Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos

Detalhes bibliográficos
Autor(a) principal: Oliveira, Clebson Joel Mendes de
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
Texto Completo: http://repositorio.ufes.br/handle/10/9626
Resumo: Considering the current Robotics challenges which are related to cognitive problems, one can note that some of these activities easy for human beings to execute are not so easy for robots. Then, there are still some unsolved problems in a robust way, that are related to robots failure caused by the caothic real world, mainly in dynamic outdoor environments such as: mapping , trajectory planning, localization, navigation and object recognition by shape and function. As the majority of those problems can be solved by Computer Vision techniques, the goal of this work was develop an autonomous online visual localization method applied to dynamic outdoor environments, without considering a priori information using visual scene characterization. For this, it was developed a model for visual scene characterization, based on Probability Mass Functions (PMFs) of visual features SURF from places of an environment map. Using that model to localize place samples of the map, it was defined a localization method, that calculates probabilities of a sample to belong to a candidate place from the map, and compares them to reference values, defined by ROC curves from candidate places. The tests executed for evaluating the characterization power of the developed model and the quality of the proposed localization method, used a visual map generated from a image group for each 28 places of the environment UFES. For evaluating the generalization of the characterization model aplied to the objects recognition problem, it was used a group of characterization images from 4 similar objects. Thus, the obtained results show this work reached its goals, because visual samples from the used dynamic outdoor environment were correctly localized , reaching global classification performance at least acceptable (AUC > 0,7), spending 3,361 seconds in the best case; and it was also possible to recognize objects from the used group with global classification performance at least acceptable too, spending 265 miliseconds in the best case.
id UFES_8d2d8476c752d8088f8a8145dee110ef
oai_identifier_str oai:repositorio.ufes.br:10/9626
network_acronym_str UFES
network_name_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
repository_id_str 2108
spelling Salles, Evandro Ottoni TeatinVassallo, Raquel FrizeraOliveira, Clebson Joel Mendes deGrassi Jr., ValdirCôco, Klaus Fabian2018-08-02T00:00:57Z2018-08-012018-08-02T00:00:57Z2013-07-15Considering the current Robotics challenges which are related to cognitive problems, one can note that some of these activities easy for human beings to execute are not so easy for robots. Then, there are still some unsolved problems in a robust way, that are related to robots failure caused by the caothic real world, mainly in dynamic outdoor environments such as: mapping , trajectory planning, localization, navigation and object recognition by shape and function. As the majority of those problems can be solved by Computer Vision techniques, the goal of this work was develop an autonomous online visual localization method applied to dynamic outdoor environments, without considering a priori information using visual scene characterization. For this, it was developed a model for visual scene characterization, based on Probability Mass Functions (PMFs) of visual features SURF from places of an environment map. Using that model to localize place samples of the map, it was defined a localization method, that calculates probabilities of a sample to belong to a candidate place from the map, and compares them to reference values, defined by ROC curves from candidate places. The tests executed for evaluating the characterization power of the developed model and the quality of the proposed localization method, used a visual map generated from a image group for each 28 places of the environment UFES. For evaluating the generalization of the characterization model aplied to the objects recognition problem, it was used a group of characterization images from 4 similar objects. Thus, the obtained results show this work reached its goals, because visual samples from the used dynamic outdoor environment were correctly localized , reaching global classification performance at least acceptable (AUC > 0,7), spending 3,361 seconds in the best case; and it was also possible to recognize objects from the used group with global classification performance at least acceptable too, spending 265 miliseconds in the best case.Considerando os atuais desafios da robótica que estão relacionados à área da cognição, percebe-se que algumas dessas atividades que são simples para seres humanos ainda não são tarefas triviais para robôs. Logo, ainda há vários problemas não resolvidos de forma robusta, que estão relacionados à falha de robôs quando defrontados com o caos do mundo real, principalmente em ambientes externos dinâmicos, tais como: mapeamento, planejamento de trajetória, localização, navegação e identificação de objetos segundo suas formas e funções. Como muitos desses problemas apresentam chances de serem resolvidos por Visão Computacional, o objetivo deste trabalho foi desenvolver um método de localização visual autônomo online aplicado a ambientes externos dinâmicos, sem considerar informações a priori através da caracterização visual de cenas. Para isso, desenvolveu-se um modelo para caracterização visual de cenas baseado na estimação de Funções Massa de Probabilidade (Probability Mass Functions - PMFs) de características visuais Speeded Up Robust Features (SURF) para os lugares do mapa de um ambiente externo. Utilizando esse modelo para localizar amostras de lugares do mapa, definiu-se um método de localização, que calcula as probabilidades de uma amostra pertencer a lugares candidatos do mapa, e as compara a valores de referência, definidos por curvas Receiver Operating Characteristic (ROC) dos lugares candidatos. Os testes realizados para avaliar o poder de caracterização do modelo desenvolvido, e a qualidade do método de localização proposto utilizaram um mapa visual gerado por um grupo de imagens de caracterização de 28 lugares da Universidade Federal do Espírito Santo (UFES). Já