Συντάχθηκε 23-10-2012 14:41
από Galateia Malandraki
Email συντάκτη: gmalandraki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: υπάλληλος ΑΡΜΗΧ.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Τμήμα Ηλεκτρονικών Μηχανικών & Μηχανικών Υπολογιστών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΓΕΩΡΓΙΟΥ ΓΕΩΡΓΑΚΗ
με θέμα
“ Αναγνώριση Χαρακτηριστικών Γηπέδου και Εντοπισμός
για τον Διαδικτυακό Διαγωνισμό Ποδοσφαίρου RobotStadium”
“Field Landmark Recognition and Localization
for the RobotStadium Online Soccer Competition”
Τετάρτη 24 Οκτωβρίου 2012, 12μμ
Αίθουσα Συνεδριάσεων ΗΜΜΥ, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Μιχαήλ Γ. Λαγουδάκης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Χαλκιαδάκης
Καθηγητής Μιχάλης Ζερβάκης
Περίληψη
Η οπτική αναγνώριση αντικειμένων αποτελεί βασική ικανότητα για αυτόνομους ρομποτικούς πράκτορες μέσα σε δυναμικά και μερικώς παρατηρήσιμα περιβάλλοντα, όπως ο διαγωνισμός RoboCup, όπου ομάδες αυτόνομων ρομπότ ανταγωνίζονται μεταξύ τους σε αγώνες ποδοσφαίρου. Η αξιόπιστη αναγνώριση αντικειμένων είναι επίσης ζωτικής σημασίας για την επίτευξη αξιόπιστου εντοπισμού θέσης, δηλαδή για τη συνειδητοποίηση της θέσης του πράκτορα μέσα στο γήπεδο ανά πάσα στιγμή χρησιμοποιώντας τα σταθερά χαρακτηριστικά του γηπέδου. Η παρούσα εργασία επικεντρώνεται στον διαδικτυακό διαγωνισμό ποδοσφαίρου RobotStadium ο οποίος είναι μια προσομοίωση του RoboCup Standard Platform League (SPL) βασισμένη στον προσομοιωτή ρομποτικών συστημάτων Webots. Η εργασία μας στοχεύει στην ανάπτυξη μιας αξιόπιστης μεθόδου οπτικής αναγνώρισης χαρακτηριστικών γηπέδου και βάσει αυτής μιας αξιόπιστης μεθόδου εντοπισμού θέσης. Χρησιμοποιώντας διάφορες τεχνικές επεξεργασίας εικόνας, η προτεινόμενη μέθοδος αναγνώρισης χαρακτηριστικών ανιχνεύει επιτυχώς διάφορα χαρακτηριστικά του γηπέδου μέσα από τις εικόνες της κάμερας: το μπλε και το κίτρινο τέρμα, τα αριστερά και δεξιά δοκάρια τους, τον κεντρικό κύκλο, τις τέσσερις γωνίες του γηπέδου, τις τέσσερις γωνίες στις περιοχές τέρματος και τους δύο κόμβους γραμμών κατά μήκος της μεσαίας γραμμής του γηπέδου. Από οποιαδήποτε θέση στο γήπεδο, χρησιμοποιώντας μια ευρεία οριζόντια σάρωση, ο ρομποτικός παίκτης μας είναι σε θέση να ανιχνεύσει με ακρίβεια πολλά χαρακτηριστικά του γηπέδου, να τα αποσαφηνίσει και να εκτιμήσει την απόσταση και την διεύθυνση για κάθε ένα από αυτά. Στη συνέχεια, μία μέθοδος εντοπισμού θέσης βασισμένη σε γεωμετρικούς περιορισμούς προσδιορίζει τη θέση του παίκτη (συντεταγμένες και προσανατολισμός) στο γήπεδο αξιοποιώντας τους περιορισμούς που επιβάλλονται από τα παρατηρούμενα χαρακτηριστικά γηπέδου. Τα πειραματικά μας αποτελέσματα δείχνουν ότι η προσέγγισή μας οδηγεί σε ακριβή εντοπισμό θέσης με το μέσο σφάλμα από την πραγματική θέση (συντεταγμένες και προσανατολισμός) να κυμαίνονται από 12cm / 4o στο άδειο 4m X 6m γήπεδο SPL σε περίπου 42cm / 23o στη χειρότερη περίπτωση ενός πλήρους αγώνα, όπου οπτικά εμπόδια και ανεπιθύμητες μετατοπίσεις από άλλους παίκτες είναι πολύ πιθανά. Αυτά τα ενθαρρυντικά αποτελέσματα και η απλότητα της προσέγγισης μας την καθιστούν δυνητικά κατάλληλη για υλοποίηση και εκτέλεση πάνω στο ανθρωποειδές ρομπότ Aldebaran Nao που χρησιμοποιείται στο RoboCup Standard Platform League (SPL).
Abstract
Visual object recognition is a key ability for autonomous robotic agents in dynamic and partially observable environments, such as the RoboCup competition, where teams of autonomous robots compete against each other in soccer games. Reliable object recognition is also crucial in achieving reliable self-localization, namely awareness of the self-location in the field at all times using the fixed field landmarks. This thesis focuses on the RobotStadium Online Soccer Competition which is a simulation of the RoboCup Standard Platform League (SPL) based on the Webots robot simulator. Our work aims at developing a dependable visual landmark recognition module and on top of that a dependable self-localization module. Using a variety of image processing techniques, our landmark recognition method successfully detects several field landmarks from the camera images: the blue and the yellow goals, their left and right goal posts, the center circle, the four field corners, the four goal area corners, and the two line junctions along the middle field line. From any position in the field, using a wide horizontal scan, our robot player is able to accurately detect several landmarks, disambiguate them, and estimate the distance and direction to each one of them. Subsequently, a constraint-based geometric localization method pinpoints the agent's location (position and orientation) in the field by exploiting the constraints imposed by the observed landmarks. Our experimental results demonstrate that our approach leads to accurate self-localization with the average error from the true location in position and orientation ranging from 12cm / 4o in the empty 4m X 6m SPL field to about 42cm / 23o in the worst case of a full game, where visual obstructions and misplacement due to pushing by other players are highly likely. These promising results and the simplicity of our approach make it potentially suitable for on-board execution on the real Aldebaran Nao humanoid robots used in the RoboCup Standard Platform League (SPL).
Συνημμένα:
-
2012-10-24-georgakisAnnouncement.doc
Μεταφορτώσεις: 165,
Μέγεθος: 53 KB application/msword
