1
Rozpoznávání a sledování objektů Petr Fejfar Katedra teoretické informatiky a matematické logiky, Matematicko-fyzikální fatkula, Univerzita Karlova v Praze [email protected] Motivace Náš problém je inspirován soutěží SICK Robot Day 2012. Soutěžilo se v kryté hale, kde byl padesát centimetrů vysokými krabicemi ohraničen oválný prostor o průměru přibližně 15 metrů. Na okrajích byly mezi bednami tři metrové brány. Na ploše se nacházelo 30 míčů o velikosti 22 cm. Míče na začátku každého kola stály nehybně. Cílem bylo sestrojit robota, který míče vyhledá a míče dopraví do brány. Senzor K vyhledávání míču použijeme senzor SICK LMS 100. Senzor vrhá sérii laserových paprsků, které měří vzdálenosti od senzoru. Tyto paprsky leží na jedné rovině a kromě informace o vzdálenosti vrací ještě informaci o odrazivosti povrchu, na který dopadly. My budeme používat informaci o vzdálenosti, pomocí které budeme pozorovat okolí senzoru. Senzor měří vzdálenost až na 40m. Přesnost ve vzdálenosti 15m je ~10cm. Senzor komunikuje pomocí protokolu TCP/IP. Laserový senzor umístíme do výšky poloviny velikosti míče a budeme pořizovat vodorovné snímky hřiště. Snímky, které bude senzor produkovat, budou zachycovat míče, stěny i ostatní roboty. Reference Foto ze soutěže http://static.sick.com/webgallery_robotday_2012/ [Citováno 12. června 2014]. Specifikace senzoru SICK LMS 100, https://www.mysick.com/PDF/ Create.aspx?ProductID=33753&Culture=en-US [citováno 7. května 2014]. Diagram Kalmanova filtru - WELCH, Greg a Gary BISHOP. An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill, Department of Computer Science, Chapel Hill, NC, USA. TR95-041. 1995. Použitý algoritmus Kostru algoritmu lze popsat jako opakující se smyčku obsahující následující kroky: 1. Načteme data ze senzoru. 2. Provedeme preprocessing dat (zbavíme šumu). 3. Vyhledáme pozice jednotlivých míčů. 4. Jednotlivé nalezené pozice míčů, přiřadíme k sledovaným míčům Kalmanovy filtry. 5. Aktualizujeme Kalmanovy filtry o naměřené pozice míčů. 6. Informujeme o nových pozicích. Kalmanův filtr Měřené pozice míčů modelujeme Kalmanovým filtrem. Kalmanův filtr používáme na redukci šumu při sledování objektu a k získání hodnot skrytých proměnných z modelu (měříme pozice → odvozujeme rychlost). Filtr používá námi dodaný lineární model. Opakuje kroky měření a predikce. Při predikci odhaduje stav v dalším kroku a při měření pak tyto odhady zpřesňuje. Rozpoznávaní objektů Objekty ve snímcích senzoru rozpoznáme využitím faktu, že oproti okrajům arény jsou objekty k robotu výrazně blíže. Ve snímcích hledáme hrany, které indikují objekt. Poté dopočítáme velikost objektu a jeho pozici. Model pohybu Pro Kalmanův filtr použijeme model rovnoměrného přímo- čarého pohybu. Odlišnosti od reálu zpracujeme jako šum. Stav X t obsahuje pozici a rychlost. Přechodová funkce F zachová rychlost a posune pozici ve směru pohybu. Funkce měření H aktualizuje pouze informaci o pozici. Ze snímku senzoru nemáme žádnou informaci o rychlosti. Tu odvozuje algoritmus sám. Experimenty Sledujeme míče, které se míjejí. V kroku 1) míč zajíždí do zákrytu a nebude senzorem detekován. V kroku 2) zákryt opouští a je úspěšně sledován. 1) 2) V další situaci sledujeme kolidující objekty. V kroku 1) se objekty pohybují proti sobě a nevyhnutelně budou kolidovat. V kroku 2) pozorujeme situaci po kolizi. Objekty si zachovaly svoji identitu (nevyměnily se) a jejich pozice a rychlost se začíná adaptovat na aktuální. V poslední situaci pozorujeme různé případy, kdy rozpoznávací algoritmus selhává. Pozorujeme 5 míčů. Vlevo jsou 2 míče, které jsou blízko u sebe a algoritmus je detekuje jako jeden příliš velký objekt. Uprostřed je podobná situace, stín je zde menší a je detekován jeden objekt. Vpravo je samostatný míč, který je detekován korektně. Sledování Identifikace je realizována pomocí modelu jejich pohybu. Předpokládáme, že pohyb mezi jednotlivými snímky bude rovnoměrný a tedy nová pozice bude přibližně rovna staré posunuté ve směru pohybu. Výsledné předpokládané pozice párujeme s měřeními záznamy pomocí Maďarského algoritmu. 1) 2) Závěr Navrhli jsme systém, který v reálném čase vyhledává a sleduje míče pomocí dálkoměrných senzorů. Systém míče identifikuje, informuje o jejich pozici a rychlosti. Systém úspěšně sleduje i v obtížných situacích, kdy se míče střetávají nebo pohybují v zákrytu a jsou tak pro senzor dočasně skryté.
