Porównanie metod weryfikacji hipotez obiektów rozpoznawalnych w obrazach RGB-D

• Autorzy: Laszkowski M. , Kornuta T.

Warianty tytułu

EN

Comparison oh methods for verification of hypotheses of objects recognized in RGB-D images

• Języki publikacji: PL

Abstrakty

PL

W poniższej pracy skupiono uwagę na wykorzystaniu czujników RGB-D do rozpoznawania obiektów na potrzeby robotyki usługowej. W szczególności celem było porównanie działania wybranych metod weryfikacji hipotez. W referacie pokrótce opisano kompletny podsystem percepcji robota służący do rozpoznawania obiektów oraz zaproponowano odpowiednią metodykę badań. W badaniach tych przeanalizowano zarówno poprawność detekcji, jak i pozycjonowania rozpoznawanych obiektów. Otrzymane wyniki potwierdzają poprawność opracowanego rozwiązania i wskazują kierunki dalszego rozwoju systemu.

EN

In this paper we focus on the utilization of RGB-D sensors in robot perception for the purpose of recognition of diverse objects. In particular, we compare three selected methods for verification of object hypotheses. We briefly present the complete robot perception subsystem and propose a comparison methodology. In the performed studies we have analyzed the correctness of both detection and pose estimation of the recognized objects. The results confirmed the correctness of the developed solution and indicate directions for further research.

Słowa kluczowe

PL

robotyka; percepcja robotów; obraz RGB-D; weryfikacja hipotez; rozpoznawanie obiektu

EN

robotics; perception of robots; RGB-D image; hypothesis verification; object recognition

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2016
• Tom: z. 195, t. 2
• Strony: 367--376
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Laszkowski M.

• Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska, ul. Nowowiejska 15/19, 00-665 Warszawa,

autor

Kornuta T.

• IMB Reserch, Almaden, 650 Harry Rd, San Jose, CA 95120
• Instytut Automatyki i Informatyki Stosowanej, Politechnika Warszawska, ul. Nowowiejska 15/19, 00-665 Warszawa

Bibliografia

• [1] J A. Aldoma et al. A global hypotheses verification method for 3d object recognition. In: Computer Vision-ECCV 2012, s. 511-524. Springer 2012.
• [2] A. Aldoma et al. OUR-CVFH-Oriented. Unique and Repeatable Clustered Viewpoint Feature Histogram for Object Recognition and 6DOF Pose Estimation. Springer 2012.
• [3] D. Belter et al. Lightweight RGB-D SLAM System for Search and Rescue Robots. In: Progress in Automation, Robotics and Measuring Techniques, s. 11-21. Springer 2015.
• [4] H. Chen, B. Bhanu. 3d free-form object recognition in range images using local surface patches. Pattern Recognition Letters, 2007, wolumen 28, numer 10, s. 1252-1262.
• [5] M. Dziergwa, P. Kaczmarek, J. Kędzierski. RGB-D Sensors in Social Robotics. Journal of Automation Mobile Robotics and Intelligent Systems, 2015, wolumen 9, numer 1, s. 18-27.
• [6] T. Kornuta, M. Laszkowski. Perception subsystem for object recognition and pose estimation in RGB-D images. In: Recent Advances in Automation, Robotics and Measuring Techniques. Proceedings. Springer, 2016. Wolumen 440 serii Advances in Intelligent Systems and Computing (AISC), s. 597-607.
• [7] D. G. Lowe. Distinctive image features from scale-invariant keypoints. International journal of computer vision, 2004, wolumen 60, numer 2, s. 91-110.
• [8] M. Muja. D. G. Lowe. Fast approximate nearest neighbors with automatic algorithm configuration. In: VISAPP (1). Proceedings, 2009, s. 331-340.
• [9] C. Papazov, D. Burschka. An efficient ransac for 3d object recognition in noisy and occluded scenes. In: Computer Vision-ACCV 2010, s. 135-148. Springer 2011.
• [10] F. Pomerleau et al. Comparing icp variants on real-world data sets. Autonomous Robots, 2013, wolumen 34, numer 3, s. 133-148.
• [11] A. Ramey, V. Gonzalez-Pacheco, M. A. Salichs. Integration of a low-cost RGB-D sensor in a social robot for gesture recognition. In: Proceedings of the 6th international conference on Human-robot interaction. Proceedings. ACM, 2011, s. 229-230.
• [12] X. Ren, D. Fox, K. Konolige. Change Their Perception: RGB-D for 3-D Modeling and Recognition. Robotics & Automation Magazine, IEEE. 2013, wolumen 20, numer 4, s. 49-59 .
• [13] M. Stefańczyk et al. 3D camera and lidar utilization for mobile robot navigation. Journal of Automation Mobile Robotics and Intelligent Systems, 2013, wolumen 7, numer 4, s. 27-33.
• [14] M. Stefańczyk, M. Laszkowski, T. Kornuta. WUT Visual Perception Dataset - a dataset for registration and recognition of objects. In: Challenges in Automation, Robotics and Measurement Techniques. Proceedings. Springer, 2016. Wolumen 440 serii Advances in Intelligent Systems and Computing (AISC). s. 635-645.
• [15] K. Walas. Terrain classification and negotiation with a walking robot. Journal of Intelligent & Robotic Systems, 2015, wolumen 78, numer 3-4, s. 401-423.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.