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

More documents

Recommendations

Info

Capitolo 4. L’elaborazione delle immagini e l’obstacle detection 4.1. Utilizzazione di HOPS per problemi di visione artificiale Il sensore HOPS realizzato prevede, come abbiamo visto, da una parte la possibilità di impiego del catadiottro per un’analisi poco particolareggiata ma globale della scena circostante: applicazioni quali l’auto-localizzazione, la ricerca su tutta la regione circostante al sistema di eventuali elementi di interesse, come potrebbe essere il pallone in una partita della Robocup, trovano grossi vantaggi nell’uso di un sensore di quel tipo. Mentre l’altra telecamera può essere utilizzata per un’analisi a maggiore risoluzione della scena presente di fronte al robot. L’uso congiunto delle informazioni provenienti dalle due telecamere è in realtà solo una delle possibilità di impiego di HOPS, ed inoltre, in applicazioni di visione binoculare, HOPS non dà vantaggi rispetto a sensori binoculari più tradizionali. L’obiettivo primario del lavoro svolto nell’analisi delle immagini è stato quello di riconoscere la presenza di ostacoli nello spazio visivo comune ai due sensori di cui HOPS si avvale, quindi un utilizzo da sistema binoculare. Questa, chiaramente, è un’applicazione centrale per la navigazione di robot mobili e quindi componente fondamentale per la costruzione di un qualsiasi sistema di visione completo. A seconda della specifica applicazione e dello specifico ambiente di lavoro, bisognerà implementare un insieme di routines che completino l’insieme delle funzionalità necessarie allo scopo. 74
4.2. Algoritmi utilizzati e risultati conseguiti Il meccanismo di riconoscimento degli ostacoli proposto si basa sulla tecnica della prospettiva inversa che è stata analizzata nel paragrafo 2.1.2. Allo scopo di ottenere informazioni riguardanti la presenza di ostacoli e quindi l’entità dell’area camminabile, una valida alternativa allo studio delle disparità stereo su linee epipolari, già esplorata in alcuni studi ([Adorni et al., 2000a], [Bertozzi e Broggi, 1996], [Mallot et al., 1991a], [Onoguchi et al.,1998], si veda inoltre la sezione sulla tecnica della prospettiva inversa), è quella di rettificare entrambe le immagini e, grazie ad una calibrazione del sistema binoculare (si veda a riguardo il terzo capitolo), di confrontarle direttamente: l’operazione di recupero della prospettiva è svolta rispetto al piano del pavimento (ipotizzato orizzontale), e quindi entrambe le immagini rettificate saranno identiche nella loro rappresentazione di ciò che risiede sul pavimento stesso, mentre tutto ciò che emerge da questo piano (gli ostacoli) subirà una distorsione dipendente dalla prospettiva dalla quale si osserva la scena, cioè una distorsione che risulta essere diversa per le due diverse telecamere. Una semplice ricerca delle differenze tra le due immagini pixel a pixel fa quindi emergere informazioni sugli ostacoli presenti. Si tratta dunque a quel punto di interpretare le informazioni emerse per giungere all’identificazione degli ostacoli veri e propri. Nei prossimi paragrafi saranno messe in luce le principali tecniche di elaborazione ed analisi delle immagini utilizzate. In particolare queste saranno suddivise in: − fase di pre-processing, costituita da tutte le elaborazioni che a partire dalle immagini acquisite cercano di accentuare l’informazione di basso livello, e ridurre il rumore. − fase di segmentazione e di interpretazione, nella quale, da una parte, si cerca di identificare regioni e di darne una descrizione e classificazione, dall’altra si cerca di ragionare sulle caratteristiche delle regioni individuate per ottenere una interpretazione della scena osservata (in questo caso l’area camminabile). 75
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: Figura 3.2 Figura 3.3 Figura 3.4 73
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?