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

More documents

Recommendations

Info

1991 da Mallot H.A. [Mallot et al., 1991a]. Da allora, questa tecnica è stata utilizzata in numerosi progetti di cui alcuni esempi possono essere trovati in bibliografia, sia nel campo di navigazione indoor ([Adorni et al., 2000a], [Adorni et al., 2000b], [Bohrer et al., 1991], [Christensen et al., 1994], [Cornell et al., 1992], [Drocourt et al., 1999], [Lee et al., 1994], [Mallot et al., 1991a], [Mallot et al., 1991b], [Morgenthaler et al., 1990], [Santos e Sandini, 1996]), sia per la navigazione di veicoli su strada, ([Bertozzi e Broggi, 1996], [Bohrer et al., 1991], [Gang e Tae, 2000], [Onoguchi et al., 1998], [Storjohann et al., 1993], [Zielke et al., 1990]). Dobbiamo però notare come non sia sempre possibile conoscere con precisione tutti i parametri intrinseci ed estrinseci del sensore. D’altro conto, per applicare l’IPM, la conoscenza di tutti questi non è strettamente necessaria. L’obiettivo da raggiungere è la determinazione di una relazione tra la posizione dei pixel nell’immagine originale e la relativa posizione nell’immagine rettificata (quindi sul piano preso come riferimento nello spazio oggetto). Conoscendo tutti i parametri intrinseci ed estrinseci del sensore ottico, questa relazione è una trasformazione geometrica relativamente semplice (si veda a riguardo il paragrafo 2.2.3.1). In caso contrario, è possibile cercare questa relazione attraverso tecniche di calibrazione più empiriche che, come descritto nei successivi paragrafi, presentano alcuni vantaggi operativi in sede di calibrazione, ma anche svantaggi dovuti alla necessità di operare una nuova calibrazione completa ad ogni modifica, strutturale o di componentistica, del sensore visivo. 24
2.2. Sensore catadiottrico per la visione a 360 gradi 2.2.1. I catadiottri Molte delle applicazioni nel campo della visione artificiale richiedono (o comunque possono trarre beneficio da) un ampio campo visivo. Esistono molteplici esempi a questo riguardo: la sorveglianza, la tele-conferenza, l’acquisizione di modelli per la realtà virtuale, l’operazione in spazi di grandi lavoro, e chiaramente il trasporto, l’autolocalizzazione, la stima del proprio movimento, la pianificazione. Purtroppo le telecamere convenzionali hanno, nella maggior parte dei casi, un campo visivo piuttosto limitato, e questo risulta essere spesso restrittivo per l’applicazione. Per cercare di ovviare a questa mancanza sono state introdotte numerose varianti ai sensori visivi classici. Fra le soluzioni proposte le più immediate riguardano l’utilizzo di più telecamere o di telecamere mobili (active vision). Un approccio alternativo molto efficace che permette di semplificare la gestione dell’input visivo è di accrescere il campo visivo utilizzando specchi in congiunzione alle tradizionali telecamere. Per sensore catadiottrico si intende appunto la combinazione di lenti e specchi posizionati in configurazioni appropriatamente studiate per ottenere un campo visivo molto superiore rispetto a quello del sensore effettivamente utilizzato. Il termine catadiottrico deriva da “diottrica”, la disciplina degli elementi rifrangenti (le lenti) e la “catottrica”, la disciplina delle superfici riflettenti (gli specchi). Se si vuole espandere il campo visivo in maniera isotropa, la migliore delle soluzioni è probabilmente quella di adottare specchi convessi con un asse di simmetria centrale (quindi a sezione tipicamente conica, sferica, ellittica, parabolica, eccetera) e in effetti quasi tutti i sistemi impiegati sono di questo tipo ([Svoboda e Pajdla, 2000], [Hicks e Bajcsy, 1999]). Posizionando l’asse ottico della telecamera in verticale e facendolo coincidere con l’asse di simmetria dello specchio si ottiene un ampio campo visivo in tutte le direzioni. 25
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: calibrazione deve individuare) e I(
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 ...

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

Delete template?

Save as template?