1 / 14

Aus der Sicht eines Roboters

Aus der Sicht eines Roboters. Erzeugen von Situationsmodelle für z.B. BIRON Welche Schritte sind notwendig?. Perzeption der Szene. Fokus auf 3D Datenakquise Verschiedene Möglichkeiten: Stereo-Kameras Laserscanner Unsere Wahl: Swissranger SR3000 3D Time-of-Flight (ToF) Kamera

charles-donovan
Télécharger la présentation

Aus der Sicht eines Roboters

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Aus der Sicht eines Roboters • Erzeugen von Situationsmodelle für z.B. BIRON • Welche Schritte sind notwendig?

  2. Perzeption der Szene • Fokus auf 3D Datenakquise • Verschiedene Möglichkeiten: • Stereo-Kameras • Laserscanner • Unsere Wahl: • Swissranger SR3000 • 3D Time-of-Flight (ToF) Kamera • 176 x 144 Pixelsensoren • Abstandsberechung aus Zeitdifferenz zwischen Senden und Empfangen eines Infrarotsignals

  3. Beispieldaten eines Büros

  4. Erweiterung des Sichtfelds • Aufnahme einer Sequenz von 3D Punktwolken • Registrierung und Rekonstruktion zu einer globalen Punktwolke • Diplomarbeit:„Estimation of Camera Motion from Depth Image Sequences“

  5. Erweiterung des Sichtfelds

  6. Analyse der Szenen • Datengetriebene Analyse der 3D Punktwolken • Extraktion von geometrischen „Raumprimitiven“: • Beschränkung auf von Menschen gestaltete Innenräume • Extraktion von planaren Flächen: • Gegebene Anordnung der 3D Punkte in eine 2D Matrix • Region Growing über die 8-er Nachbarschaft durch Punkte die 4 Kriterien erfüllen • Kriterien: planar, valid, conormal, coplanar

  7. Analyse der Szenen

  8. Raumerkennung • Raumerkennung auf Basis planaren Strukturen • Experiment: • Raumkategorien: Büro, Seminarraum, Flur • Ziel: Klassifikation eines Perzepts (3D Punktwolke) in einer der 3 Raumkategorien • Statistiken auf den extrahierten Ebenen zur Definition von geeigneten Merkmalsvektoren

  9. 4 untersuchte Statistiken • Anzahl der Punkte pro planare Fläche • Winkel zwischen allen Flächenpaaren • Winkel zwischen nah benachbarten Flächenpaaren • Größen-verhältnisse zwischen allen Flächenpaaren

  10. Ergebnisse Trainingsräume

  11. Ergebnisse Testräume

  12. Ergebnisse

  13. Ausblick • Nächste Schritte: • Experimente mit anderen Räumen (z.B. Wohnzimmer, Schlafzimmer, Küche) • Untersuchung alternativer Statistiken • Weitere Ziele: • Generieren von Szenenmodellen basierend auf planaren Strukturen und extrahierten Merkmalen • Wissen über menschliche Modelle integrieren • Weltwissen über Räume aufbauen

More Related