Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Objekt- und Selbstlokalisation in der Robotik

Ähnliche Präsentationen


Präsentation zum Thema: "Objekt- und Selbstlokalisation in der Robotik"—  Präsentation transkript:

1 Objekt- und Selbstlokalisation in der Robotik
Arndt Mühlenfeld

2 Anfang soccerVision liefert Positionen im Bild.
Die Tore und das Hindernis mit Bounding-Box und Schwerpunkt. Auf den Ball wird ein Kreisfitting durchgeführt.

3 soccerVision

4 Mängel Kein Bestimmung der Ballposition im Spielfeld.
Khepera erkennt die Wand nicht als Hindernis. Keksi braucht Selbstlokalisation.

5 „goalieVision“ Segmenter Ballposition RGB-Image Match Model Linescan
Blob-selection + Circlefitting Segmenter Ballposition RGB-Image soccerVision Houghtransform + Line-selection Match Model Linescan Pose

6 Selbstlokalisation 1) Finden von potentiellen Linienpunkten
2) Hough-Transformation 3) Ermitteln der Maxima 4) Zählen der Punkte auf jeder Linie 5) Maxima wählen und ähnliche entfernen 6) Vergleich mit gegebenem Modell

7 Line-scan

8 Kamera-Kalibrierung Linsen-Verzerrung (k1 k2 p1 p2) Kamera-Matrix

9 OpenCV Funktionen in OpenCV: Aber: cvFindChessBoardCornerGuesses
cvCalibrateCamera Aber: Punkte im Bild müssen den Punkten im „Schachbrett“ zugeordnet werden.

10 FindChessBoardCornerGuesses

11 Die Houghtransformation für Geraden
bzw.

12 Linien im Bild

13 Umrechung in die Boden-Ebene
Ebenengleichung: y z Blickrichtung Kalibriert in mm B Höhe Roboter x X0 A

14 Kalibrierung für den Khepera
120 110 60 60

15 Das Modell vom Test-Goalie (Keksi II)
Hough-Space v 600 h Tor

16 Probleme Mehrdeutigkeiten in der Position:

17 Ballposition 2 Möglichkeiten:
Berechnung der Projektion des Mittelpunkts auf den Boden, über die Ballhöhe kommt man auf die tatsächliche Position. Ermitteln der Parameter der Ebene parallel zum Boden durch die Ballmitte. Problem: Das Ballzentrum im Bild ist sehr ungenau.

18 Ballgeschwindigkeit Einfache Differenzbildung zwischen zwei Bildern funktioniert nicht gut. Kalman-Filter: Modell: Messung:

19 Anwendung Ableiten des Controllers von visionControllerBase. Überschreiben der virtuellen Methoden: setBallPosition (timestamp, x, y) setPose (timestamp, x, y, phi) Erzeugen eines goalieVision - Objekts, Übergabe des Controller-Objekts. Aufruf der Methode goalieVision::Run()

20 (Eine detailliertere Beschreibung mit Referenzen ist in Arbeit)
Ende (Eine detailliertere Beschreibung mit Referenzen ist in Arbeit)


Herunterladen ppt "Objekt- und Selbstlokalisation in der Robotik"

Ähnliche Präsentationen


Google-Anzeigen