Evaluation des Einsatzpotentials einer distanzmessenenden Kamera im Bereich der mobilen Roboternavigation

Transkript

1 Institut für Photogrammetrie und Fernerkundung Evaluation des Einsatzpotentials einer distanzmessenenden Kamera im Bereich der mobilen Roboternavigation Marc Schulze Dresden,

2 Gliederung 1. Aufgabe 2. Hardware 3. Software 4. Programmstufen Robotersteuerung Datenverknüpfung Datenauswertung 5. ToDo TU Dresden, Folie 2 von 21

3 Aufgabe Robotersteuerung zur Bilderaquise und Neupositionierung Verknüpfung der 3D Kameradaten Objektraumkartierung durch Segmentierung und Generalisierung Hinderniserkennung 3D Visualisierung Bewertung von Genauigkeit und Zuverlässigkeit TU Dresden, Folie 3 von 21

4 Hardware Mesa Swissranger 3000 Sensor CMOS / CCD laterale Auflösung 176 x 144 Aufnahmedistanz 7.5 m Dynamikbereich 16 bit Bildrate 50 Hz Lego NXT Mindstorms Prozessor Arbeitsspeicher Taktrate Atmel-32-bit 64 KB 48 Hz TU Dresden, Folie 4 von 21

5 Hardware Rohdaten TU Dresden, Folie 5 von 21

6 Hardware TU Dresden, Folie 6 von 21

7 Software Microsoft Visual Studio NXT++ LST-Algorithmus TU Dresden, Folie 7 von 21

8 Programmstufen Robotersteuerung Rotation um die eigene Achse zur Bildaufnahme Befahren des Geländes um neuen Standpunkt zu erreichen TU Dresden, Folie 8 von 21

9 Programmstufen Datenverknüpfung Ermittlung der Orientierung der Bilder zueinander 1. Möglichkeit im Objektraum: räumliche Ähnlichkeitstransformation 2. Möglichkeit im Bildraum TU Dresden, Folie 9 von 21

10 Programmstufen Datenauswertung Finden von Ebenen und Rekonstruktion des Raumes Hinderniserkennung TU Dresden, Folie 10 von 21

11 Robotersteuerung Drehung des Roboters um bestimmten Winkel Aufnahme von Bildern mit Überlappungsbereich Finden eines neuen Standpunktes unter der Berücksichtigung von Hindernissen TU Dresden, Folie 11 von 21

12 Datenverknüpfung Idee: Finden von Interest-Punkten in Intensiäts- und Entfernungsbild Grobe Position der homologe Punkte über Rotation des Roboters LSM je nach Interest-Punkt GV und RV Nur GV Nur RV TU Dresden, Folie 12 von 21

13 Datenverknüpfung Idee 1: Räumliche Ähnlichkeitstransformation / 3D Helmerttransformation Momentan keine Konvergenz des Algorithmus Schlechte Tiefengenauigkeit? Idee 2: Orientierung der Bilder zuerst im Bildraum Verschiebung der Bilder in X, Y und Maßstabsanpassung 3D Koordinatenberechnung des orientierten Gesamtbildes TU Dresden, Folie 13 von 21

14 Datenauswertung Idee (nach Guðmundsson): Normalvektorberechnung des Patches Umformung der Komponenten des Normalvektors in Kugelkoordinaten (Ebenenheitsanalyse) Ebenengruppierung Visualisierung Zusatz: Raumkanten TU Dresden, Folie 14 von 21

15 Datenauswertung Umsetzung (mod. nach Guðmundsson): Normalvektorberechnung des Patches RANSAC nach Ebenenmodell TU Dresden, Folie 15 von 21

16 Datenauswertung Umsetzung (nach Guðmundsson): Ebenheitsanalyse Mittlere Krümmung des Patches TU Dresden, Folie 16 von 21

17 Datenauswertung Umsetzung (nach Guðmundsson): Umformung der Komponenten des Normalvektors in Kugelkoordinaten φ ϑ TU Dresden, Folie 17 von 21

18 Datenauswertung Umsetzung: Ebenengruppierung Punkte mit ähnlichen φ bzw. ϑ repräsentieren gleiche Ebene Häufigkeitsanalyse durch lokale Maxima TU Dresden, Folie 18 von 21 φ,ϑ

19 Datenauswertung Umsetzung: Ebenenmodellierung und -visualisierung Punkte ähnlicher Normalvektoren gehören zur gleichen Ebene Parameterbestimmung mit RANSAC detektierten Punkten TU Dresden, Folie 19 von 21

20 ToDo Aktueller Stand Robotersteuerung zur Bilderaquise und Neupositionierung 50% Befahrung der neuen Position Verknüpfung der 3D Kameradaten 20% 3D Helmerttransformation Verknüpfung im Bildbereich Objektraumkartierung durch Segmentierung und Generalisierung 100% Hinderniserkennung 0% Finden von Hindernissen 3D Visualisierung 100% Bewertung von Genauigkeit und Zuverlässigkeit 0% Genauigkeit des LSM Zuverlässigkeit der Ebenensegmentierung TU Dresden, Folie 20 von 21

21 ToDo Ist räumliche Ähnlichkeitstransformation bei schlechter Tiefengenauigkeit möglich? TU Dresden, Folie 21 von 21