Niepewność pomiaru w zadaniu budowy mapy podłoża przy użyciu kamery sterowizyjnej

• Autorzy: Łabęcki, P.

Warianty tytułu

EN

Measurement uncertainty in a terrain map building task using stereovision

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia metodę wyznaczania niepewności pomiarów przy użyciu systemu stereowizyjnego zwracającego gęstą mapę głębi. Model niepewności opiera się na propagacji niepewności wprowadzonej przez kalibrację poprzez algorytm usuwania dystorsji oraz algorytm rektyfikacji obrazów, ostatecznie pozwalając na wyznaczenie niepewności pomiaru położenia punktu w przestrzeni 3D. Zaprezentowany model niepewności został wykorzystany w zadaniu budowy mapy podłoża przy użyciu kamery stereowizyjnej Videre Design STOC.

EN

This paper presents an uncertainty model for a stereo vision camera that produces a dense depth map. The model bases on uncertainty propagation from calibration through undistortion and rectification algorithms, allowing for calculation of the uncertainty of measured 3D point coordinates. The proposed uncertainty model was used for construction of a terrain elevation map using the Videre Design STOC stereo vision camera.

Słowa kluczowe

PL

system wizyjny; system sensoryczny; kamera stereowizyjna; mapa podłoża; niepewność pomiaru

EN

vision system; sensor system; stereovision camera; terrain map; measurement uncertainty

• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2012
• Tom: z. 182, t. 2
• Strony: 583--594
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr.

Twórcy

autor

Łabęcki, P.

• Instytut Automatyki i Inżynierii Informatycznej, Politechnika Poznańska, ul. Piotrowo 3A, 60-965 Poznań,

Bibliografia

• [1] D. Belter, P. Skrzypczyński. Rough terrain mapping and classification for foothold selection in a walking robot. In: J. of Field Robotics, vol. 28. s. 497-528.
• [2] D. Belter, P. Łabęcki, P. Skrzypczyński. On-Board Perception and Motion Planning for Legged Locomotion over Rough Terrain. In: 5th European Conference on Mobile Robots (ECMR), Örebro, Sweden, 2011, s. 195-200
• [3] G. R. Bradski, A. Kaehler. Learning OpenCV Computer Vision with the OpenCV Library. O'Reilly, 2008.
• [4] G. Di Leo, C. Liguori, A. Paolillo. Covariance propagation for the uncertainty estimation in stereo vision. In: IEEE Trans. on Instrumentation and Measurement. vol. 60, no. 5, May 2011, s. 1664-1673.
• [5] W. Kim et al. Performance analysis and validation of a stereo vision system. IEEE Int. Conf. Systems, Man and Cybernetics. Vol. 2, 2005, s. 1409-1416.
• [6] J. Z. Kolter, Y. Kim, A. Y. Ng. Stereo vision and terrain modeling for quadruped robots. In: IEEE Int. Conf. on Robotics and Automation, 2009, May 2009, s. 1557-1564.
• [7] K. Konolige. Small vision systems: hardware and implementation. In: Proceedings of the Eighth Int. Symp. on Robotics Research. Hayama, Japan, 1997, s. 111-116.
• [8] P. Łabęcki. Improved data processing for an embedded stereo vision system of an inspection robot. In: Mechatronics: Recent Technological and Scientific Advances. Red. T. Březina, R. Jabloński. Springer 2011, s. 749-757.
• [9] L. Matthies, S. A. Shafer. Error modeling in stereo navigation. In: IEEE J. Robot. Autom. RA-3(3), 1987.
• [10] J. Miura, Y. Shirai. An uncertainty model of stereo vision and its applications to vision-motion planning of robot. In: 13th Int. Joint Conf. on Artificial Inielligence, Chambery, France, 1993, s. 1618-1623.
• [11] J. Poppinga, A. Birk, K. Pathak. A characterization of 3D sensors for response robots, In: RoboCup 2009. Springer 2009, s. 264-275.
• [12] R.B. Rusu, et al. Leaving flatland: efficient real-time 3D perception and motion planning. In: Journal of Field Robotics, vol. 26, issue 10, September 2009, s. 841-862.
• [13] H. Sahabi, A. Basu. Analysis of error in depth perception with vergence and spatially varying sensing. In: Computer Vision and Image Understanding. 1996, vol. 63, s. 447-461.
• [14] J.-Y. Bouguet, Camera calibration toolbox for Matlab, http://www.vision.caltech.edu/bouguetj/calib_doc/index.html.