Wykorzystanie obszarów nieznanych w dopasowywaniu chmur punktów

• Autorzy: Koguciuk D. , Harasymowicz-Boggio B.

Warianty tytułu

EN

Using unknown areas for point cloud matching

• Języki publikacji: PL

Abstrakty

PL

Dzięki dzisiejszej zaawansowanej technologii sensorów 3D i dużej dostępności mocy obliczeniowej, uzyskanie i przedstawienie informacji na temat obszarów nieznanych dla systemu wizyjnego jest w zasięgu ręki. Autorzy tego artykułu prezentują skuteczne zastosowanie tej dotychczas mało używanej wiedzy w udoskonaleniu znanego algorytmu RANSAC do opracowania chmur punktów. Przeprowadzone zostały doświdczenia na rzeczywistych obrazach 3D, które dowodzą wielkokrotnej poprawy skuteczności dotychczas stosowanych metod w połączeniu z naszym algorytmem.

EN

Thanks to recent advance in 3D sensing technology and affordable high computational capability, capturing and processing information about areas unknown to a vision system became possible. The authors of this article present an effective application of this barely used knowledge for improving the known RASNAC algorithm for point cloud matching. The presented experiments, carried on real 3d images, prove that the proposed method significantly improves the effectiveness of state-of-the art methods when combined with our algorithm.

Słowa kluczowe

PL

percepcja obrazu; obraz RGB-D; chmura punktów; robotyka

EN

image perception; RGB-D; point cloud; robotics

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2014
• Tom: z. 194, t. 1
• Strony: 267--276
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Koguciuk D.

• Instytut Automatyki i Robotyki, Politechnika Warszawska, ul. św. Andrzeja Boboli, 02-525 Warszawa

autor

Harasymowicz-Boggio B.

• Instytut Automatyki i Robotyki, Politechnika Warszawska, ul. św. Andrzeja Boboli, 02-525 Warszawa

Bibliografia

• [1] An open source implementation of KinectFusion, Retrieved April 1, 2014. http: //pointclouds.org/news/20111/12/08/kinectfusion-open-source.
• [2] An open source implementation of KinectFusion, Retrieved April 1, 2014.
• [3] The PCL registration api. http://pointclouds.org/documentation/tutorials/registration_api.php.
• [4] Phillip G. Armour. The five orders of ignorance. Commun. ACM, Październik, 2000, wolumen 43, numer 10, s. 17-20.
• [5] A.G. Buch et al. Pose estimation using local structure-specific shape and appearance context. In: IEEE Int. Conf. on Robotics and Automation (ICRA). Proceedings, Karlsruhe, Germany, 2013.
• [6] J. T. Enns. The Thinking Eye, The Seeing Brain: Explorations in Visual Cognition. New York: W. W. Norton & Company 2004.
• [7] G. Humphreys, C. Price, J. Riddoch. From objects to names: A cognitive neuroscience approach. Psychological Research, 1999, wolumen 62, s. 118-130.
• [8] Ł. Ilnicki, B. Siemiątkowska. Algorytm łączenia chmur punktów na podstawie informacji wizualno-metrycznej. Prace Naukowe Politechniki Warszawskiej. Elektronika, 2012, wolumen z. 182, t. 1, s. 207-216.
• [9] Shahram Izadi et al. Kinectfusion: real-time 3d reconstruction and interaction using a moving depth camera. In: Proceedings of the 24th annual ACM symposium on User interface software and technology. Proceedings, New York, NY, USA, ACM, 2011, UIST'11, s. 559-568.
• [10] M. Riddoch, G. Humphreys. Object Recognition, Handbook of Cognitive Neuropsychology. Hove: Psychology Press 2001.
• [11] A. Varouxaki et al. Inference neglect and ignorance denial. British Journal of Developmental Psychology, 1999, wolumen 17, numer 4, s. 483-499.