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

More documents

Recommendations

Info

Cornell S., Porrill J., Mayhew J.E.W. Ground plane obstacle detection under variable camera geometry using a predictive stereo matcher. BMVC92, Proc. British Machine Vision Conference, pagg. 549-559. Springer-Verlag, Berlin. 1992. Drocourt C., Delahoche L., Pegard C., Cauchois C. Localization method based on omnidirectional stereoscopic vision and dead-reckoning. Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, pagg. 960-965. 1999. Faugeras O. Three Dimensional Computer Vision: A Geometric Viewpoint. The MIT Press, Cambridge, MA. 1993. Gang-Yi-Jiant, Tae Y.C. Lane and obstacle detection based on fast inverse perspective mapping algorithm. Proc. IEEE International Conference on Systems, Man and Cybernetics, vol.5, pagg. 2969-2974. 2000. Gonzalez R.C., Woods R.E. Digital Image processing. Addison Westley. 1992. Hicks R.A., Bajcsy R. Reflective Surfaces as Computational Sensors. Proc. 2nd Workshop on Perception for Mobile Agents, pagg. 82-86. 1999. Jacobs D.W. The use of grouping in visual object recognition. MIT Artificial Intelligence Laboratory, Technical Report 1023. 1988. Klaus B., Horn P. Robot Vision. The MIT Press. Cambridge, Massachusetts. 1986. Larman C. Applying UML and Patterns. An introduction to Object-Oriented Analysis and Design. Prentice Hall. 1998. Lee C. W., Beom H. R., Choe H. S. An obstacle detection method for mobile robots using axial stereo. Automatic control, World Congress 1993, Proc. 12 TH Triennial World Congress of the International Federation of Automatic Control, vol.3, applications I. Pergamon, Oxford, UK, pagg. 897-902. 1994. Mallot H.A., Bulthoff H.H., Little J.J., Bohrer S. Inverse Perspective mapping simplifies optical flow computation and obstacle detection. Biological Cybernetics, 64:177-185. 1991a. 130
Mallot H.A., Zielke T., Storjohann K., von Seelen W. Topographic mapping for stereo and motion processing. The International Society for Optical Engineering, vol.1382, pagg. 397-408. 1991b. Mansouri A., Malowany A., Levine M. Line Detection in Digital Pictures: A Hypothesis Prediction / Verification Paradigm, vol.40, pagg.95-114. 1987. Marchese, Sorrenti D. Omni-directional vision with a multi-part mirror. 4th Int. Workshop on RoboCup, pagg. 289-298. 2000. Marques C., Lima P. A localization method for a soccer robot using a vision-based omni-directional sensor. Proc. of EuroRoboCup Workshop, Amsterdam, The Netherlands, June 2000, disponibile solo in formato elettronico in http://lci.isr.ist.utl.pt/projects/mrob/socrob Marr D. Vision: A computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman, New York. 1982. Morgenthaler D.G., Hennessy S., DeMenthon D. Range-video fusion and comparision of inverse perspective algorithms in static images. IEEE Transactions on Systems, Man and Cybernetics, vol.20, n.6, pagg. 1301-1312. Dicembre 1990. Nayar S.K. Omnidirectional Vision. In Robotics Research. 8 th International Symposium, pagp. 195-202. 1998. Onoguchi K., Takeda N., Watanabe M. Planar projection stereopsis for road extraction. IEICE Trans. on Information and Systems, vol.E81-D, no.9. pagg. 1006-1018. 1998. Santos V. J., Sandini G. Uncalibrated obstacle detection using normal flow. Machine Vision and Applications, vol.9, no.3, pagg. 130-137. 1996. Shimasaki M. The inverse of perspective projection. Trans. of the Institute of Electronics and Communication Engineers of Japan, Section E, English, vol.E64, no.6, pagg. 406-413. Giugno 1991 131
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 and 12:
1.3. La visione artificiale e la ro
Page 13 and 14:
una ricostruzione tridimensionale c
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: Bertozzi M., Broggi A. Real Time La
show all

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

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

Delete template?

Save as template?