sistema de localización visual por color (m. dominguez duran)
TRANSCRIPT
-
Localizacin Por Visin Usando Estructuras De Color
Miguel ngel Domnguez DurnDepartamento De Tecnologa
ElectrnicaUniversidad De Mlaga
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Introduccin Tradicionalmente el concepto robot
ha sido entendido como el de un manipulador fijo programable
La mejora de hardware y software propicia que en la actualidad se asocie la idea de robot a un agente autnomo mvil
Para poder llevar a cabo su tarea el robot necesita saber dnde est
LOCALIZACIN Seguimiento
Absoluta
-
Tcnicas de localizacin
Introduccin
Tipos de tcnicas de localizacin Odometra Sistemas de balizas Deteccin de marcas
-
Deteccin de marcas
Introduccin Las marcas son objetos o estructuras
significativas que el robot es capaz de reconocer Eleccin adecuada de las marcas y su
caracterizacin Adquisicin de informacin de los sensores
Deteccin de marcas
Correspondenciaentre informacinde los sensores y mapa aprendido
Localizacin
Dos tipos de marcas Geomtricas Visin
Artificiales
Naturales
-
Marcas de visin
Introduccin
La eleccin de las marcas y su caracterizacin es fundamental
Algoritmo de caracterizacin de marcas y algoritmo de correspondencia complejos
No se necesita modificar el entorno de trabajo
Marcas naturales Marcas elegidas para contraste
ptimo El robot conoce el tamao y forma
exactos de las marcas Mejor comportamiento que con
marcas naturales Necesidad de modificar el entorno
de trabajo
Marcas artificiales
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Objetivo Sistema de localizacin por visin basado en marcas naturales
Etapa previa al funcionamiento del sistemaRecopilacin
informacin del entorno
Caracterizacin de la informacin
recopilada
Creacin de la base de datos del
entorno
Sistema en funcionamientoCaptura de imagen
del entornoComparativa imagen
capturada y base de datos
LOCALIZACIN
-
Caracterizacin de imgenes
Objetivo Lo que nos llama la atencin de una imagen
distribucin espacial de regiones de color homogneo
Segmentacin de las imgenes a color Obtencin de una medida de color de las clases
y de informacin de su posicin Definicin de una estructura topolgica
geomtrica que permita una almacenamiento y manipulacin eficiente de la informacin
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Espacios De Color Son modelos o formas de representar la informacin
de color contenida en una imagen Existen una condiderable cantidad de ellos, siendo
unos ms adecuados que otros en funcin del tratamiento que se vaya a dar a la imagen: RGB, HSI, HSV, CMY, Lab...
El sistema implementado conmuta entre dos espacios de color: El espacio RGB El espacio HSI
-
Espacios De Color Componentes de tono, saturacin e intensidad Modelo de doble cono donde el tono indica el ngulo, la
saturacin indica el radio y la intensidad la altura de un determinado color
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Segmentacin Y Representacin Topolgica La caracterizacin de una imagen se obtiene de su divisin en
distintas regiones de color homogneo: segmentacin El color de las regiones est caracterizado por su histograma de
tono, no son colores puros sino texturas
Para eliminar la informacin redundante empleamos el Anlisis de las Componentes Principales del histograma de tono (PCA)
-
Anlisis de las Componentes Principales
Segmentacin Y Representacin Topolgica Mediante PCA una serie de componentes caracterizan los
histogramas de tono Las componentes principales se calculan mediante la proyeccin
del histograma de tono en una base ortogonal Necesitamos un espacio que represente todo el rango de valores
de tono posibles. No se encuentra en la realidad artificial
N = 256 n = 16 = 4
-
Anlisis de las Componentes Principales
Segmentacin Y Representacin Topolgica
Un nmero de componentes menor a 5 entrega pocas clases en la segmentacin
Un nmero de componentes mayor a 5 no mejora la segmentacion significativamente
2 componentes 5 componentes 7 componentes
-
Criterio de homogeneidad
Segmentacin Y Representacin Topolgica
Referencia 0.78 10.66 25.26 83.16
La segmentacin se basa en la tcnica de divisin y mezclado jerrquico. Se necesita definir un criterio de homogeneidad
-
Divisin y mezclado jerrquico
Segmentacin Y Representacin Topolgica
1. Creacin estructura jerrquica: relacin padre-hijos
2. Divisin jerrquica3. Mezclado jerrquico
1. Para cada nodo busco padre
2. Si no encuentro padre, busco hermano
4. Eliminacin de nodos acromticos
-
Representacin topolgica
Segmentacin Y Representacin Topolgica
Imagen de entrada Segmentacin de la imagen de entrada
Nmero de clase rea en pxeles Coordenadas del
centroide Coordenadas del
bounding box Componentes
principales del histograma de tono
Componentes medias HSI
Cromaticidad
Parmetros que definen a cada clase de la imagen
Construccin del grafo de la imagen
Eliminacin de las clases pequeas
-
Aprendizaje y almacenamiento del entorno
Segmentacin Y Representacin Topolgica
Captura de imgenes del entorno y del desplazamiento
entre ellas
Segmentacin de una imagen
Construccin del grafo de la imagen
Almacenamiento del grafo en ficheroQuedan imgenes?
