Главная » Просмотр файлов » Диссертация

Диссертация (1090939), страница 13

Файл №1090939 Диссертация (Повышение точности позиционирования камеры в задаче одновременной локализации и картирования для систем прикладного объемного телевидения) 13 страницаДиссертация (1090939) страница 132018-01-18СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 13)

Цветные изображения,поступающие с RGB камеры, имеют глубину цвета 8 бит/канал. Приразработке и тестировании алгоритма использовались различные тестовыенаборы данных, полученные при различных условиях освещения и характереокужающего пространства. [74,71,87]. На рисунке 2.33 приведены картаглубины и RGB изображение, полученные при работе алгоритма. Наизображениях отмечены двумерные координаты особых точек в плоскостицветного изображения, полученных с помощью детектора SURF, и значениярасстояния до этих точек, полученные с помощью анализа карты глубины.Черныеобластикартыглубны,полученнойпрограммно-аппаратномспособом с помощью RGBD камеры, говорят о том, что в этих диапазонахкоординат особых точек, получение данных о расстоянии невозможно.

Этанеопределенность может вносить сильные искажения в одометрическиеданные, получаемые в форме матрицы поворота и вектора переноса.Частичным решением даннойпроблемы является получение искомогозначения на карте глубины методом медианного среднего в пределах95прямоугольной области заданного радиуса вокруг особой точки. В даннойработе использовалась локальная область размером 5×5 пикселей. Задачапредобработки карты глубины подробно рассматривается в следующей главедиссертации.(б)(а)Рис. 2.33. Особые точки на карте глубины (а) и цветном изображении (б),полученных с камерыНа рисунке 2.34 приведена полученная траектория движения камерыдля последовательности №1 набора тестовых данных [87].Рис. 2.34. Траектория движения камеры, полученная методом SLAM всравнении с действительной траекторией движения.96Набор соответствий между особыми точками и положение камеры впространстве представляют собой одно из состояний фильтра частиц.

Векторсостоянийформируетсясоспоставлениявнаблюдаемыхсоответствииориентиров,сразличнымиспособамидостигаемымихарактеромформирования их наборов. Так, множество особых точек, полученное длятекщего кадра сопоставляется последовательно с предыдущеми наборамиособых точек. В совокупности с обновленным положением камеры, этиданные формируют одну из частиц, таким образом в течение каждого циклаработы алгоритма обновляется 10 состояний фильтра частиц.Тестированиереализованногоалгоритмапроизводилосьводнопоточном режиме на персональном компьютере под управлениемпроцессора Intel Core i5-4210 с частотой 1.7 ГГц.

Величина ошибкивычислялась как среднее значение среднеквадратического отклоненияоценки координат камеры, полученных с помощью вычисления афинногопреобразования координат особых точек, от действительных данных напротяжении всего пути движения [83, 52].

Результаты для набора тестовыхизображений [71,74] приведены в таблице 2.7.Таблица 2.7. Результаты оценки ошибки работы алгоритмаТестоваяпоследовательностьPUTKK Sequence 1 Kin v1PUTKK Sequence 2 Kin v1PUTKK Sequence 3 Kin v1PUTKK Sequence 4 Kin v1fr1/xyzfr1/roomfr2/deskfr2/slamРазмер карты5.98 × 2.665.97 × 2.936.18 × 2.856.77 × 2.280.52 × 0.782.53 × 2.173.95 × 4.406.96 × 6.52Среднеквадратическаяошибка, м0.290.250.220.340.070.160.220.26Таким оброзом, среднеквадратическе отклонение оценки координат камерыот действительных значений для данного набора тестовых данных составляет0.23 ± 0.08 м.97По результатам исследований детекторов ключевых точек был сделанвывод значительном преимуществе детектора ORB над SURF с точки зренияскорости работы и о большом потенциале применения пары детектор ORB –дескриптор SURF.

