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

More documents

Recommendations

Info

4.2.2. Fase di segmentazione e di interpretazione Queste due fasi, sebbene concettualmente distinte, sono presentate insieme poiché nel lavoro svolto procedono di pari passo. L’immagine generata nella precedente fase di pre-processing (si veda figura 4.14) contiene tutta l’informazione disponibile sui possibili ostacoli presenti nella scena, di cui evidenzia sostanzialmente, tramite le regioni di differenza emerse, parte dei contorni. Come primo passo, per individuare, distinguere e poter poi studiare le regioni differenza, si opera una segmentazione di tipo blob-coloring (basata su connettività a otto vicini) delle regioni bianche evidenziate nell’immagine (figura 4.14). La fase di interpretazione si basa sostanzialmente su euristiche per la classificazione delle regioni ottenute da questa segmentazione, e per la loro combinazione. Tipicamente la presenza di un ostacolo può produrre nella fase di segmentazione dell’immagine due o più regioni distinte, che sarà necessario combinare tra loro, associandole ad uno stesso ostacolo . Analizziamo brevemente le fasi di questa elaborazione. Definiamo due sistemi di riferimento legati all’immagine da elaborare: il primo (xoy) semplicemente centrato sul pixel in alto a sinistra dell’immagine (a cui fanno riferimento le coordinate di tutti i pixel esaminati) con assi direzionati positivamente verso il basso per le y, e verso destra per le x. Poiché l’immagine è rettificata e ogni pixel è quindi la descrizione di una ben nota regione del piano di riferimento, possiamo utilizzare un secondo sistema di riferimento (XOY) coincidente con quello del robot, quindi centrato sul robot stesso, e utilizzato per definire le posizioni relative al robot degli oggetti descritti dai pixel. Definiamo inoltre la sensibilità Sens associata all’immagine come il lato del quadrato di superficie del pavimento descritto da un pixel dell’immagine stessa (pari, nel nostro caso, a 2cm). Tra tutte le regioni differenza, segmentate con la tecnica di blob-coloring, quelle costituite da pochi pixel (meno di 25) vengono subito eliminate come siano rumore. Per 86
tutte le altre vengono calcolati una serie di parametri per le successive fasi di elaborazione. Vediamoli: − posizione dell’apice inferiore (x 1 ,y 1 ), ossia il punto della regione più in basso (se ne è presente più di uno sulla stessa riga, il centrale); − posizione di un eventuale secondo apice inferiore (x 2 ,y 2 ) rilevato in base alla seguente euristica: il pretendente secondo apice, pixel (x,y), deve appartenere alla regione in questione, si deve avere che, invece, tutti i pixel della riga sottostante (y+1) con valore x compreso tra (x-3) ed (x+3) non appartengono alla regione, e infine la distanza tra (x 1 ,y 1 ) e (x 2 ,y 2 ) sia maggiore di (10/Sens) (per evitare che i due apici portino la stessa informazione). Tra tutti gli eventuali pretendenti al ruolo di secondo apice si sceglie quello con distanza angolare maggiore dal primo apice rispetto all’origine del sistema di riferimento del robot (ossia con il massimo angolo (X1,Y1)-O-(X,Y)). Il calcolo di questo secondo apice inferiore è utile per l’analisi di regioni differenza che comprendono entrambi i confini laterali degli ostacoli ad esse associati. − posizione dell’apice superiore (x s ,y s ); − altezza A = sqrt((x s -x 1 )² + (y s -y 1 )²); − larghezza media Lm, definita come la media su tutte le righe comprese tra y s e y 1 (ossia su tutta l’altezza) della distanza tra il primo e l’ultimo pixel appartenenti alla regione; − larghezza massima LM, definita come la massima tra le distanze tra il primo e l’ultimo pixel della regione su tutte le righe comprese tra y s e y 1 . − posizione del baricentro della regione (x b ,y b ), come semplice media pesata sulla larghezza della regione riga per riga; − ad entrambi i lati (destro e sinistro) della regione differenza si individua un insieme di pixel di test: per ogni riga (y i ) compresa tra y s e y 1 si scelgono come punti per le suddette statistiche (x Si ,y i ), per l’insieme sul lato sinistro e (x Di ,y i ) per l’insieme sul lato destro, tali che (x Si +2,y i ) è il primo pixel della regione sulla riga, e (x Di -2,y i ) è l’ultimo pixel della regione sulla riga. Su questi insiemi di pixel, presi però dall’immagine rettificata proveniente dal catadiottro in figura 4.7, vengono poi 87
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: Figura 4.14 85
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?