عنوان پایان‌نامه
سیستم بینایی چند دوربینه¬ی توزیع شده برای ربات متحرک چهار پا
- رشته تحصیلی
- مهندسی کامپیوتر-هوش مصنوعی- رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2242;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58170
- تاریخ دفاع
- ۱۹ خرداد ۱۳۹۲
- دانشجو
- ارسلان موسویان
- استاد راهنما
- مجید نیلی احمدآبادی, رضا آقائی زاده ظروفی
- چکیده
- اگر چه آشکار سازی برخط اجسام متحرّک برای ربات‌ها ضروری است، انجام این کار فقط با استفاده از روش‌های بینایی ماشین معمول، پیچیده است و در نتیجه نمی‌توان از آن در کاربردهایی که منابع محدود پردازشی در اختیار داریم، استفاده کنیم. در این پژوهش سامانه بینایی‌ای طراحی کردیم که به وسیله آن می‌توانیم اجسام متحرّک نسبت به سامانه را آشکار کنیم. برای طرّاحی سامانه ارائه شده، از ساختار چشم ترکیبی حشرات الهام گرفتیم. به این دلیل که با وجود قدرت کم پردازشی حشرات، آن‌ها به راحتی قادر به تشخیص اجسام متحرک به صورت بر خط می‌باشند. از این رو سامانه طراحی شده ما از یک دوربین و یک کریستال چند وجهه در جلوی آن تشکیل شده است. در دوربین‌های عادی بین اجسام و تصویر آن‌ها در دوربین، نگاشت یک به یک وجود دارد، حال آن که در سامانه ما کریستال یک نگاشت یک به چند اعمال می‌کند. به این صورت که از هر جسم ما بیش از یک تصویر در سامانه ارائه شده داریم. این پدیده را می‌توان مانند داشتن چند دوربین در نظر گرفت که میدان دید آن‌ها با هم هم‌پوشانی دارند. در نتیجه تصویر نهایی ممکن است در نگاه اول به سادگی برای انسان قابل تفسیر نباشد. ما با استفاده از مدل افکنش کریستال و پردازش نواحی از پیش‌تعیین‌شده، که 15 درصد کل تصویر نهایی را شامل می‌شوند، اجسام متحرک را آشکار می‌کنیم که باعث کاهش پیچیدگی محاسباتی می‌شود. از آن‌جا که اکثریت روش‌ها در مراحل نخستین پردازش خود، بردارهای جریان نوری را محاسبه می‌کنند، ما سرعت پردازش روش خود را با محاسبه فقط جریان نوری بر روی تصویر عادی مقایسه کردیم و روش ما 3 برابر سریع‌تر از فقط محاسبه بردارهای جریان نوری است. این مساله نشان‌دهنده کارایی سامانه ارائه شده در کاربردهایی که از نظر منابع محاسباتی با محدودیت روبه‌روهستیم، را نشان می‌دهد. در آزمایش‌های انجام شده، سامانه ما با استفاده از الگوریتم آشکارسازکننده اجسام متحرک طراحی شده برای آن، قابلیت پیدا کردن اجسام متحرک نظیر انسان، موتور سوار و ماشین را در فضاهای بسته و باز را دارا است. لازم به ذکر است که الگوریتم ارائه شده برای سناریوهایی که در آن با اجسام مصنوعی سر و کار داریم و بافت صحنه خیلی پیچیده نیست، مناسب‌تر است.
- Abstract
- Although real-time detection of objects in cluttered environments is essential for the robots, the process is computationally expensive using traditional computer vision methods. Therefore, they are not applicable for tasks with limited computational resources. In this thesis, we present a computationally light weight vision system for detection of objects moving relative to the system. We are inspired by the structure of computational eyes in insects, because they can easily detect objects moving around them in spite of their rudimentary processing system. The optical part of the proposed system is composed of an ordinary CCD camera which is placed behind a polyhedral multi-face crystal. In typical vision systems, there is a one-to-one mapping between visible objects and their projection on the CCD. However, the crystal applies a set of non-linear optical projections to the image; which is equal to having multiple cameras with overlapping fields of view. As a result, the final image may not be easily interpretable for humans. By using the projective geometric models of the crystal, we are able to detect moving objects easily by just processing 15 percent of the whole image. This results in a considerable computation reduction. Moreover, our method, unlike other methods for detection of moving objects, does not depend on computing optical flow. As a result, it is computationally more efficient. We have compared our single-threaded processing rate with multi-threaded implementation of optical flow and our method is 3 times faster which indicates the efficiency of the proposed system in application with computational resources bottleneck. In our experiments, the proposed system is capable of detecting moving objects such as pedestrians, motorcycle riders, and cars. It is worth noting here that the proposed algorithm for detection of moving objects is more suitable for scenarios in which we are dealing with synthetic objects and the scene is low-textured.
