| Summary: | Submitted by Fernando Souza (fernandoafsou@gmail.com) on 2017-08-10T11:47:56Z
No. of bitstreams: 1
arquivototal.pdf: 11498612 bytes, checksum: 9182e9402b0905c4209bc405c726f8cc (MD5) === Made available in DSpace on 2017-08-10T11:47:56Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 11498612 bytes, checksum: 9182e9402b0905c4209bc405c726f8cc (MD5)
Previous issue date: 2017-02-17 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === With the advance in the research of mobile robots localization algorithms, the need for
natural landmark identification and recognition has increased. The detection of natural
landmarks is a challenging task because their appearance can be different in shape and
design and, as well, they suffer influence of the environment illumination. As an example, a
typical 2D object recognition algorithm may not be able to handle the large optical variety
of doors and staircases in large corridors. On another direction, recent improvements
in low-cost 3D sensors (of the type RGB-D) enable robots to perceive the environment
as a 3D spatial structure. Thus, using this new technology, an algorithm for natural
landmark identification and recognition based on images acquired from an RGB-D camera
is proposed. Basically, during the identification phase that is a first step for working with
landmarks, the algorithm exploits the basic structural knowledge about the landmarks by
extracting their edges and creating a cloud of edge points. In the next, the recognition phase,
the edges are used with a proposed on-the-fly unsupervised recognition algorithm in order
to demonstrate the effectiveness of the approach in recognizing doors and staircases. Two
methods of recognition have been proposed and results show that a general technique of
the two methods passes from the 96 of accuracy. Future approaches propose a mix of these
two methods for better results of recognition, as well as inclusion of new objects such as
drinking fountains, dumps and compare this modified approach with other approaches that
require training, such as nearest K-neighbors, Bayes and neural networks . === Com o avanço na pesquisa de algoritmos de localização de robôs móveis, a necessidade
de identificação e reconhecimento de pontos de referência naturais aumentou. A detecção
de marcos naturais é uma tarefa desafiadora, porque a sua aparência pode ser diferente
em forma e design e, também, eles sofrem influência da iluminação do ambiente. Como
um exemplo, um algoritmo de reconhecimento de objeto 2D típico pode não ser capaz de
lidar com a grande variedade óptica de portas e escadas em corredores grandes. Em outra
direção, as melhorias recentes em sensores 3D de baixo custo (do tipo RGB-D) permitem
aos robôs perceber o ambiente como uma estrutura espacial 3D. Assim, usando esta nova
tecnologia, um algoritmo para identificação e reconhecimento de marco natural baseado em
imagens adquiridas a partir de uma câmera RGB-D é proposto. Basicamente, durante a fase
de identificação que é um primeiro passo para trabalhar com marcos, o algoritmo explora
o conhecimento estrutural básico sobre os pontos de referência, extraindo suas bordas e
criando uma nuvem de pontos de borda. No próxima, a fase de reconhecimento, as arestas
são usadas com um algoritmo de reconhecimento não supervisionado proposto on-the-fly
para demonstrar a eficácia da abordagem no reconhecimento de portas e escadarias. Dois
métodos de Reconhecimento foram propostos e resultados mostram que a eficiência geral
dos dois métodos passa dos 96% de Precisão de reconhecimento. Abordagens futuras
propõem-se a fusão dos dois métodos para melhores resultados no reconhecimento, bem
como inclusão de novos objetos como bebedouros, lixeiras e comparar essa abordagem
modificada com outras abordagens que necessitam de treinamento, como K-Neighbouring
mais próximo, Bayes e redes neurais.
|
|---|
