Modelo para caracterização visual de cenas aplicado à localização robótica em ambientes externos dinâmicos e ao reconhecimento de objetos
Autor(a) principal: | |
---|---|
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 |