2008/2009 tavasz, Loványi-féle ellenőrző kérdések - Pontok követése témakörben

A VIK Wikiből
A lap korábbi változatát látod, amilyen (vitalap) 2012. október 21., 22:38-kor történt szerkesztése után volt. (Új oldal, tartalma: „{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllLovanyi05}} __TOC__ ==1. Autonóm jármű navigáció 3Dben - szenzorfúziós megoldás== {{InLineImageLink|Infoszak…”)
(eltér) ← Régebbi változat | Aktuális változat (eltér) | Újabb változat→ (eltér)
Ugrás a navigációhoz Ugrás a kereséshez

Ez az oldal a korábbi SCH wiki-ről lett áthozva. Az eredeti változata itt érhető el.

Ha úgy érzed, hogy bármilyen formázási vagy tartalmi probléma van vele, akkor kérlek javíts rajta egy rövid szerkesztéssel.

Ha nem tudod, hogyan indulj el, olvasd el a migrálási útmutatót


1. Autonóm jármű navigáció 3Dben - szenzorfúziós megoldás

Ezen a helyen volt linkelve a 5-1_jarmu_navigacio.jpg nevű kép a régi wiki ezen oldaláról. (Kérlek hozd át ezt a képet ide, különben idővel el fog tűnni a régi wikivel együtt)


  • ... ?

2. Emberi mozgás követése 3D-ben - szenzorfúziós megoldás

  • optikai mozgáskövetés +
    • sok a pont, de bonyolultabb feldolgozás
  • ultrahangos mozgáskövetés
    • csak markerek, de azok robosztusan
  • ... ?

3. Megfigyelői pozíció követő 3D vizualizáció - a működési elv

  • sztereo megjelenítés
  • sztereo megfigyelői pozíció követéssel
  • ... ??

4. Mi tekinthető "jól" követhető "érdekes" pontnak? Jellemzők hierarchiája.

  • a jó pontszerű jellemző legyen:
    • invariáns
    • megkülönböztethető
  • az alábbi jellemzők lefelé haladva egyre robosztusabbak, de egyre nehezebben is számíthatók (fent alacsony, lent magas szintű képjellemzők):
    • intenzitás
    • szín
    • él
    • sarokpont
    • blobok
    • aktív kontúr
    • textúra
    • optikai áramlás

5. Valósidejű implementáció előzetes tervezési szempontjai

  • alapja a lokális képjellemzők gyors és robosztus
    • detektálása
    • lokalizálása
    • követése
  • *DE*:
    • az élek, sarkok nem jellemezhetőek megbízhatóan csupán az intenzitás lépcsőkkel (pl. gradiens-alapú műveletek érzékenyek a változásra)
    • az élek fontosak, de igazából mit kezdjünk velük?

6. Közös követési feladatok: Hol van a (2D) képen? + Hol van a (3D) világban?

  • ... ?

7. Szín, intenzitás - reprezentációk hatékonyabb követéshez

  • a hatékonyabb szín szerinti követéshez a HSI színtérbeli minimum/maximum küszöbök jobban megfelelnek, mint az RGB-beliek
  • mivel csak a H és S értékeket kell figyelni, az I ebből a szempontból közömbös

8. Élek követése - a problémák

  • él: nagy gradiens értékű hely
  • de a diszkontinuitás négy különböző jelenség következménye is lehet:
    • felületi szín/intenzitás
    • felületi normális
    • mélység
    • megvilágítás


Ezen a helyen volt linkelve a 5-8_elek.jpg nevű kép a régi wiki ezen oldaláról. (Kérlek hozd át ezt a képet ide, különben idővel el fog tűnni a régi wikivel együtt)


9. Esettanulmány - éldetektálás ablakműveletekkel, robosztusság

37-41. dia algoritmus

10. Sarkok követése - az előnyök

  • "sarokságot" pontonként nem tudjuk vizsgálni, legalább egy kis ablak kell
    • "ahol két él találkozik"
    • "ahol a gradiens nagy mindkét irányban"
  • a sarokpontokban legalább két irányban erőteljes intenzitásváltozás van
  • sarokdetektáló algoritmusok:
    • Moravecz
    • Susan
    • Fast
    • Harris
    • ...

11. Esettanulmány - sarkok követése Harris operátorral, robosztusság

55-61. dia az algoritmus leirasa, utana esettanulmany


-- OBrien - 2009.06.03.