• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.3.2009.tde-01072009-153749
Documento
Autor
Nome completo
Antonio Henrique Pinto Selvatici
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2009
Orientador
Banca examinadora
Reali Costa, Anna Helena (Presidente)
Barros, Leliane Nunes de
Cozman, Fabio Gagliardi
Dellaert, Frank
Goldenstein, Siome Klein
Título em português
Construção de mapas de objetos para navegação de robôs.
Palavras-chave em português
Inferência bayesiana
Redes de crença
Robótica
Visão computacional
Resumo em português
Como a complexidade das tarefas realizadas por robôs móveis vêm aumentando a cada dia, a percepção do robô deve ser capaz de capturar informações mais ricas do ambiente, que permitam a tomada de decisões complexas. Entre os possíveis tipos de informação que podem ser obtidos do ambiente, as informações geométricas e semânticas têm papéis importantes na maioria das tarefas designadas a robôs. Enquanto as informações geométricas revelam como os objetos e obstáculos estão distribuídos no espaço, as informações semânticas capturam a presença de estruturas complexas e eventos em andamento no ambiente, e os condensam em descrições abstratas. Esta tese propõe uma nova técnica probabilística para construir uma representação do ambiente baseada em objetos a partir de imagens capturadas por um robô navegando com uma câmera de vídeo solidária a ele. Esta representação, que fornece descrições geométricas e semânticas de objetos, é chamada O-Map, e é a primeira do gênero no contexto de navegação de robôs. A técnica de mapeamento proposta é também nova, e resolve concomitantemente os problemas de localização, mapeamento e classificação de objetos, que surgem quando da construção de O-Maps usando imagens processadas por detectores imperfeitos de objetos e sem um sensor de localização global. Por este motivo, a técnica proposta é chamada O-SLAM, e é o primeiro algoritmo que soluciona simultaneamente os problemas de localização e mapeamento usando somente odometria e o resultado de algoritmos de reconhecimento de objetos. Os resultados obtidos através da aplicação de O-SLAM em imagens processadas por uma técnica simples de detecção de objetos mostra que o algoritmo proposto é capaz de construir mapas que descrevem consistentemente os objetos do ambiente, dado que o sistema de visão computacional seja capaz de detectá-los regularmente. Em particular, O-SLAM é eficaz em fechar voltas grandes na trajetória do robô, e obtém sucesso mesmo se o sistema de detecção de objetos posuir falhas, relatando falsos positivos e errando a classe do objeto algumas vezes, consertando estes erros. Dessa forma, O-SLAM é um passo em direção à solução integrada do problema de localização, mapeamento e reconhecimento de objetos, a qual deve prescindir de um sistema pronto de reconhecimento de objetos e gerar O-Maps somente pela fusão de informações geométricas e visuais obtidas pelo robô.
Título em inglês
Building object-based maps for robot navigation.
Palavras-chave em inglês
Bayesian inference
Belief networks
Computer vision
Robotics
Resumo em inglês
As tasks performed by mobile robots are increasing in complexity, robot perception must be able to capture richer information from the environment in order to allow complex decision making. Among the possible types of information that can be retrieved from the environment, geometric and semantic information play important roles in most of the tasks assigned to robots. While geometric information reveals how objects and obstacles are distributed in space, semantic information captures the presence of complex structures and ongoing events from the environment and summarize them in abstract descriptions. This thesis proposes a new probabilistic technique to build an object-based representation of the robot surrounding environment using images captured by an attached video camera. This representation, which provides geometric and semantic descriptions of the objects, is called O-Map, and is the first of its kind in the robot navigation context. The proposed mapping technique is also new, and concurrently solves the localization, mapping and object classification problems arisen from building O-Maps using images processed by imperfect object detectors and no global localization sensor. Thus, the proposed technique is called O-SLAM, and is the first algorithm to solve the simultaneous localization and mapping problem using solely odometers and the output from object recognition algorithms. The results obtained by applying O-SLAM to images processed by simple a object detection technique show that the proposed algorithm is able to build consistent maps describing the objects in the environment, provided that the computer vision system is able to detect them on a regular basis. In particular, O-SLAM is effective in closing large loops in the trajectory, and is able to perform well even if the object detection system makes spurious detections and reports wrong object classes, fixing these errors. Thus, O-SLAM is a step towards the solution of the simultaneous localization, mapping and object recognition problem, which must drop the need for an off-the-shelf object recognition system and generate O-Maps only by fusing geometric and appearance information gathered by the robot.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2009-07-14
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • SELVATICI, Antonio Henrique Pinto, e Costa, Anna Helena Reali. Aprendizado da Coordenação de Comportamentos Primitivos para Robôs Móveis [doi:10.1590/S0103-17592007000200004]. Controle & Automação [online], 2007, vol. 18, p. 173-186.
  • SILVA, Valdinei Freire da, Selvatici, Antonio Henrique, e COSTA, ANNA HELENA REALI. Navigation towards a goal position: from reactive to generalised learned control [doi:10.1088/1742-6596/285/1/012025]. Journal of Physics. Conference Series [online], 2011, vol. 285, p. 012025.
  • SELVATICI, Antonio Henrique Pinto, and Costa, Anna Helena Reali. Fast Loopy Belief Propagation for Topological SAM [doi:10.1109/iros.2007.4399366]. In IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2007), San Diego, CA, 2007. Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems.San Diego, CA : IEEE, 2007.
  • SELVATICI, Antonio Henrique Pinto, COSTA, Anna Helena Reali, and DELLAERT, F. Object-based visual SLAM: how object identity informs geometry. In IV Workshop de Visão Computacional, Bauru, SP, 2008. IV Workshop de Visão Computacional., 2008.
  • SELVATICI, Antonio Henrique Pinto, DELLAERT, F., and COSTA, Anna Helena Reali. Building Object-Based Maps for Robot Navigation. In CTDIA 2010 VII Best MSc Dissertation/PhD Thesis Contest, São Bernardo do Campo, 2010. Anais do VII Best MSc Dissertation/PhD Thesis Contest. : SBC, 2010.
  • SELVATICI, Antonio Henrique Pinto, DELLAERT, F., and COSTA, Anna Helena Reali. Building Object-Based Maps from Visual Input. In IX SBAI - Simpósio Brasileiro de Automação Inteligente, Brasília, 2009. Anais do SBAI 2009. : Sociedade Brasileira de Automática, 2009.
  • SELVATICI, Antonio Henrique Pinto, e Costa, Anna Helena Reali. Inferência no Problema Linear de SAM com Restrição de Topologia. In Simpósio Brasileiro de Automação Inteligente, Florianópolis, 2007. Anais do Simpósio Brasileiro de Automação Inteligente.Florianópolis : Sociedade Brasileira de Automatica (SBA), 2007.
  • SELVATICI, Antonio Henrique Pinto, e Costa, Anna Helena Reali. Relaxação do modelo oculto de Markov para o problema de mapeamento e localização simultâneos. In XVI Congresso Brasileiro de Automática, Salvador, 2006. Anais do XVI Congresso Brasileiro de Automática.São Paulo : Sociedade Brasileiro de Automática, 2006.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.