haku: @supervisor Visala, Arto / yhteensä: 105
hakutulos-lista
viite: 35 / 105
« edellinen | seuraava »
Tekijä:Nyrhilä, Niko
Työn nimi:Real time feature tracking on omnidirectional camera image in forest environment
Reaaliaikainen piirteiden seuranta jokasuuntaisen kameran kuvasta metsäympäristössä
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2012
Sivut:xiii + 91 + liitt. (+4)      Kieli:   eng
Koulu/Laitos/Osasto:Automaatio- ja systeemitekniikan laitos
Oppiaine:Automaatiotekniikka   (AS-84)
Valvoja:Visala, Arto
Ohjaaja:Terho, Sami
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  7519   | Arkisto
Avainsanat:omnidirectional camera
interest point tracking
visual odometry
graphics processing unit
forest environment
jokasuuntainen kamera
kiintopisteiden seuranta
visuaalinen odometria
näytönohjain
metsäympäristö
Tiivistelmä (fin): Autonomisille järjestelmille, on erityisen tärkeää, että robotin paikka on tiedossa ja sillä on jonkinlainen käsitys ympäristöstä.
Yhteen kameraan perustuvaa odometriaa on hyödynnetty rakennetussa ympäristössä rajoitetuissa ja vapaissa liikkeissä.
Kuitenkin metsäympäristössä vahva 3D rakenne aiheuttaa ongelmia kiintopisteiden seuraamisessa.
Lisäksi reaaliaikainen seuranta ilman hyviä alkuarvauksia piirteen paikasta ja kameran liikkeestä.
Seuranta-algoritmin tulisi kyetä seuraamaan piirteitä mahdollisimman pitkään, eikä tuottaa vääriä tuloksia.
Jokasuuntaisen kameran käyttäminen pidentää piirteiden elinikää kameran kuvassa.

Tässä diplomityössä esitellään uudenlainen robusti ja tehokas reaaliaikainen kiintopisteiden seuranta-algoritmi.
Se perustuu kiintopisteiden keskenäisten sijaintien hyödyntämiseen yksiulotteisten affiini-invarianttien piirteiden määrittämiseksi, joita voidaan tehokkaasti vertailla käyttäen ohjelmoitavaa näytönohjainta.
Täten laskenta voidaan jakaa sekä prosessorille että näytönohjaimelle.

Kehitettyä Line-based Affine Invariant Features (LAIF):a verrattiin nykyaikaiseen ja hyvänä pidettyyn Speeded Up Robust Features (SURF) algoritmiin tasomaisissa ja luonnollisissa ympäristöissä, ja SURF generoi 10 - 100 kertaa enemmän vääriä tuloksia.
Videokokeissa LAIF pystyi seuraaman piirteitä noin kaksi kertaa pidempään kuin SURF, ja pystyi silti prosessoimaan 1800 x 320 harmaasävykuvia 20 kuvaa sekunnissa.

Lisäksi luotiin katsaus nykyisiin visuaaliseen odometriaan perustuviin kameranpaikannusalgoritmeihin, ja johtopäätöksenä todetaan että tämä on vielä avoin ongelma metsäympäristössä.
Suurin haaste on kiintopisteiden lyhytikäisyys, koska kameran liike aiheuttaa paljon okluusioita puiden oksissa ja puskissa.
Tiivistelmä (eng): For autonomous systems it is crucial to know robot's position, and have some kind of understanding of its surroundings.
Monocular vision based odometry has been successfully used in structured scenes under constrained and unconstrained motions, but depth discontinuities in forest environment poses major challenges for interest point tracking algorithms.
Additionally, real time tracking remains a difficult problem without good a priori knowledge of interest points' positions and camera motion.
The usage of an omnidirectional camera helps to extend the lifespan of interest points, and enables better position estimates.

In this thesis, I present a novel approach to construct a robust and efficient real time interest point tracking algorithm.
It is based on the usage of interest points' relative positions to sample affine invariant 1D line descriptors, which can be efficiently matched using a graphics processing unit (GPU).
Thus workload is evenly distributed for central processing unit and GPU, and all computational resources are utilized.

The developed Line-based Affine Invariant Features (LAIF) was evaluated against the state of the art algorithm Speeded Up Robust Features (SURF) on planar and natural scene.
SURF reported 10 - 100 times more incorrect matches.
On video sequences LAIF was able to track features approximately twice as long as SURF, while still processing 1800 x 320 grayscale images at 20 frames per second.

Also a review of state of the art visual odometry algorithms is conducted and it is concluded that it still remains an open question whether these can be generalized to a forest environment.
Biggest problem is caused by short lifespan of tracked features as the camera moves near trees and bushes with significant 3D structure.
ED:2012-11-09
INSSI tietueen numero: 45413
+ lisää koriin
« edellinen | seuraava »
INSSI