Implementacja algorytmu śledzenia przy użyciu kamery oraz mobilnego robota edukacyjnego

• Autorzy: Dimitrova-Grekow T. , Rogowski M.

Warianty tytułu

EN

Implementation of tracking algorithm using cameras and mobile educational robot

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje algorytm śledzenia z wykorzystaniem filtru Kalmana. Do realizacji celu został wykorzystany smartfon z systemem Android i wbudowaną kamerą oraz robot z serii LEGO Mindstorms NXT. W ramach pracy został zaprojektowany i stworzony działający system śledzący obiekt. Zastosowanie filtru Kalmana w dużym stopniu poprawiło skuteczność śledzenia. Przedstawione zostały testy wraz z interpretacją ich wyników. Pokazują one skuteczność zaimplementowanych rozwiązań. Opisany został także wpływ różnych parametrów na efektywność śledzenia.

EN

Information obtained through analysis of video sequences can have many uses, for instance in different video-game controllers or intelligent mobile safety systems [1]. Thanks to the miniaturization of integrated circuits, it is possible to use these solutions in intelligent mobile vehicles [2]. In order to keep track of an object, first there has to be found its existence and location. Many methods of detection and tracking are based on the specific object characteristic [3,4]. The observation of the object contour is also very popular[5,6]. In every case, however, the disadvantages are downside costs and possibility of losing an object by sudden changes of the selected feature. This work presents the implementation of a tracking algorithm with double detection-color and shape. Both parameters were analysed with a large tolerance, which simplified the calculation engine. There was used the Kalman filter [7]. An Android Smartphone with a built-in camera and a robot of LEGO Mindstorms NXT series were applied. The paper contains a description of the structure of the system (Fig.1) and the most important implementation details associated with a specific way of detecting and tracking the object (Fig.2). The experiments carried out show the efficiency of the system (Fig. 2, ). The impact of the various parameters on the efficiency of the trace is described (Tab 1). The tests together with the interpretation of their results are presented.

Słowa kluczowe

PL

detekcja obiektów; śledzenie obiektów; robot edukacyjny; filtr Kalmana

EN

tracking algorithm; Kalman filter; object detection; educational robot

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 8
• Strony: 818--820
• Opis fizyczny: Bibliogr. 7 poz., rys., schem., tab., wzory

Twórcy

autor

Dimitrova-Grekow T.

• Politechnika Białostocka, ul. Wiejska 45A, 15-351 Białystok

autor

Rogowski M.

• Politechnika Białostocka, ul. Wiejska 45A, 15-351 Białystok

Bibliografia

• [1] Ramirez R. A., Rojas Castillo J., Chae, O.: Local directional number pattern for face analysis: face and expression recognition, Image Processing, IEEE Trans, Vol. 99, pp. 1-13, 2012.
• [2] Gao B., Han L.S.: Neural networks implementation of the visual information processing for an intelligent aerial vehicle, Cognitive Informatics, IEEE Trans, Vol. 5, pp. 394–399, 2006.
• [3] Cheng C. C., Kun-Hsin H., Hui-Ting L., Gwo-Long L.: Image following using the feature-based optical flow approach, Proceedings of the 2002 IEEE International Symposium, pp. 350–355, 2002.
• [4] Viola P., Jones M. J.: Rapid object detection using a boosted cascade of simple features, IEEE CVPR, 2001.
• [5] Allili M. S., Ziou D.: Adaptive appearance model for object contour tracking in videos, Computer and Robot Vision, IEEE CRV, pp. 510-518, 2007.
• [6] Yilmaz A., Li X., Shah M.: Object contour tracking using level sets, Asian Conference on Computer Vision, Jaju Island, Korea, 2004.
• [7] Welch G., Bishop G., An introduction to the Kalman Filter, University of North Carolina at Chapel Hill, 2006.