Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Percezione
Robotica
AA 2016/2017
Robotica 1
Percezione (1)
Robotica 2
Percezione (2)
● Elaborazione dei dati sensoriali
– i dati “grezzi” acquisiti devono spesso essere
elaborati ed interpretati prima di poter essere usati
(es. visione)
● Associazione di dati
– dati acquisiti con sensori o in tempi diversi possono
essere riferiti allo stesso oggetto o porzione
dell'ambiente
● Incertezza
– la rappresentazione dell'incertezza si fonda spesso
su un modello probabilistico del processo sensoriale
Robotica 3
Estrazione di feature
Robotica 4
Feature visuali
Robotica 5
SIFT (1)
● SIFT: Scale Invarian Feature Transform
– proposto da Lowe nel 1999
– estrazione di feature puntiformi stabili
– computazionalmente e algoritmicamente
complesso
● Sketch:
– generazione scale space
– riconoscimento punti di interesse (IP)
– ricerca corrispondenze nello scale space
– calcolo dei descrittori
Robotica 6
SIFT (2)
Robotica 7
ORB
● Oriented FAST and rotated BRIEF
– Keypoint detector: FAST
– Descrittore binario: BRIEF
● FAST: pixel p è keypoint se ogni q
FAST: vicinato Bresenham
circle radius 3 (16 pixel)
– I(q) > I(p)+t oppure
– I(q) < I(p)-t
● BRIEF: valore binario dal confronto di
intensità di coppie di pixel (x,y)
– 1 se I(x) < I(y), 0 altrimenti
– coppie x,y scelte nel patch
Rublee, Rabaud, Konolige, Bradski, “ORB: an efficient
alternative to SIFT or SURF”, 2011
BRIEF pattern: confronto
fra coppie di pixel nel
patch 31x31 Robotica 8
Range feature
Robotica 9
Feature della Point Cloud
● Input: punti 3D organizzati come
point cloud oppure come range
image
● Point Feature: punti caratteristici cui
sono associati dei descrittori
– Stabilità ed invarianza w.r.t.
condizioni di osservazione
– Diversi tipi di descrittori
● Esempi: normali, Point Feature
Histogram (PFH), Fast Point Feature
Histogram (FPFH), SHOT, Normal
Aligned Radial Feature (NARF)
Robotica 10
FPFH
● Fast Point Feature Histogram: un punto ed un insieme di
descrittori calcolati sui k vicini del punto (con distanza
massima r)
● Istogramma descrive la distribuzione delle differenze di
orientamento delle normali tra due punti nelle tre direzioni
Rusu et al., ”3D is here: Point Cloud Library (PCL)”, ICRA 2011
Robotica 11
SHOT
● Signature of Histograms of OrienTations
● Signature: codifica misure geometriche
(coordinate) di ciascun punto del vicinato
rispetto ad un frame locale invariante
● Histogram: codifica topologie locali (mesh,
vertici, ecc.) in un dominio suddiviso in bin
espresso nel frame locale
● SHOT detector: reference frame da autovettori
matrice errore pesata
● Descrittore di 352 bin: coseni punti vicinato-
normale (signature), ma interpolandone valori
e codificando nei bin (istogramma)
S. Salti, F. Tombari, L. Di Stefano, “SHOT: Unique Signatures of
Histograms for Surface and Texture Description”, CVIU 2014
Robotica 12
NARF
● Ricerca discontinuità nell'immagine di
range (i bordi degli oggetti)
● Calcolo della direzione e dell'orientamento
tramite istogramma delle differenze nel
vicinato
● Selezione dei punti con differenze più
significative
● Filtraggio dati e calcolo dei descrittori
(valori delle discontinuità pesati secondo
la distanza)
Steder et al., ”NARF: 3D Range Image Features for Object
Recognition”, IROS 2010
Robotica 13
Feature del sonar (1)
● Riconoscimento di 4 tipi di target usando un anello di
sonar [Leonard & Durrant-Whyte,1992]
● Piano: superficie piana
● Cilindro: risposta uguale da qualsiasi punto di
osservazione
● Angolo: incontro di due piani con concavità verso il
sensore
● Spigolo: incontro di due piani con concavità dalla parte
opposta al sensore
Robotica 14
Feature del sonar (2)
● Simulazione dei
pattern sonar nei 4
casi
● I risultati della
simulazione sono
impiegati per il
riconoscimento delle
feature
Robotica 15
Feature del laser scanner (1)
Robotica 16
Feature del laser scanner (2)
Robotica 17
Split & Merge
p1 p2 ● Inizializza la lista ordinata S con i punti
della scansione
● Identifica la retta r passante per gli
r estremi p1 e p2 di S
S1 S2 ● Ricerca il punto p a distanza max da r
p p2”
p1' p” ● Separa S in
● Ripetere la procedura su S1 e S2 se
contengono abbastanza punti e d(p,r)<
soglia
Robotica 18
Trasformata di Hough
● Ricerca delle rette nel piano dei parametri
– parametrizzazione Hessiana: x cos y sin =
● Trasforma punti in coord. cartesiane x , y nel
corrispondente luogo dei punti ,
– sinusoidi per la parametrizzazione Hessiana
Robotica 19
FLIRT
● FLIRT: Fast Laser Interest Region Transform (Tipaldi et
al, 2010; http://www.openslam.org/)
● Ricerca punti di interesse elaborando la scansione a
scale diverse
– impiega anche descrittori per ciascun punto come il SIFT
Robotica 20
FALKO
1 2
● Custom design of keypoint detector
based on curvature discontinuity in
laser scans
–careful neighbor selection
– cornerness score
Left/right adaptive Discard point with few ● Fast and efficient computation and
neighbor search neighbors
easy-to-implement on embedded
3 4 1 Distance- processors (no multiscale)
Point
● Descriptors BSC and GCH: histograms
p based on distribution of neighbor
p pR points
L i 2
Geometric check Angular distance Kallasi, Lodi Rizzini, Caselli, “ Fast Keypoint Features from Laser
(curvature) to neighbors Scanner for Robot Localization and Mapping”, 2016
5 66 5 12
1 75
BSC (Binary Shape CGH (Cumulative Gaussian
2
Context) Histogram)
2 71
01 3
1
Cornerness Non-maxima
score suppression
Robotica 21
Feature Laser Scanner
● Caratteristica più significativa: variazioni della curvatura
● Descrittori: istogrammi distribuzione dei punti
Robotica 22
Outlier
Robotica 23
RANSAC (1)
Robotica 24
RANSAC (2)
Robotica 25
Sensori logici
Robotica 26
Fusione sensoriale