Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...

More documents

Recommendations

Info

approccio computazionale alla visione, in cui la percezione visiva è fondamentalmente un problema di elaborazione di informazione su più livelli gerarchici: − L’input del sistema è l’immagine (o più immagini) intesa come matrice di valori di intensità luminosa (o insieme di matrici per le immagini a colori) e assunta come dato di partenza la cui formazione è un processo indipendente dalle fasi successive. − Un primo stadio elaborativo, che produce il cosiddetto raw primal sketch, è quello di estrazione di informazioni elementari dall’immagine: i contorni, le discontinuità di intensità. − Il raw primal sketch contiene un’informazione ancora parziale, frammentaria, dipendente dal punto di vista della telecamera. Ecco che con varie tecniche legate al gradiente di luminosità (shape from shading, shape from texture, shape from contour, il metodo delle immagini intrinseche, che cerca di combinare le precedenti, eccetera) si cerca di completare questa informazione e tramite la visione stereo ottenerne di aggiuntiva sulla profondità spaziale. − Si giunge quindi alla cosiddetta rappresentazione 2½D, in cui il tipo di rappresentazione è sempre l’immagine ma tramite la componente di profondità si aggiunge informazione tridimensionale. Questa informazione è comunque sempre legata al punto di vista della telecamera: su essa non si è ancora giunti a introdurre concetti di regione, oggetto, parte. − L’ultima fase di elaborazione, che porta alla rappresentazione 3D, cerca infine di astrarsi dal punto di vista della telecamera e di interpretare la scena individuando oggetti, caratterizzandone la forma in termini di orientazione delle superfici elementari che li compongono e spostando il sistema di riferimento negli oggetti individuati stessi, al preciso scopo di renderne la rappresentazione indipendente dal punto di vista. Quasi tutti i primi studi ed esperimenti riguardanti la percezione robotica si sono rifatti al paradigma della percezione generalizzata: il sistema visivo veniva considerato come un modulo a sé stante, indipendente dal resto, anche a causa delle difficoltà tecniche inizialmente incontrate ed il notevole peso elaborativo richiesto. Inoltre, per assicurare in ogni situazione l’acquisizione di sufficiente informazione, ci si poneva l’obiettivo di 12
una ricostruzione tridimensionale completa della scena osservata. Questi due aspetti finivano per diventare limiti del sistema stesso: si determinava uno spreco di risorse elaborative e il sistema era troppo rigido per operare efficientemente in tempo reale. Dalla rilevazione di questi limiti ebbe origine il secondo paradigma: quello di percezione modulare. In questo caso il sistema sensoriale non è più una componente indipendente, ma interagisce e si mette al servizio degli altri moduli del robot. In pratica, di volta in volta, ricerca e rileva solamente le informazioni necessarie, senza andare oltre il bisogno di informazioni del robot. Innumerevoli sono gli approcci nati a partire da questo paradigma di interazione sistema-percezione. Essi presentano diversi gradi di influenza dello stato interno e della conoscenza pregressa del robot sul processo visivo in quasi tutte le sue fasi. Tra gli esempi più importanti dobbiamo ricordare la percezione attiva (con controllo interattivo del robot sul processo percettivo), la percezione action-oriented (dove le ipotesi di azione e di goal influenzano il tipo di analisi e di elaborazione da eseguire), la percezione basata sulle aspettative e metodi focus-of-attention (dove le conoscenze immagazzinate sull’ambiente influenzano rispettivamente l’interpretazione e l’area di interesse delle immagini). Tutti questi approcci fanno comunque riferimento alle due famiglie di cui abbiamo detto sopra: la visione attiva e le visual routines. La visione attiva introduce, rispetto al modello dell’approccio gerarchico, un importante grado di libertà: ogni livello elaborativo può influenzare i precedenti in una sorta di retroazione controllata