Porównanie wybranych metod śledzenia markerów przeznaczonych dla lokalizatorów wizyjnych

• Autorzy: Goral A.

Identyfikatory

DOI

10.12915/pe.2014.05.22

Warianty tytułu

EN

A comparison of tracking methods for optical localizers

• Języki publikacji: PL

Abstrakty

PL

W pracy zaprezentowano trzy metody detekcji i śledzenia markerów oraz ich ocenę pod kątem możliwości wykorzystania w lokalizatorze wizyjnym wyposażonym w miniaturową kamerę. Zastosowano dwa warianty wyznaczenia położenia markera, bazujące na momentach geometrycznych oraz na dopasowaniu elipsy. Przyspieszono też działanie algorytmu ograniczając wymagające obliczeniowo operacje do okna podążającego za markerem, którego położenie wyznaczane jest za pomocą algorytmu CAMSHIFT. Otrzymane wyniki wykazały, że błąd RMS dopasowania elipsy jest o 0,02 piksela mniejszy od błędu wyznaczenia centroidu, jednak metoda elipsy jest bardziej wrażliwa na obrót obrazu. Dzięki zastosowaniu śledzenia w oknie obliczeniowym czas detekcji uległ skróceniu z 8% do 1% całkowitego czasu przetwarzania obrazu.

EN

In this work, we present a comparison of three methods for detection and tracking of markers, and the assessment of these methods in terms of potential application in a miniature camera localizer. We use two approaches for determining position of the marker, first based on image centroid and second based on fitting of an ellipse. We also speed up data processing by confining the computationally intensive operations to a window, the position of which is determined by the CAMSHIFT algorithm. The results of the comparison show, that the RMS error for the ellipse method is smaller than that obtained by the centroid by 0.02 pixels. However, the ellipse method is more prone to errors caused by rotation of the image. By applying a computational window we can reduce the time of detection from 8% to 1% of total processing time.

Słowa kluczowe

PL

lokalizatory wizyjne; rozpoznawanie obrazów; CAMSHIFT

EN

CAMSHIFT; optical tracking systems; computer vision

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 5
• Strony: 97--101
• Opis fizyczny: Bibliogr. 9 poz., rys., schem., wykr.

Twórcy

autor

Goral A.

• AGH Akademia Górniczo-Hutnicza, Katedra Metrologii i Elektroniki, Al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] Delp S., Stulberg B., Davies B., Picard F., Leitner F, Computer- Assisted Knee Replacement, Clinical Orthopaedics 3 (1998) nr 54 49-56.
• [2] Peters T., Cleary K. Image-Guided Interventions. Technology and Applications. Rozdział 11. Neurosurgical Applications, Springer Science+Business Media (2007).
• [3] Sklair C., Hoff W., Gatrell L., Accuracy of Locating Circular Fiducial Features Using Machine Vision, Proceedings of SPIE Conference on Intelligent Robotic Systems, 1612 (1992) 222- 234.
• [4] Ernst F., Schlaefer A., Schweikward, A., Smoothing of resipiratory motion traces for motion-compensated radiotherapy, Medical Physics, 37 (2011) nr 1 282-294.
• [5] Bose C., Amir I., Design of Fiducials for Accurate Registration Using Machine Vision, IEEE Transactions on Pattern Analysis and Machine Intelligence, 12 (1990) nr 12 1196-1200.
• [6] Bouttou L., Stochastic Learning, Advanced Lectures on Machine Learning, Springer-Verlag (2003) 146-168.
• [7] Xu C., Prince J., Snakes, shapes, and gradient vector flow. IEEE Transactions on Image Processing, 7 (1998) nr 3 359- 369.
• [8] Xie Y., Ji, Q., A new efficient ellipse detection method. Proceedings of 16th International Conference on Pattern Recognition, 2 (2002)
• [9] Bradski G., Computer Vision Face Tracking for Use in a Perceptual User Interface, Intel Technology Journal Q2 (1998).