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

More documents

Recommendations

Info

(CmS1 e CmS2) sono considerati uguali utilizzando la tecnica fuzzy descritta in seguito: (Dc(CmS1,CmS2)=0) or (Dc(CmD1,CmD2)=0); dove la funzione Dc(colore1,colore2) rappresenta il grado di appartenenza alla classe di differenza di colore della coppia di colori. Nel caso in cui si operi l’estensione la nuova regione nata dalla fusione delle due viene nuovamente classificata. La figura 4.15 mostra il risultato della segmentazione e della tecnica di estensione nell’immagine: le varie regioni individuate sono state colorate a posteriori per una migliore visualizzazione. Il piccolo riquadro nero nell’immagine vuole mettere in evidenza la fusione fra la regione azzurra e quella verde per estensione della regione azzurra: si noti infatti la differenza con l’immagine in figura 4.14, dove le due regioni sono separate. Figura 4.15 90
Per commentare l’esempio, secondo la tecnica di classificazione vista, le macchie blu e viola appartengono alla classe sub 2), la macchia nera, quella verde scuro e quella arancio alla classe sub 3), quelle azzurra e verde chiaro alla classe sub 4) prima della loro unione e alla classe sub 2) dopo. Per lo studio della diversità di colore si fa ampio utilizzo della seguente tecnica fuzzy: dati due colori RGB C 1 e C 2 , per ognuna delle tre bande R, G, B si definisce una classe fuzzy di differenza, sulla specifica banda, tra i due colori (Dr, Dg, Db). Questa è definita come (nel caso della banda R): Dr(C 1 ,C 2 ) = 0 per |R 1 -R 2 | < sogliaInferiore Dr(C 1 ,C 2 ) = arctan [(|R 1 -R 2 | - sogliaInferiore)/costanteDiScala] /(p/2) altrove Il grado di appartenenza alla classe di diversità di colore RGB Dc, è invece dato da: Dc(C 1 ,C 2 ) = Max{Dr,Dg,Db} per Max{Dr,Dg,Db} > sogliaDifferenza Dc(C 1 ,C 2 ) = 0 altrove Quindi i due colori C 1 e C 2 verranno considerati uguali per Dc = 0, diversi (con grado variabile) altrimenti. Il passo successivo del metodo consiste nell’operare una combinazione (matching) delle regioni classificate nel caso sub 2) e sub 4) e nella “chiusura” di certe aree dell’immagine contenenti ipotesi di ostacolo (denominate regioni ostacolo). Il matching viene eseguito tramite euristiche che si basano sulle statistiche descritte precedentemente. Come visto, queste statistiche sono calcolate su un insieme di punti alla destra e un insieme di punti alla sinistra delle regioni differenza. Poiché le regioni differenza si presentano prevalentemente lungo i confini degli ostacoli, si tratta di un insieme di pixel che fanno parte dell’immagine dell’ostacolo e, verosimilmente, un insieme di pixel che fanno parte dello sfondo dietro a questo. Nella maggior parte dei casi, quello che si deve decidere è se, data una situazione come quella descritta nel caso sub 2), l’ostacolo ipotizzato si trovi più probabilmente alla sua sinistra o alla sua destra. Il matching viene operato nel modo seguente: − per ogni regioni del caso sub 2) e sub 4) si cercano le regioni prime vicine di destra 91
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 and 86: Figura 4.14 85
Page 87 and 88: tutte le altre vengono calcolati un
Page 89: successiva fase di matching: if { [
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?