S
No
Paso a la imagen siguiente
Construccin del grafo global del entorno
-
Localizacin
Segmentacin Y Representacin Topolgica
Captura de una imagen aleatoria
Segmentacin de la imagen de entrada
Construccin del grafo de entrada
Incertidumbre en el resultado de la comparacin?
S
NoLOCALIZACIN
Comparacin entre grafo de entrada y grafo global
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Algoritmo De Comparacin De Grafos
Imagen de entrada
Entorno de trabajo
-
Algoritmo De Comparacin De Grafos
Grafo de la imagen de
entrada
Grafo global del entorno
-
Algoritmo De Comparacin De Grafos
P1 = 1.00
P4 = 0.99
P8 = 0.99
-
Grupo de nodos candidato 1
Algoritmo De Comparacin De Grafos
P1 = 1.00
P = 1- Distancia(3,3) = 1.00 P = 1- Distancia(3,1) = 0.01
-
Grupo de nodos candidato 1
Algoritmo De Comparacin De Grafos
P1 = 1.00
P = 1- Distancia(10,10) = 1.00
-
Grupo de nodos candidato 1
Algoritmo De Comparacin De Grafos
P1 = 0.75
P = 1- Distancia(6,1) = 0.00
-
Grupo de nodos candidato 4
Algoritmo De Comparacin De Grafos
P4 = 0.504
P = 1- Distancia(3,4) = 0.009
-
Grupo de nodos candidato 4
Algoritmo De Comparacin De Grafos
P4 = 0.348
P = 1- Distancia(10,8) = 0.00 P = 1- Distancia(10,11) = 0.03
-
Grupo de nodos candidato 4
Algoritmo De Comparacin De Grafos
P4 = 0.26
P = 1- Distancia(6,4) = 0.00
-
Resultado
Algoritmo De Comparacin De Grafos
P1 = 0.75
P4 = 0.26
P8 = 0.38
-
Resultado
Algoritmo De Comparacin De Grafos
P1 = 0.75
P4 = 0.26
P8 = 0.38
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Entorno de pruebas 1
Experimentos Y Pruebas
Resultado Nmero de imgenes Porcentaje
Aciertos 34 56.66
Incertidumbres 22 36.66
Fallos 4 6.66Total 60 100
-
Entorno de pruebas 2
Experimentos Y Pruebas
Resultado Nmero de imgenes Porcentaje
Aciertos 17 48.51
Incertidumbres 12 34.28
Fallos 6 17.14Total 35 100
-
Entorno de pruebas 3
Experimentos Y Pruebas
Resultado Nmero de imgenes Porcentaje
Aciertos 23 82.14
Incertidumbres 5 17.85
Fallos 0 0Total 28 100
-
Fallos
Experimentos Y Pruebas
-
Incertidumbres
Experimentos Y Pruebas
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Conclusiones
Conclusiones Y Trabajo Futuro
El sistema de localizacin funciona razonablemente bien en entornos de trabajo con ciertas condiciones:
1. Nivel de cromaticidad suficientemente elevado
2. Grado de detalle aceptable3. Regiones sucientemente diferenciables
entre s
-
Aplicaciones
Conclusiones Y Trabajo Futuro
Aplicaciones del sistema de localizacin por color:
1. Localizacin de un sistema de navegacin o robot mvil
2. Localizacin en sistemas de Realidad Aumentada
3. Sistemas de recuperacin de imgenes en base a su contenido
-
Trabajo futuro
Conclusiones Y Trabajo Futuro Segmentacin y caracterizacin de las imgenes
Estudio de una combinacin de valores ptima en los umbrales de decisin
Construccin de grafos Inclusin de informacin geomtrica de las clases, inclusin de
nodos acromticos y de pequeo tamao Algoritmo de comparacin
Comparacion entre nodos cromaticos y acromaticos Comparacion en base a descriptores geometricos Estudio de una combinacin de valores ptima en los umbrales
de decisin Algoritmos de tipo Markov o Montecarlo
-
ndice Introduccin Objetivo Espacios de color Segmentacin y representacin topolgica Algoritmo de comparacin Experimentos y pruebas Conclusiones y trabajo futuro Demostracin
-
Odometra Integracin incremental de la informacin de
movimiento a lo largo del tiempo Basada en ecuaciones sencillas que usan las seales
de codificadores incrementales y sensores baratos Hiptesis de equivalencia entre revoluciones de las
ruedas y desplazamiento relativo al suelo no vlida, lo que implica la aparicin de errores
Se emplea combinada con otras tcnicas en la mayora de sistemas de localizacin
-
Sistemas De Balizas
El sistema mvil realiza clculos angulares o de distancia respecto a balizas situadas en posiciones conocidas con medidas de seales radio
Gran fiabilidad y precisin en un tiempo de procesamiento muy pequeo
Modificacin del entorno, alto coste de instalacin y mantenimiento de las balizas
-
Posicionamiento Basado En Mapas
No hay necesidad de modificar el entorno Se generan mapas que pueden ser tiles en las tareas a
llevar a cabo por el sistema El robot puede aprender nuevos entornos Entornos estticos y caracterizaciones fcilmente
distinguibles Necesita mucha capacidad de procesamiento y sensores de
calidad
Adquisicin de informacin de los sensores
Construccinmapa local
Correspondenciaentre mapa local y mapa global almacenado
Localizacin
-
Posicionamiento Basado En Mapas
La construccin de mapas depende en gran medida de la capacidad sensorial del sistema
1. Extraccin de caractersticas de la informacin sensorial
2. Fusin de la informacin de todos los sensores
3. Generacin del modelo o mapa del entorno
-
Posicionamiento Basado En Mapas
Mapas geomtricos El mapa representa los
objetos en su posicin exacta de acuerdo a las relaciones geomtricas absolutas existentes entre ellos
Mapas topolgicos Grafos de adyacencia que
registran las relaciones geomtricas entre los objetos respecto a una referencia
-
Posicionamiento Basado En Visin Los sensores pticos son los que ms
informacin del entorno pueden proporcionar Dificultad en la extraccin de caractersticas de
la imagen Tres tipos de sistemas
Basados en marcas Basados en modelos Construccin de mapas a partir de caracterizaciones
-
Espacio RGB El color se representa a partir de tres seales, resultado de
hacer pasar la luz por tres filtros diferentes rojo, verde y azul Se representa en un modelo de cubo con los colores primarios
situados en cada una de las esquinas
-
Criterio De Homogeneidad Se basa en el Anlisis de las Componentes Principales del
histograma de tono de las regiones El parmetro de tono se codifica de forma que existen 256 valores
posibles. Los histogramas de tono son vectores de 256 posiciones En lugar de caracterizar a cada regin por su histograma de tono
se intenta eliminar informacin redundante mediante su proyeccin en una base ortogonal de dimensin 5
Dicha base es representativa para todos los histogramas de tono posibles ya que se genera a partir de 16 histogramas que cubren todo el rango de tonos
N = 256
n = 16
= 4