UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

neurale dovrebbe prevedere, come ingressi, la posizione angolare dei motori che
movimentano le telecamere oltre a quella dei motori del dispositivo di
puntamento: teoricamente il concetto di mappare lo spazio immagine (di una o più
telecamere) nello spazio delle variabili di pilotaggio dei motori rimane invariato.
Ciò che cambia è la complessità della rete, oltre all’algoritmo di generazione del
training set.
L’aver optato per delle immagini a toni di grigio limita le possibilità di
elaborazione dell’immagine necessaria per individuare il target nell’immagine
stessa. Per trovare i pixel appartenenti al bersaglio viene fatta una semplice soglia
sull’intensità dei punti, quindi è necessario che l’oggetto abbia un colore che lo
separi nettamente dallo sfondo. Uno svantaggio di questo approccio è che la
soglia dipende fortemente da diverse condizioni, come ad esempio dalle
condizioni di illuminazione dell’ambiente, per cui va attentamente calibrata in
fase di tuning del sistema. Questa scelta si è resa necessaria in quanto, tenuto
conto delle caratteristiche dell’hardware a disposizione, una più complessa
elaborazione dell’immagine sarebbe risultata troppo pesante dal punto di vista del
tempo di calcolo richiesto.
Infine, per stimare la traiettoria dell’oggetto da colpire, si è scelto di
utilizzare il filtro di Kalman, che rappresenta una soluzione robusta ed efficace al
problema di stimare e prevedere lo stato di un oggetto in presenza di rumore sulle
misurazioni. Questo fa del filtro di Kalman uno dei metodi più diffusamente usati
per questo tipo di applicazioni.
2.3 Cos’è il visual tracking
Per visual tracking si intende, in generale, l’insieme di operazioni necessarie
ad agganciare, seguire e prevedere la traiettoria (tracking) di un oggetto in
movimento a partire dalle informazioni ricavate dall’elaborazione di immagini
ricevute da uno o più sensori ottici.
8