Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
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.
PL
Dwuczęściowy artykuł poświęcony jest rozpoznawaniu obiektów w obrazach RGB-D na potrzeby robotyki usługowej. W pierwszej części omówiono modele obiektów oraz metodę ich generacji. W poniższej, drugiej części uwagę skupiono na rozpoznawaniu instalacji obiektów z wykorzystaniem cech ekstrahowanych z obrazów RGB-D oraz wnioskowania probabilistycznego. Przedstawiono ideę zastosowania sieci Bayesa, proces generacji jej struktury oraz metodę wyznaczania wag początkowych sieci na podstawie wczytanych modeli obiektów. Omówiono proces rozpoznawania instalacji polegających na generacji hipotez przez sieć Bayesa na podstawie dopasowań cech wyekstrahowanych z aktualnie analizowanego obrazu RGB-D do cech modeli. Przedstawiono wyniki weryfikujące poprawność działania systemu.
EN
The two-part article is devoted to the recognition of instances of objects in RGB-D images. The first part discusses the generation of object models. Current, second part focuses on utilization of probabilistic inference fo generation of lattice of hypotheses representing matching of the features observed in the image to features of stored object models. After a brief introduction to probabilistic inference, we present the general idea of system, discuss the method of generation of the Bayesian network and present the results of experiments that confirm the correct operation of the developed solution.
PL
Czujniki RGB-D zwracające obrazy kolorowe wraz ze skojarzonymi mapami głębi otwierają nowe możliwości w percepcji robotów. W dwuczęściowym artykule skupiono uwagę na rozpoznawaniu obiektów w obrazach zwracanych przez tego typu urządzenia. W poniższej, pierwszej części skupiono uwagę na generacji modeli obiektów trójwymiarowych. Zaprezentowano stworzone stanowisko do akwizycji różnych widoków obiektów oraz omówiono proces tworzenia modeli poprzez łączenie tych widoków. Ideę jego działania oparto o przekształcenie obrazu RGB-D do postaci chmury punktów oraz ekstrakcję cech. Stworzone modele wykorzystywane są następnie do rozpoznawania konkretnych instalacji obiektów z wykorzystaniem metod probabilistycznych, czemu poświęcono drugą część artykułu.
EN
The two-part article focuses on the recognition of objects in RGB-D images. The following, first part is devoted to the generation of model of three-dimensional objects. A single model is created from several views of a given object. The whole process os based on the conversion of a single view (an RGB-D image with the object mask) into a point cloud and extraction of features, which are suqsequently used in the process of merging all views into a single model of an object. The second part of the article describes how those models are used for the recognition of object instances in analysed RGB-D images.
PL
Obsługa asynchronicznego przepływu danych w złożonych potokach obliczeniowych, jakie z reguły tworzą podsystemy sensoryczne robotów, wymaga wytworzenia odpowiednich narzędzi wspomagających ich implementację. W artykule zaproponowano rozwiązanie umożliwiające warunkowe działanie poszczególnych bloków obliczeniowych w zależności od dostępnych danych. Rozważania teoretyczne doprowadziły do implementacji tych mechanizmów w strukturze ramowej DisCODe. Działanie rozwiązania przedstawiono na dwóch prostych przykładach.
EN
Handling of asynchronous data flows in complex computational systems such as robot sensor subsystems requires appropriate tools facilitating their implementation. The article proposes a solution to the aforementioned problem. The solution enables the activation of a conditional behaviour of the individual computational blocks, depending on the presence of data in their input buffers. Theoretical considerations led to the implementation of these mechanisms in a component-oriented framework for development of diverse robot perception subsystems: DisCODe. Operation of the solution is illustrated in two simple exemplary tasks.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.