Сравнение результатов скорости работы алгоритма сприменением SURF и ORB детекторов ключевых точек показывают 34%сокращение времени обработки данных в случае использования ORBдетектора. На рисунке 2.34 приведены результаты детектирования особыхточек для обоих методов.(б)(а)Рис. 2.35.

Особые точки, полученные с помощью SURF (а) и ORB (б)детекторов.Рис. 2.36. Среднеквадратическая ошибка оценки смещения камеры прииспользовании детекторов ORB и SURF в задаче наблюдения ориентировалгоритма SLAM98Экспериментальныеисследованиядемонстрируютотносительнуюсхожесть обоих методов в точности работы при большом количестве особыхточек.

Различие в результатах более чем в 10% начинает проявляться вслучаях, когда в процессе работы алгоритма обрабатывается менее 100особых точек. В этом случае SURF детектор демонстрирует лучшиерезультаты.Таблица 2.8. Среднеквадратическая ошибка оценки смещения камерыКоличество особых точекТипдетектора3060100150200ORB34.1221.2117.109.417.15SURF28.7618.8216.548.726.47На рисунке 2.37 приведены результаты вычисления траектории камерыприискусственномограничениичисладетектируемыхориентировпятидесятью.Рис.

2.37. Траектории движения камеры, полученные при использованиидетекторов ORB и SURF в задаче наблюдения ориентиров алгоритма SLAM99В первом случае для детектирования особых точек используется метод ORB,тогда как во втором детектор SURF. В обоих случаях для описаниянайденных точек используется дескриптор SURF.

Численные результатыпоказывают в среднем на 6% худшую точность траектории движения камерыдля алгоритма на основе ORB детектора, в отличие от случая использованияSURF. Таким образом, ORB детектор может стать одним из решений,позволяющих увеличить производительность алгоритма одновременнойлокализации и картирования в системе прикладного телевидения приусловии 6% снижения точности работы алгоритма.2.5.Краткие выводыВ данной главе работы были рассмотрены основные оптическиехарактеристики RGB-D камеры и вопросы калибровки. Проведение внешнейкалибровки системы позволяет уменьшить ошибку репроецирования всреднем на 60-80% до величины 0.3 пикселя.

В конечном счете эта величиназависит от оптических характеристик каждой конкретной камеры. Ошибкаопределения трехмерных координат точки определяется искажениями,вносимыми обеими камерами RGB-D системы.По результатам исследований детекторов и дескрипторов особых точекможно сделать вывод о большом потенциале применения пары детектор ORB– дескриптор SURF, сочетающей в себе высокую скорость детектирования,присущую методу ORB, и точность дескрипторов SURF. Численныерезультаты показывают в среднем на 6% худшую точность траекториидвижения камеры и 34% сокращение времени обработки данных дляалгоритма на основе ORB детектора, в отличие от случая использованияSURF. Таким образом, ORB детектор может стать одним из решений,позволяющих увеличить производительность алгоритма одновременнойлокализации и картирования в системе прикладного телевидения приусловии 6% снижения точности работы алгоритма.100Исследование различных путей решения задачи одновременнойлокализации и картированияпоказало, что каждый из подходов своипреимущества и недостатки, и выбор того или иного алгорима напрямуюзависит от характера задачи, типа датчика и вычислительных ресурсовсистемы.МетодFastSLAMхарактеризуетсялинейнымхарактеромзависимости вычислительной сложности от количества пространственныхориентиров.

Это, однако, не является неоспоримым преимуществом принебольшом количестве наблюдений, что хараткерно для решений в составесистем прикладного телевидения. Метод на основе расширенного фильтраКалмана демонстрирует в среднем меньшую ошибку при вычислениитраектории движения камеры, однако проигрывает методу на основе фильтрачастиц при уменьшении числа отслеживаемых ориентиров.Итоговая версия алгоритма была реализована на языке C# сприменением ряда библиотек для задач цифровой обработки изображений,численных методов и визуализации данных. Проведены исследованияточности работы алгоритма.

