Panoramic Image Processing and Route Navigation - informatik.uni

B. R. E. M. E. N. U. N. IV. E. R. S. IT. Ä. T. Zerlegung des Bewegungsflusses in. Rotation und Translation. Bewegungsfluß. Rotation translatorischer Fluß ...
481KB Größe 3 Downloads 354 Ansichten
Panoramic Image Processing and Route Navigation Verarbeitung von Panoramabildern und Routennavigation

Promotionskolloquium von

Dipl. Inform. Thomas Röfer

UNIVERSITÄT

BREMEN

FB3 Informatik Universität Bremen

Gliederung Verarbeitung von Panoramabildern (Panama) Bestimmung des Bewegungsflußfeldes Berechnung der Bewegungsparameter

Metrische Selbstlokalisation mit Panama Routennavigation Panoramabildbasierte Routennavigation Repräsentation von Routen

Verhaltensbasierte Routennavigation Grundverhalten Erkennung künstlicher Wegmarken Routenverfolgung Fehlerbehandlung

UNIVERSITÄT

BREMEN

Ausblick

Verarbeitung von Panoramabildern Optisch geführte Navigation bei Bienen

UNIVERSITÄT

BREMEN

(Cartwright und Collett 1983)

Sensor zur Aufnahme von Panoramabildern sphärischer Spiegel horizontale Ebene

1 0.8 0.6 0.4 0.2 0

−2π/3

−π/3

0

π/3

2π/3

π

Richtung UNIVERSITÄT

−π

BREMEN

Intensität

Kamera

1

0

−π

0 Richtung

π

−π

0 Richtung

π

−π

0 Richtung

π

1

0

0

UNIVERSITÄT

1

BREMEN

Intensität Intensität Intensität

Zuordnung von Regionen in Panoramabildern

Grundidee 1. Bild

wähle ein Pixel aus dem 1. Bild

2. Bild

initialisieren

trainieren

adaptiere Positionen im 1. Bild in σ-Nachbarschaft

UNIVERSITÄT

Zuordnung

suche im 2. Bild nach dem ähnlichsten Pixel-Paar

BREMEN

4096x

Position yi

Ähnlichkeit

Rot + 1. Ableitung Grün + 1. Ableitung Blau + 1. Ableitung UNIVERSITÄT

Adaptation

BREMEN

Eindimensionale Merkmalskarte

Ähnlichkeitssuche

y jt

y jt − σ

y jt + σ

?

w Jj w Jj

w

I i

w

wiI UNIVERSITÄT

I i

BREMEN

w

w

w

J j

wiI+1

I i +1

I i +1

Adaptationsschritt

y jt

y jt + σ

Adaptationsschritt

y jt − σ

UNIVERSITÄT

BREMEN

xbest

UNIVERSITÄT

BREMEN

Translatorischer und rotatorischer Bewegungsfluß

Zerlegung des Bewegungsflusses in Rotation und Translation Bewegungsfluß

Rotation

UNIVERSITÄT

BREMEN

translatorischer Fluß

Bestimmung der Translationsrichtung FOE

UNIVERSITÄT

BREMEN

FOC

0.01

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Rauschen als Potenz von ½

1

0.1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Rauschen als Potenz von ½

0.01

0.001

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Rauschen als Potenz von ½

1 0.1 0.01 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Rauschen als Potenz von ½

UNIVERSITÄT

0.1

0.1

BREMEN

ø-Rotationsfehler

1

ø-Richtungsfehler

max. Richtungsfehler

max. Rotationsfehler

Ergebnisse

Metrische Selbstlokalisation mit Panama

?

UNIVERSITÄT

BREMEN

!

Routennavigation Die Taxonomie der Navigation Strategische Navigation Überblickswissen

Karte Taktische Navigation Route

Routenwissen Elementare Navigationstaktiken

Ortsbezeichner

Gangsysteme

Landmarken

Wegmarken

UNIVERSITÄT

Innen- und Außenraum

BREMEN

Grundverhalten

Realisierte Navigationsverfahren Strategische Navigation

Routenkarte

Überblickswissen

Karte Taktische Navigation

Routenwissen

Route Elementare Navigationstaktiken Ortsbezeichner Grundverhalten Innen- und Außenraum

