Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...
Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...
Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
4.2.2. Fase <strong>di</strong> segmentazione e <strong>di</strong> interpretazione<br />
Queste due fasi, sebbene concettualmente <strong>di</strong>stinte, sono presentate insieme poiché nel<br />
lavoro svolto procedono <strong>di</strong> pari passo. L’immagine generata nella precedente fase <strong>di</strong><br />
pre-processing (si veda figura 4.14) contiene tutta l’informazione <strong>di</strong>sponibile sui<br />
possibili ostacoli presenti nella scena, <strong>di</strong> cui evidenzia sostanzialmente, tramite le<br />
regioni <strong>di</strong> <strong>di</strong>fferenza emerse, parte dei contorni.<br />
Come primo passo, per in<strong>di</strong>viduare, <strong>di</strong>stinguere e poter poi stu<strong>di</strong>are le regioni<br />
<strong>di</strong>fferenza, si opera <strong>un</strong>a segmentazione <strong>di</strong> tipo blob-coloring (basata su connettività a<br />
otto vicini) delle regioni bianche evidenziate nell’immagine (figura 4.14). La fase <strong>di</strong><br />
interpretazione si basa sostanzialmente su euristiche per la classificazione delle regioni<br />
ottenute da questa segmentazione, e per la loro combinazione. Tipicamente la presenza<br />
<strong>di</strong> <strong>un</strong> ostacolo può produrre nella fase <strong>di</strong> segmentazione dell’immagine due o più<br />
regioni <strong>di</strong>stinte, che sarà necessario combinare tra loro, associandole ad <strong>un</strong>o stesso<br />
ostacolo .<br />
Analizziamo brevemente le fasi <strong>di</strong> questa elaborazione. Definiamo due sistemi <strong>di</strong><br />
riferimento legati all’immagine da elaborare: il primo (xoy) semplicemente centrato sul<br />
pixel in alto a sinistra dell’immagine (a cui fanno riferimento le coor<strong>di</strong>nate <strong>di</strong> tutti i<br />
pixel esaminati) con assi <strong>di</strong>rezionati positivamente verso il basso per le y, e verso destra<br />
per le x. Poiché l’immagine è rettificata e ogni pixel è quin<strong>di</strong> la descrizione <strong>di</strong> <strong>un</strong>a ben<br />
nota regione del piano <strong>di</strong> riferimento, possiamo utilizzare <strong>un</strong> secondo sistema <strong>di</strong><br />
riferimento (XOY) coincidente con quello del robot, quin<strong>di</strong> centrato sul robot stesso, e<br />
utilizzato per definire le posizioni relative al robot degli oggetti descritti dai pixel.<br />
Definiamo inoltre la sensibilità Sens associata all’immagine come il lato del quadrato <strong>di</strong><br />
superficie del pavimento descritto da <strong>un</strong> pixel dell’immagine stessa (pari, nel nostro<br />
caso, a 2cm).<br />
Tra tutte le regioni <strong>di</strong>fferenza, segmentate con la tecnica <strong>di</strong> blob-coloring, quelle<br />
costituite da pochi pixel (meno <strong>di</strong> 25) vengono subito eliminate come siano rumore. Per<br />
86