160 likes | 327 Views
ΕΚΕΦΕ «Δημόκριτος» Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών. Ορισμός & Ανίχνευση Οπτικών Οροσήμων για Πλοήγηση σε εσωτερικούς χώρους. Δ. Κοσμόπουλος – Κ. Χανδρινός Email: {dkosmo, kostel}@iit.demokritos.gr.
E N D
ΕΚΕΦΕ «Δημόκριτος» Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών Ορισμός & Ανίχνευση Οπτικών Οροσήμων για Πλοήγηση σε εσωτερικούς χώρους Δ. Κοσμόπουλος – Κ. Χανδρινός Email: {dkosmo, kostel}@iit.demokritos.gr Παρουσίαση στο πλαίσιο τουΔεύτερου Πανελλήνιου Συνεδρίου Τεχνητής ΝοημοσύνηςΘεσσαλονίκη, 12 Απριλίου 2002
Το πρόβλημα Πλοήγηση ρομποτικής πλατφόρμας με αξιοποίηση οπτικής πληροφορίας (υπολογιστική όραση) 2
Αυτόνομη ρομποτική πλοήγηση • Παρά τον όγκο εργασίας, η αυτόνομη ρομποτική πλοήγηση χωρίς περιορισμούς δεν έχει λυθεί • Εξαιρετικά αποτελέσματα για ελεγχόμενα περιβάλλοντα • Ανάγκη να λυθούν πολλά διαπλεκόμενα προβλήματα, όπως: • Μοντελοποίηση περιβάλλοντος • Αντίληψη περιβάλλοντος & αυτογνωσία • Αναγνώριση στόχου • Εκτέλεση σχεδιασμού / επιβεβαίωση κίνησης 3
Εύρος λύσεων Λύσεις • Μετρική προσέγγιση • Τοπολογική προσέγγιση • Σύντηξη πληροφορίας από αισθητήρες • Διαμόρφωση περιβάλλοντος • Χρήση ολικής οπτικής πληροφορίας • Μοντελοποίηση περιβάλλοντος ... 4
Πλοήγηση με οπτική πληροφορία • Η πλοήγηση με οπτική πληροφορία ακολουθεί συνήθως τοπολογική προσέγγιση: • Κατασκευάζει έναν τοπολογικό χάρτη του κόσμου • Προσδιορίζει την τρέχουσα θέση ως προς χάρτη • Υποστηρίζει την πλοήγηση με αναπαράσταση σχεδίου πορείας με όρους οπτικών ενδιάμεσων μεταξύ αρχής και τέλους πορείας. • Η αναγνώριση “οπτικών οροσήμων” διατρέχειόλες τις επιμέρους φάσεις. 5
Η προσέγγισή μας • Αναγνώριση οπτικών οροσήμων βασισμένων σε αντικείμενα του χώρου που αναπαρίσταται ως γράφος • Τα αντικείμενα οριοθετούνται από τις κορυφές τους (γωνίες) 6
Αναγνώριση κορυφών • Επιλογή αλγορίθμου για εξαγωγή κορυφών • Kanade-Lucas-Tomasi (KLT) vs. SUSAN • Επιλογή κορυφών σε ωφέλιμα τμήματα της εικόνας 7
Σημείο διαφυγής Αναγνώριση σημείου διαφυγής στον «απέναντι» τοίχο Αξιοποίηση της εξαγωγής ακμών για τον ορισμό των επιφανειών 8
Ομαδοποίηση (clustering) • Προσομοίωση «βαρυτικών» δυνάμεων • Η σταθερά Κ ρυθμιστής του πλήθους των ομάδων 9
Μετρική σύγκρισης ομάδων • Αναπαράσταση ομάδων ως διανύσματα με συντεταγμένες: • Πλήθος κορυφών • Απόσταση Mahalanobis του κέντρου βάρους από σημείο διαφυγής • Γωνία θέασης κέντρου βάρους από σημείο διαφυγής 10
Μετρική σύγκρισης ομάδων • Σύγκριση με αποθηκευμένα ορόσημα 11
Συμπεράσματα • Μέθοδος για την ποιοτική αναγνώριση οπτικών οροσήμων • Περιορισμός κλειστών χώρων (σημείο διαφυγής) • Υψηλού επιπέδου πλοήγηση vs. χαμηλού επιπέδου (π.χ. αποφυγή εμποδίων) 15
Ορισμός & Ανίχνευση Οπτικών Οροσήμων Κωνσταντίνος Χανδρινός IIT – NCSR “Demokritos” Athens, Greece More info: kostel@iit.demokritos.gr http://www.iit.demokritos.gr/skel/ ΥΓΕΙΟΡΟΜΠΟΤ - ΠΕΝΕΔ 99 ΕΜΠ – ΕΚΕΦΕ «Δ» - ΠΑΠΕΙ 16