Wykorzystanie przez robota aktywnej wizji do identyfikacji obiektów

• Autorzy: Kornuta T. , Zieliński C.

Warianty tytułu

EN

Utilization of active vision for object identification

• Języki publikacji: PL

Abstrakty

PL

W pracy omówiono zagadnienie aktywnej wizji. Dokonano podziału procesu postrzegania na poziomy oraz przedstawiono podejście oparte na zachowaniach. Następnie zaprezentowano implementację niskopoziomowej analizy obrazów, w której do wykrywania regionów zawierających szukane obiekty wykorzystano sieć neuronową. Rozwiązanie to zostało zweryfikowane w zadaniu wstępnej lokalizacji kostki Rubika.

EN

This paper presents a biologically inspired method of identification of objects. A general behaviour, similar to that used by mammals to concentrate their visual attention, is proposed. It utilizes an artifical neural network for finding regions of interest (based on their color histograms) and controls the manipulator in order to verify the hypotheses about the existance of the object of desire. A Rubik's cube was used as a test object due to its high metamorp.

Słowa kluczowe

PL

robotyka; roboty inteligentne; wizja aktywna; identyfikacja obiektów

EN

robotics; intelligent robot; active vision; object identification

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2008
• Tom: z. 166, t. 2
• Strony: 361--670
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Kornuta T.

autor

Zieliński C.

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

Bibliografia

• [1] OpenMP Application Program Interface, 2005.
• [2] G. A. Carpenter, S. Grossberg. The Handbook of Brain Theory and Neural Networks. MIT Press 2003, rozdział Adaptive Resonance Theory, s. 87-90.
• [3] S. Y. Chen et al. Active illumination for robot vision. IEEE International Conference on Robotics and Automation, 2007.
• [4] S. Florczyk. Robot Vision: Video-based Indoor Exploration with Autonomous and Mobile Robots. Wiley 2005.
• [5] D. Floreano, M. Suzuki. Active vision and neural development in animals and robots. Proceedings of The Seventh International Conference on Cognitive Modeling, 2006, s. 10-11.
• [6] S. Grossberg G. A. Carpenter, J. H. Reynolds. Artmap: Supervised real-time learning and classification of nonstationary data by a self-organizing neural network. Neural Networks, 1991, wolumen 4, s. 565-588.
• [7] R. C. Gonzalez, R. E. Woods. Digital Image Processing, Second Edition. Prentice Hall 2002.
• [8] Y. Han. Imitation of human-eye motion - how to fix gaze of an active vision system. Proceedings of IEEE Transactions on Systems, Man, and Cybernetics, 2007, wolumen 37.
• [9] T. Maruszewski. Psychologia poznania. Gdańsk, Gdańskie Wydawnictwo Psychologiczne 2003.
• [10] B. Sadowski. Biologiczne mechanizmy zachowania się ludzi i zwierząt. Warszawa, Wydawnictwo Naukowe PWN 2006.
• [11] G. Taylor, L. Kleeman. Visual Perception and Robotic Manipulation. Springer 2006.
• [12] C. Zieliński et al. Układanie kostki Rubika jako zadanie testujące zdolności robota usługowego. IX Krajowa Konferencja Robotyki - Postępy Robotyki: Systemy i współdziałanie robotów, Warszawa, 2006, wolumen 2, s. 237-246.
• [13] C. Zieliński et al. Rubik's cube as a benchmark validating MRROC++ as an implementation tool for service robot control systems. Industrial Robot: An International Journal, 2007, wolumen 34, numer 5, s. 368-375.