Среднеквадратическе отклонение оценкикоординат камеры от действительных значений для тестовых данных [87]составляет 0.28 ± 0.08 м.101ГЛАВА 3. МОДИФИКАЦИЯ КОМПОНЕНТОВ СИСТЕМЫ3.1.Вводные замечанияРеальные условия работы алгоритма одновременной локализации икартирования подразумевают ряд аспектов, приводящих к ухудшениюточности локализации камеры и построения карты пространства.

Так, картаглубины, получаемая на выходе RGB-D камеры подвержена различнымдефектам, вызываемым способом получения дальнометрических данных,недостаточным уровнем освещенности, характером материалов объектовсцены. Поэтому для задач технического зрения в большинстве случаевтребуется предобработка карты глубины с целью минимизации влияниятаких дефектов. Наряду с методом восстановления карты глубины в даннойглаве исследуется применимость сигма-точечного фильтра Калмана в задаченаблюдения пространственных ориентиров. Классическое решение на основерасширенного фильтра Калмана, обычно использующееся в алгоритмеFastSLAM,подразумеваетпроцесслинеаризациимоделидвиженияориентиров.

В этом заключается главная причина, по которой этот подходможет оказаться неэффективным в случае использования сильно нелинейноймодели движения. Также, в главе предлагается метод адаптивноговычисления порога эффективного числа частиц, учитывающий эволюциюэтой величины.3.2.Предобработка карты глубины3.2.1. Причины возникновения искажений карты глубиныКарта глубины, получаемая в системе прикладного объемноготелевидения при помощи искусственного светового текстурирования сцены,как правило, содержит множество различных искажений и дефектов. Средиряда различных факторов, приводящих к подобным искажениям можновыделить следующие явления [21]:1021.

Поглощающие и отражающие поверхности приводят к появлению накарте глубины дефектов, что вызвано невозможностью определенияшаблона в данной точке сцены;2. Ненулевая стереобаза системы проектора приводят к взаимнымперекрытиям объектов на изображениях, поэтому часть точекпроецируемого шаблона оказывается вне поля зрения камеры.3. Шумы проектора и камеры приводят к ошибкам детектирования точекшаблона и, как следствие, к ошибкам карты глубины.4. Триангуляционный метод расчета расстояния характеризуется тем, чтопогрешность измерения глубины растет с увеличением расстояния дообъектов сцены.5. Сильныеискаженияпроецируемогошаблонанаповерхностяхобъектов, ориентированных вдоль оптической оси камеры или вблизиэтого положения.В зависимости от причин возникновения и характера искажений,дефекты можно разделить на три группы [20]:1.

Случайнорасположенныеобластинаповерхностяхобъектов,возникающие вследствие ошибок распознавания светового шаблона(рисунок 3.1а), в том числе из-за поглощающего/отражающегохарактера поверхности объектов (рисунок 3.1б);2. Области на границах объектов, появляющиеся вследствие перекрытияпроецируемого шаблона объектами сцены, (рисунок 3.1в);3. Ошибками детектирования светового шаблона на большом расстоянииот камеры за границей разрешающей способности сенсора камеры(рисунок 3.1г).В силу данных факторов исходная карта глубины в большинствеслучаев неприменима в задачах технического зрения без предварительнойобработки. Таким образом, повышение точности работы измерительныхсистем прикладного объемного телевидения, является важной задачей вобласти технического зрения.103(а)(б)(в)(г)Рис.

3.1. Различные виды дефектов карты глубины, характерные для методасканирования сцен с помощью инфракрасной локацииАнализ исследований в этой области показывает, что основнымиалгоритмами восстановления карты глубины выступают различные методыинтерполяции на основе синтеза текстур, поиска похожих блоков (Exemplarbased method, EBM интерполяция [32]), решения дифференциальныхуравнений в частных производных, а также гибридные методы. Как правило,существующие решения не позволяют достичь приемлемого качества приреконструкции карт глубины, так как приводят к размытию резких перепадовяркости и искажениям границ объектов.104(а)(б)(в)(г)Рис. 3.2.

Характеристики

Список файлов диссертации

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6390
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее