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

More documents

Recommendations

Info

Capitolo 3. Calibrazione di un sistema binoculare 3.1. La visione stereo Le differenti prospettive sotto le quali i nostri due occhi vedono, determinano delle piccole differenze (disparità stereo) nel posizionamento degli oggetti osservati nelle due singole viste monoculari della scena. Il sistema visivo umano è in grado di utilizzare queste disparità per stimare la profondità della scena e la distanza, forma e posizione relativa degli oggetti. Le due viste monoculari vengono unite e rielaborate in una rappresentazione non più bidimensionale ma tridimensionale della scena osservata. La visione stereoscopica è stata approfonditamente studiata per molto tempo e il problema fondamentale alla sua base è l’estrazione di informazioni stereoscopiche elementari a partire dalle immagini acquisite: bisogna poter associare ad ogni pixel dell’immagine di destra un pixel (rappresentante la stessa parte di un oggetto) di quella di sinistra, ottenendo in questo modo una indicazione (dipendente dalle posizioni di questi due pixel) sulla disparità tra le due immagini. Ottenere una corretta e veloce stima delle disparità è reso difficile dal fatto che ulteriori ingenti differenze tra le due viste emergono a causa di fenomeni quali l’occlusione tra oggetti, le riflessioni speculari, ecc. A prima vista questo problema è di natura bidimensionale, cosa che complicherebbe ancora di più la sua soluzione, ma in realtà, con semplici considerazioni, è possibile trasformare il problema in monodimensionale: da un’analisi della geometrica del sistema risulta che punti corrispondenti di oggetti 3D sono rappresentati nelle due immagini su specifiche linee dette linee epipolari. Quindi, data una riga dell’immagine 68
di destra, ad essa competerà una linea dell’immagine di sinistra secondo una relazione dipendente dalla geometria del sistema e la ricerca delle disparità potrà limitarsi ad una ricerca e ad un matching di discontinuità di colore o intensità su righe, alla soluzione quindi di un problema monodimensionale. Evidentemente questo richiede una calibrazione del sistema binoculare per recuperare le distorsioni introdotte dalle ottiche e per mettere in relazione tra di loro le righe delle immagini. Quello appena descritto è il caso classico di calibrazione di un sistema binoculare. Nel nostro caso specifico, in realtà, la situazione è diversa: il procedimento seguito si basa sul modello dell’inversione prospettica e quindi, limitandosi all’estrazione di informazioni stereo legate ad un solo specifico piano (gli oggetti o giacciono sul piano o non ne fanno parte), non serve cercare le disparità dei singoli pixel ma basta operare una sottrazione pixel a pixel delle due immagini, per poi analizzarne le differenze. Prima di analizzare i particolari del processo di calibrazione, vale la pena di notare come in ogni caso, anche non adottando il modello dell’inversione prospettica, non avremmo potuto operare con la tecnica suddetta dato che lo specchio utilizzato nel catadiottro non presenta un singolo punto prospettico. Non sarebbe stato quindi possibile (se non passando per un processo di calibrazione assai più complicato) giungere a immagini prospettiche pure, passo indispensabile affinché valga il principio delle linee epipolari. Il problema di calibrazione binoculare è in realtà molto più semplice di quello basato sul metodo delle linee epipolari. Dall’inversione prospettica delle due immagini stereo, si generano due descrizioni (mappe) del piano di riferimento del pavimento, che coincidono laddove rappresentano qualcosa che effettivamente risiede su questo piano, e differiscono laddove invece si presenta un oggetto che emerge dal piano: la calibrazione stereo consiste solamente nell’identificare quali pixel debbano essere confrontati con quali, tenendo conto che le due immagini rettificate possono avere scale diverse (ossia la porzione di piano rappresentata da un pixel può non essere la stessa per entrambe le immagini). La soluzione sarà utilizzare per il confronto una semplice rototraslazione di una immagine rispetto all’altra (con un’eventuale fattore di scala). Vedremo nel prossimo paragrafo come questa soluzione è stata realizzata nel nostro sistema. 69
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: Figura 2.34 Figura 2.35 Si può not
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?