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