RoboClub - Мобильные роботы

Where AI meet the real world

Первый закон Скотта. Неважно, что кто-то идет неправильно. Возможно, это хорошо выглядит...

Этот раздел полностью посвящен мобильным роботам, которые представляют собой автономные мобильные конструкции с бортовым вычислителем для выполнения заранее определенного набора задач.

Распознавание снарядов

Из-за постоянно проводящихся военных испытаний невзорвавшиеся снаряды стали настоящей проблемой во многих районах. Очистка этих районов людьми - занятие дорогостоящее и опасное. Этот проект посвящен разработке метода распознавания снарядов, который мог бы быть использован беспилотными наземными роботами. Предполагаемая система - беспилотный внедорожник, оснащенный встроенными стереокамерами, а также приборами, определяющими и нейтрализующими снаряды. Проект ориентирован на создание технологии, распознающей лежащие на поверхности снаряды (а именно - на снаряды BLU-97, наиболее широко использующиеся в испытаниях). Эти снаряды цилиндрической формы, приблизительно 20 см в длину и 6 см в диаметре. Новые снаряды - желтого цвета. Таким образом, распознавание может осуществляться с применением ключей цвета и формы. Эффективность цветового ключа была выше в экспериментах на данной выборке.

Распознавание снарядов с использованием цвета

Новые снаряды окрашены в желтый цвет, после использования в испытаниях они в некоторой степени теряют цвет, но окраска все равно остается желтоватой.

Использованный подход - обучение классификатора определению каждого пиксела изображения как "вероятно относящегося к снаряду" и "вероятно не относящегося к снаряду"; классификация проводилась на основе значений RGB. Для обучения было использовано 10 изображений из корпуса данных Nellis AFB. Области изображений, соответствовавшие снарядам, выделялись вручную.

Затем классификатор обработал 115 изображений (включая те, на которых проводилось обучение). После классификации прошел следующий этап обработки, объединивший пикселы, относившиеся к снарядам, в группы, и элиминировавший небольшие блоки пикселов, слишком маленькие, чтобы их можно было считать относящимися к снарядам.

При применении этой техники 95% снарядов были идентифицированы верно (112 из 118); ошибки были связаны с нечеткостью диапазона и неяркого света.

Распознавание снарядов с использованием формы

Так как снаряды, на которые рассчитан проект, имеют цилиндрическую форму, то они могут быть найдены посредством локализации на карте контуров изображения параллельных сегментов, которые соответствуют контурам цилиндрического корпуса снарядов.

Полученное с камер изображение сначала сглаживается, затем адаптивным методом выделяются границы; при этом для выделения границы в каждом пикселе используется стереоинформация, с помощью которой выбирается подходящий масштаб сглаживания и подходящая пороговая величина.

Затем методом извлечения выделяются пары параллельных сегментов. Этот метод производит выборку последовательностей краевых пикселей на карте краев. К каждому краевому пикселу, входящему в выборку, для определения, относится ли пиксел к какой-либо из пар параллельных сегментов карты краев, применяется техника кластеризации позиционного пространства. После того, как выявлены сегменты, проводится обработка полученных результатов для нахождения местоположения снаряда.

Начальные результаты по выборке из 48 стереопар были достаточно хороши. Доля успешных попыток составила 83%, но все сделанные ошибки относились к снарядам, которые находились далеко от камеры и попали в кадр лишь частично.

Первоначальные результаты применения техники геометрического распознавания были многообещающими. Изображения фиксировались с двух позиций с использованием двух ориентаций камеры на каждой позиции, так что было четыре возможных типа "установки". С каждой установки было получено векторное произведение четырех расстояний до снаряда (1, 2, 3 и 4 метра) и 3 ориентаций снаряда (0, 45 и 90 градусов относительно камеры).

В этом эксперименте все ошибки были сделаны при ориентации 90 градусов на расстоянии 3 и 4 метра (в этих случаях всегда были ошибки, в прочих - никогда).

В дальнейших экспериментах было установлено, что только формы недостаточно для надежного распознавания (доля успешных попыток в этих экспериментах составила 63%). Такой низкий процент правильного распознавания был связан с деформацией, обесцвечиванием или затемнением снарядов, из-за которых параллельные сегменты не могли быть выделены.

Одна из целей проекта - учет наибольшего возможного количества переменных, касающихся внешнего вида снаряда, включая его расположение и ориентацию на изображении, направление света, степень обесцвечивания, деформацию и потемнение. Однако несколько переменных не были учтены в должной степени, в том числе: поверхность (все изображения были сделаны в одном месте), освещение (все изображения были сделаны в один ясный день) и угол падения солнечных лучей (изображения были сделаны ранним утром, из-за чего в ряде случаев на изображении были длинные тени). Обычно делалось несколько последовательных снимков каждого из снарядов с изменением дистанции и ориентации.

Источникhttp://robotics.jpl.nasa.gov/tasks/ordnance