano i limiti del
Page 199 and 200:
estituisce la modalità grafica cor
Page 201 and 202:
pone gli n bit della parola w, a pa
Page 203 and 204:
- gating_mode imposta una delle pos
Page 205 and 206:
DWORD initvalue, WORD source, WORD
Page 207 and 208:
quanto sono task aperiodici) pari a
Page 209 and 210:
di int che contiene l’ordine di c
Page 211 and 212:
iportate in dettaglio al paragrafo
Page 213 and 214:
% ni = nargin; no = nargout; if ni
Page 215 and 216:
A' + B * Q * B') % Calcola il guada
Page 217 and 218:
- viene visualizzato un grafico che
Page 219 and 220:
Figura C.3. Comportamento del filtr
Page 221 and 222:
% Usato per eliminare il doppione a
Page 223 and 224:
[8] Seth Hutchinson, Greg Hager, Pe
show all

UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?