para avaliar a generalização do modelo de caracterização aplicado ao problema de reconhecimento de objetos, foram utilizados grupos de imagens de caracterização de 4 objetos similares. Pelos resultados obtidos, comprova-se que este trabalho alcançou seus objetivos, pois amostras visuais do ambiente externo dinâmico utilizado foram localizadas corretamente, alcançando desempenho global de classificação pelo menos aceitável (> 0, 7) segundo o índice Area Under Curve (AUC). Para o melhor caso do algoritmo foram gastos 3,361 segundos, e também foi possível reconhecer objetos com desempenho global de classificação pelo menos aceitável, gastando 265 milisegundos no melhor caso.Texthttp://repositorio.ufes.br/handle/10/9626porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoCaracterização visualRobóticaReconhecimento de padrõesProbabilidades - ModelosMapeamento digitalVisão por computadorVisão de robôEngenharia Elétrica621.3Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_4714_PPGEE - Dissertação de Mestrado - Clebson Joel Mendes de Oliveira - 2013.pdfapplication/pdf34789281http://repositorio.ufes.br/bitstreams/5d350f4e-ab90-41bc-baa3-e16720b4ecfc/download8ec4d56937b45f1e5404523103a99f50MD5110/96262024-07-17 17:01:44.833oai:repositorio.ufes.br:10/9626http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-10-15T18:00:33.503739Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false
dc.title.none.fl_str_mv Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
title Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
spellingShingle Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
Oliveira, Clebson Joel Mendes de
Caracterização visual
Engenharia Elétrica
Robótica
Reconhecimento de padrões
Probabilidades - Modelos
Mapeamento digital
Visão por computador
Visão de robô
621.3
title_short Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
title_full Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
title_fullStr Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
title_full_unstemmed Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
title_sort Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
author Oliveira, Clebson Joel Mendes de
author_facet Oliveira, Clebson Joel Mendes de
author_role author
dc.contributor.advisor-co1.fl_str_mv Salles, Evandro Ottoni Teatin
dc.contributor.advisor1.fl_str_mv Vassallo, Raquel Frizera
dc.contributor.author.fl_str_mv Oliveira, Clebson Joel Mendes de
dc.contributor.referee1.fl_str_mv Grassi Jr., Valdir
dc.contributor.referee2.fl_str_mv Côco, Klaus Fabian
contributor_str_mv Salles, Evandro Ottoni Teatin
Vassallo, Raquel Frizera
Grassi Jr., Valdir
Côco, Klaus Fabian
dc.subject.por.fl_str_mv Caracterização visual
topic Caracterização visual
Engenharia Elétrica
Robótica
Reconhecimento de padrões
Probabilidades - Modelos
Mapeamento digital
Visão por computador
Visão de robô
621.3
dc.subject.cnpq.fl_str_mv Engenharia Elétrica
dc.subject.br-rjbn.none.fl_str_mv Robótica
Reconhecimento de padrões
Probabilidades - Modelos
Mapeamento digital
Visão por computador
Visão de robô
dc.subject.udc.none.fl_str_mv 621.3
description Considering the current Robotics challenges which are related to cognitive problems, one can note that some of these activities easy for human beings to execute are not so easy for robots. Then, there are still some unsolved problems in a robust way, that are related to robots failure caused by the caothic real world, mainly in dynamic outdoor environments such as: mapping , trajectory planning, localization, navigation and object recognition by shape and function. As the majority of those problems can be solved by Computer Vision techniques, the goal of this work was develop an autonomous online visual localization method applied to dynamic outdoor environments, without considering a priori information using visual scene characterization. For this, it was developed a model for visual scene characterization, based on Probability Mass Functions (PMFs) of visual features SURF from places of an environment map. Using that model to localize place samples of the map, it was defined a localization method, that calculates probabilities of a sample to belong to a candidate place from the map, and compares them to reference values, defined by ROC curves from candidate places. The tests executed for evaluating the characterization power of the developed model and the quality of the proposed localization method, used a visual map generated from a image group for each 28 places of the environment UFES. For evaluating the generalization of the characterization model aplied to the objects recognition problem, it was used a group of characterization images from 4 similar objects. Thus, the obtained results show this work reached its goals, because visual samples from the used dynamic outdoor environment were correctly localized , reaching global classification performance at least acceptable (AUC > 0,7), spending 3,361 seconds in the best case; and it was also possible to recognize objects from the used group with global classification performance at least acceptable too, spending 265 miliseconds in the best case.
publishDate 2013
dc.date.issued.fl_str_mv 2013-07-15
dc.date.accessioned.fl_str_mv 2018-08-02T00:00:57Z
dc.date.available.fl_str_mv 2018-08-01
2018-08-02T00:00:57Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufes.br/handle/10/9626
url http://repositorio.ufes.br/handle/10/9626
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Text
dc.publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Engenharia Elétrica
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFES
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Centro Tecnológico
publisher.none.fl_str_mv Universidade Federal do Espírito Santo
Mestrado em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
instname:Universidade Federal do Espírito Santo (UFES)
instacron:UFES
instname_str Universidade Federal do Espírito Santo (UFES)
instacron_str UFES
institution UFES
reponame_str Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
collection Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)
bitstream.url.fl_str_mv http://repositorio.ufes.br/bitstreams/5d350f4e-ab90-41bc-baa3-e16720b4ecfc/download
bitstream.checksum.fl_str_mv 8ec4d56937b45f1e5404523103a99f50
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)
repository.mail.fl_str_mv
_version_ 1813022565014175744