Gangsysteme

Landmarken

Wegmarken

Wegverfolgung

Wegverfolgung

optisch geführte Grundverhalten

distanzgeführte Grundverhalten

Wegmarkenkonstellationen

UNIVERSITÄT

Panoramabilder

Vorgeben von Grundverhalten

BREMEN

Vorgeben von Fahrbefehlen

Der Bremer Autonome Rollstuhl Erster Prototyp • • • •

134 cm x 72 cm Frontantrieb Hecklenkung PC + 5 Microcontroller an Bord

Sensoren

UNIVERSITÄT

BREMEN

• 12 taktile Sensoren • 6 Infrarotsensoren • 8 Ultraschallsensoren mit großem Öffnungswinkel (80°) • 8 Ultraschallsensoren mit kleinem Öffnungswinkel (7°) • 1 Kamera • Odometrie

Panoramabildbasierte Routennavigation Basisgleichung

Peilrichtung δ Zielposition

ω 2

Rotation ω

UNIVERSITÄT

BREMEN

aktuelle Position

= −δ

Repräsentation von Routen als Bildfolgen ω

UNIVERSITÄT

BREMEN

2

≈/ −δ

Autonome Fahrt ε=

ω 2



UNIVERSITÄT

BREMEN

Wenn der translatorische Fluß groß ist, reduziere ε, ansonsten reduziere ω.

UNIVERSITÄT

BREMEN

Experimente und Ergebnisse

Verhaltensbasierte Routennavigation Sensorische Teilsysteme

Ultraschallsensoren

Navigation

Infrarotsensoren UNIVERSITÄT

taktile Sensoren

Lenkungsdämpfung

BREMEN

Kollisionsdetektion

Lokale Hinderniskarte Kurzzeitgedächtnis • Speichert die lokale Umgebung des Rollstuhls • Größe 4 x 4 m² • Einträge löschen nach 30 Sekunden → vergessen dynamischer Hindernisse

Eingabe • 6 schmale und 2 breite Ultraschallsensoren • 6 Infrarotsensoren

Ausgabe

UNIVERSITÄT

BREMEN

• 4 “virtuelle Sensoren”

Grundverhalten Verhalten • Gangzentrierung • Wandverfolgung links/rechts • Einbiegen in die linke/rechte Tür • Richtungsverfolgung vorwärts/rückwärts • Anhalten

Arbeitsweise

UNIVERSITÄT

BREMEN

• Vorwärts bis Kollision • dann 50 cm zurück • und wieder vorwärts

Künstliche Wegmarken

UNIVERSITÄT

BREMEN

5

Lokale Wegmarkenkarte Kurzzeitgedächtnis • Speichert die Wegmarken in der lokalen Umgebung des Rollstuhls • Radius 5 m

7 2

9

Symbole X • Wegmarke X

UNIVERSITÄT

1

BREMEN

• Kamera auf dem Schwenkkopf

Lehren von Routen Verhalten • Gangzentrierung • Wandverfolgung links • Wandverfolgung rechts • Anhalten

1

5

9

2 7

8

6

3

Wegmarken 2

UNIVERSITÄT

• Wegmarke X • Wegmarkenkonstellation

BREMEN

X

Autonomes Weiterschalten von Verhalten 6

7

1 7

1

1 7

9

7 7

1 1

!

1 7

1

7 ja UNIVERSITÄT

nein

BREMEN

6

Fehler Mögliche Fehler • Keine Wegmarke wird gefunden • Verhalten wird fehlerhaft ausgeführt

2 8

Beenden fehlerhafter Verhalten • Verhalten dauert zu lange • Andere Wegmarken gefunden

2 3

8

6

3

UNIVERSITÄT

6

BREMEN

8

2

Route zurückverfolgen Methode • Keine inversen Verhalten • Speichern der Odometriepositionen 8 während der Verhaltensausführung • Rückgängig machen durch Zurückverfolgen entlang gespeicherter Positionen • mit “Richtungsverfolgung rückwärts”Verhalten

2 6

3

Taktik 3

UNIVERSITÄT

6

BREMEN

• Zurückverfolgen des letzten Segments, Suche nach Wegmarken 8 • Wiederholen des letzten Segments • Zurückverfolgen der letzten 2 Segmente • Wiederholen der letzten 2 Segmente etc.

2

Ausblick Verarbeitung von Panoramabildern • Verwendung eines hochwertigeren Sensors, dadurch eingeschränkte Beleuchtungsunabhängigkeit • Anwendung auf Navigation und Lokalisation im 3D-Raum

Routennavigation

UNIVERSITÄT

BREMEN

• Grundverhalten für den 2. Prototyp • Integration der Grundverhalten in die panoramabildbasierte Routennavigation • Nutzung von Panoramabildern als Wegmarken in der verhaltensbasierten Routennavigation • Integration von 3D-Marken als Wegmarken