Visuel kilometertælling

I robotteknologi og computer vision, visuel kilometertælling er processen med at bestemme positionen og orienteringen af ​​en robot ved at analysere de tilhørende kamerabilleder. Det har været brugt i en lang række af robot applikationer, såsom på Mars Exploration Rovers.

Oversigt

I navigation, kilometertælling er brugen af ​​data fra bevægelsen af ​​aktuatorer til at estimere ændringer i position over tid gennem anordninger såsom roterende enkodere til at måle hjul rotationer. Mens nyttig for mange hjul eller bæltekøretøjer, kan traditionelle vejimpulsgiverfunktionernes teknikker ikke anvendes på mobile robotter med ikke-standard bevægelseskomponenter metoder, såsom legged robotter. Desuden kilometertælling universelt lider præcision problemer, eftersom hjulene har tendens til at glide og falde på gulvet skaber en uensartet distance i forhold til hjulet rotationer. Forværres fejlen, når køretøjet kører på ikke-glatte overflader. Vejimpulsgiverfunktionernes aflæsninger blevet stadig upålidelige, efterhånden som disse fejl akkumuleres og sammensatte over tid.

Visuel kilometertælling er processen med at bestemme tilsvarende Vejimpulsgiverinformation hjælp sekventielle kamerabilleder at estimere distance. Visuel kilometertælling giver mulighed for øget navigationsnøjagtighed i robotter eller køretøjer, der anvender nogen form for bevægelse på alle overflader.

Algoritme

De fleste eksisterende tilgange til visuel kilometertælling er baseret på følgende etaper.

  • Acquire input billeder:. Ved hjælp af enten enkelt kamera, stereo kameraer eller rundstrålende kameraer.
  • Billede korrektion: anvende billedbehandling teknikker til objektiv forvrængning fjernelse, etc.
  • Feature afsløring: definere renter operatører og match funktioner på tværs af rammer og konstruere optiske flow felt.
    • Brug sammenhæng at etablere korrespondance af to billeder, og ingen langsigtet funktionen sporing.
    • Feature udvinding og korrelation.
    • Konstruere optiske flow felt.
  • Tjek flow field vektorer for potentielle sporing fejl og fjern outliers.
  • Estimering af kameraets bevægelse fra den optiske flow.
    • Valg 1: Kalman filter til staten estimat fordeling vedligeholdelse.
    • Valg 2: find de geometriske og 3D egenskaber af funktioner, der minimerer en omkostning funktion baseret på re-projektion fejl mellem to tilstødende billeder. Dette kan gøres ved matematisk minimering eller stikprøvekontrol.
  • Periodisk repopulation af sporpunkter at opretholde dækning over hele billedet.

Et alternativ til indslag-baserede metoder er "direkte" eller udseende-baserede visuelle kilometertælling teknik, der minimerer en fejl direkte i sensor plads og efterfølgende undgår træk matching og udvinding.

En anden metode, opfundet 'visiodometry «anslår de plane roto-oversættelser mellem billeder ved hjælp af fase korrelation i stedet for udvinding funktioner.

Egomotion

Egomotion defineres som 3D bevægelse af et kamera i et miljø. På området for computer vision, egomotion refererer til estimering et kameras bevægelse i forhold til en stiv scene. Et eksempel på egomotion estimering ville være at estimere en bils bevægende position i forhold til linjer på vejen eller vejskilte bliver observeret fra bilen selv. Estimeringen af ​​egomotion er vigtig i autonome robot navigation applikationer.

Oversigt

Målet med at estimere egomotion af et kamera er at bestemme 3D bevægelse af det kamera i miljøet ved hjælp af en sekvens af billeder taget med kameraet. Processen med at estimere et kameras bevægelse i et miljø indebærer anvendelse af visuelle vejimpulsgiverfunktionernes teknikker på en sekvens af billeder taget af bevægelige kamera. Dette sker typisk ved hjælp af funktionen detektion til at konstruere en optisk flow fra to billedrammer i en sekvens genereret fra enten enkelt kameraer eller stereo kameraer. Brug stereobillede par for hver ramme hjælper med at reducere fejl og giver ekstra dybde og skala oplysninger.

Funktioner er påvist i den første ramme, og derefter matches i den anden ramme. Denne information anvendes derefter til at gøre det optiske flow felt for de detekterede træk i de to billeder. Den optiske flow felt illustrerer, hvordan funktioner afviger fra et enkelt punkt, fokus for ekspansion. Kan detekteres fokus for udvidelse fra den optiske flow felt, der angiver retningen af ​​bevægelsen af ​​kameraet, og dermed give et skøn over kameraets bevægelse.

Der er andre metoder til at udvinde egomotion oplysninger fra billeder samt, herunder en metode, der undgår træk afsløring og optiske flow felterne og direkte bruger billedet intensiteter.

  0   0
Forrige artikel Beagle Bros
Næste artikel Archie Barton

Kommentarer - 0

Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha