robot vision cup 2016
TRANSCRIPT
Robot Vision CupThe Black Ciabbath
Bassi Marco – Caggiano Carlo – Di Gruttola Carmine – Esposito Emiddio – Scala Domenico
OUTLINE
• La competizione
• Pre elaborazione
• Detection
• Features e classificazione
• Movimentazione
La competizione
• Obiettivo: riconoscimento di oggetti e movimentazione
• Movimentazione di NAO all’interno di un’arena
• Riconoscimento di mele gialle o rosse, tazzine da caffè e bicchieri
• Riconoscimento di marker per identificare il percorso
OUTLINE
• La competizione
• Pre elaborazione
• Detection
• Features e classificazione
• Movimentazione
Pre elaborazione
• Utilizzo di un filtro gaussiano per la riduzione del rumore
• Normalizzazione dell’immagine per ridurre problemi dovuti alla luminosità
• Applicazione dell’algoritmo di Canny per l’estrazione dei contorni
• Operazioni ripetute per ogni canale e i risultati sono sommati ottenendo un’unica immagine dei contorni
OUTLINE
• La competizione
• Pre elaborazione
• Detection
• Features e classificazione
• Movimentazione
Detection
• Dall’immagine contenente i contorni vengono estratte le coordinate dei punti
• Sull’insieme di punti viene effettuato un clustering a minima distanza
• Sui cluster ricavati si fondono quelli il cui bounding box si interseca e si ignorano quelli che non soddisfano certe caratteristiche
• Di tutti i cluster identificati se ne seleziona al più uno a seconda del task da effettuare
OUTLINE
• La competizione
• Pre elaborazione
• Detection
• Features e classificazione
• Movimentazione
Features e classificazione (1/4)
• Prima di estrarre le features, l’immagine viene resa quadrata tramite una trasformazione lineare per correggere problemi di prospettiva
• Per i marker sono state utilizzate 5 features:
• Divisione del bounding box in 4 porzioni in base al centro di massa e calcolo della media per porzione
• Rapporto tra area della convex hull e area del bounding box
• Per gli oggetti sono state estratte 5 features:• Calcolo del rapporto d’aspetto• Calcolo del rapporto tra le medie
dei canali rosso e verde e dei canali rosso e blu
• Calcolo dei primi 2 momenti di Hu
Features e classificazione (2/4)
• In seguito sono stati addestrati due classificatori, uno per gli oggetti e uno per i marker
• Il classificatore usato è un classificatore Normal Bayes
• I training set sono stati acquisiti utilizzando la camera di NAO con immagini a risoluzione 1280*960
• Per i marker il training set è composto da circa 100 foto
• Per gli oggetti il training set è composto da più di 300 foto
Features e classificazione (3/4)
• Per valutare la bontà del classificatore è stato acquisito un ulteriore test set
• Per gli oggetti il test set è grande circa 1/3 del training set
• Per i marker il test set è grande circa ½ del training set
Features e classificazione (4/4)
OUTLINE
• La competizione
• Pre elaborazione
• Detection
• Features e classificazione
• Movimentazione
Movimentazione
• Sono state utilizzate le librerie di NAO per la movimentazione gli arti inferiori e della testa
• Si effettua l’allineamento ai marker in caso questi siano troppo scostati dal centro visivo di NAO
GRAZIE PER L’ATTENZIONE