Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Ilse Gerhardt Geändert vor über 8 Jahren
1
Projekt A4: „Alignment of Situation Models“ Dr. Gerd Rickheit Dr. Sven Wachsmuth Dr. Constanze Vorwerg Agnes Swadzba SFB-Kolloqium, 04.02.2008
2
Alignment in Communication SFB 673 2 Aus der Sicht eines Roboters Wahrnehmung komplexer Räume Vereinfachung der Komplexität durch: Erzeugen von Situationsmodelle Alignment der Modelle Nutzen der Modelle zur Reduktion des visuellen Verarbeitungsaufwands Welche Schritte sind notwendig? BIRON
3
Alignment in Communication SFB 673 3 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
4
Alignment in Communication SFB 673 4 Beispieldaten eines Büros
5
Alignment in Communication SFB 673 5 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“
6
Alignment in Communication SFB 673 6 Erweiterung des Sichtfelds
7
Alignment in Communication SFB 673 7 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
8
Alignment in Communication SFB 673 8 Analyse der Szenen
9
Alignment in Communication SFB 673 9 Ziele der Szenenanalyse Menschen haben beim Betreten eines Raumes ein Raumkonzept im Kopf Alignment des Roboter auf dieses Konzept Durch ähnliche Konzepte wird die Kommunikation effektiver, einfacher und schneller Strategien: Aushandeln im Dialog (Koordination) Annahmen aus Daten generieren Aus Handlungen generieren usw. Wahrnehmung ist durch aktuelle Situation determiniert
10
Alignment in Communication SFB 673 10 Raumerkennung Raumerkennung auf Basis planaren Strukturen Experiment: Raumkategorien: Büro, Seminarraum, Flur Ziel: Klassifikation von Perzepten (3D Punktwolken) in einer der 3 Raumkategorien (sowohl von bereits bekannten wie auch von unbekannten Räumen) Merkmale: Statistiken auf extrahierten Ebenen
11
Alignment in Communication SFB 673 11 4 untersuchte Statistiken Anzahl der Punkte pro planare Fläche Winkel zwischen allen Flächenpaaren Winkel zwischen nah benachbarten Flächenpaaren Größen- verhältnisse zwischen allen Flächenpaaren
12
Alignment in Communication SFB 673 12 Durchführung des Experiments 300 frames pro Raum als Trainingsdaten 270 frames zum Trainieren der Klassifikatoren Neuronale Netze (NN) Support Vector Machine (SVM) Mischverteilungsklassifkator (MVK) 30 frames zum Testen der Raumwiedererkennung 300 frames von 3 weiteren Räume zum Testen der Kategorisierungsleistung bei unbekannten Räumen
13
Alignment in Communication SFB 673 13 Ergebnisse Trainingsräume
14
Alignment in Communication SFB 673 14 Ergebnisse Testräume
15
Alignment in Communication SFB 673 15 Ergebnisse
16
Alignment in Communication SFB 673 16 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 Integration von Farbinformation Verwenden von Objektdetektoren Wissen über menschliche Modelle integrieren Weltwissen über Räume aufbauen Mögliche Dimensionen (Raumkonzept, Farbspektrum, Größenbeziehungen, usw.)? Alignment auf und Abhängigkeit zwischen den Dimensionen?
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.