dagli effettivi bisogni del sistema, ed in particolare inserisce in questo loop anche la fase di acquisizione delle immagini, fase quindi non più passiva ma di ricerca attiva. Infine le visual routines costituiscono un approccio un po’ più flessibile dei precedenti che si fonda sulla realizzazione e l’impiego di un insieme di routines elementari che operano elaborazioni finalizzate ad un preciso obiettivo. Vi sono routines più generiche (dette routines universali) finalizzate ad una prima elaborazione delle immagini (cioè a far emergere le informazioni elementari) e quindi applicabili in molte situazioni, ed un 13
Page 1 and 2: Università degli Studi di Parma Fa
Page 3 and 4: 3.2. Soluzione roto-traslazionale 7
Page 5 and 6: sensore HOPS, nel terzo (brevemente
Page 7 and 8: Capitolo 1. La visione artificiale
Page 9 and 10: 1.2. Le fasi di elaborazione delle
Page 11: 1.3. La visione artificiale e la ro
Page 15 and 16: 1.4. Obiettivi generali e introduzi
Page 17 and 18: Capitolo 2. Calibrazione di un sens
Page 19 and 20: misurare la risoluzione dell’imma
Page 21 and 22: Figura 2.1 Nel processo descritto l
Page 23 and 24: calibrazione deve individuare) e I(
Page 25 and 26: 2.2. Sensore catadiottrico per la v
Page 27 and 28: Tutti questi aspetti fanno sì che
Page 29 and 30: 2.2.2. Realizzazione del prototipo
Page 31 and 32: egione centrale e una esterna dello
Page 33 and 34: 2.2.3.1. Tecnica di calibrazione ge
Page 35 and 36: dell’equazione f(R) con R distanz
Page 37 and 38: 160 140 120 d (pixel) 100 80 60 40
Page 39 and 40: Figura 2.9 Questa interpolazione li
Page 41 and 42: Scegliere in questo modo i punti ca
Page 43 and 44: Figura 2.14 Figura 2.15 Dall’osse
Page 45 and 46: Figura 2.16 Invece di eseguire ques
Page 47 and 48: Nelle figure è mostrato il confron
Page 49 and 50: Figura 2.25 Figura 2.26 49
Page 51 and 52: 2.3.1. Variante della tecnica di ca
Page 53 and 54: Figura 2.29 Qui si può notare come
Page 55 and 56: y c = round( C(Y a ) ) x c = round[
Page 57 and 58: 2.4.1. Analisi dei requisiti Dato u
Page 59 and 60: Figura 2.32 59
Page 61 and 62: Figura 2.33 IMAGELAB utilizza le ta
Page 63 and 64:
Ed ora passiamo ai moduli del siste
Page 65 and 66:
Uses MATRICI; -- qui MATRICI viene
Page 67 and 68:
Figura 2.34 Figura 2.35 Si può not
Page 69 and 70:
di destra, ad essa competerà una l
Page 71 and 72:
3.2. Soluzione roto-traslazionale C
Page 73 and 74:
Figura 3.2 Figura 3.3 Figura 3.4 73
Page 75 and 76:
4.2. Algoritmi utilizzati e risulta
Page 77 and 78:
Figura 4.2 La prima operazione che
Page 79 and 80:
La seconda operazione è una trasfo
Page 81 and 82:
Figura 4.8 Figura 4.9 Figura 4.10 8
Page 83 and 84:
Nell’immagine ottenuta dal confro
Page 85 and 86:
Figura 4.14 85
Page 87 and 88:
tutte le altre vengono calcolati un
Page 89 and 90:
successiva fase di matching: if { [
Page 91 and 92:
Per commentare l’esempio, secondo
Page 93 and 94:
Le regioni differenza che non risul
Page 95 and 96:
Mentre i primi due indicatori si fo
Page 97 and 98:
Utilizzando i seguenti valori di so
Page 99 and 100:
Figura 4.19 I tempi medi di esecuzi
Page 101 and 102:
Figura 4.20 Acquisizione frontale A
Page 103 and 104:
Acquisizione frontale Acquisizione
Page 105 and 106:
4.3. Sviluppi futuri In questa prim
Page 107 and 108:
5.2. Definizione dei requisiti Il m
Page 109 and 110:
sistema R1.5 Identificare il campo
Page 111 and 112:
5.3. Analisi dei requisiti e modell
Page 113 and 114:
Feature Robot Ogni elemento di cui
Page 115 and 116:
Suddividiamo i concetti tra queste
Page 117 and 118:
5.4. Progetto del modulo visivo Com
Page 119 and 120:
Package Coordinamento Generale Comu
Page 121 and 122:
Vediamo poi il processo di start up
Page 123 and 124:
ImmagineRGB ImmagineRGB Ricostruita
Page 125 and 126:
5.5. Sviluppi futuri Nello svolgime
Page 127 and 128:
Gli sviluppi futuri si concentreran
Page 129 and 130:
Bertozzi M., Broggi A. Real Time La
Page 131 and 132:
Mallot H.A., Zielke T., Storjohann
show all

Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...

Create successful ePaper yourself

Delete template?

Save as template?