El objetivo de esta tesis es diseñar e implementar un sistema de detección y seguimiento de
robots articulados mediante el análisis computacional de imágenes. El principal aporte es
extender el uso de técnicas de detección de objetos rígidos a robots articulados y lograr un
seguimiento en tiempo real de la posición de éstos en imágenes y secuencias de video. El trabajo
realizado está enfocado principalmente a condiciones de fútbol robótico pero es fácilmente
extendible a otras aplicaciones.
El reconocimiento de robots articulados requiere la detección de éstos en cualquier estado y
posición. Para lograrlo, se probaron distintos tipos de clasificadores de manera de obtener una
mayor tasa de detección, independiente del estado del robot (acostado, parado, caminando,
etc…). Los robots utilizados para probar los algoritmos fueron el robot Aibo y los robots de tipo
Humanoide (basado en el modelo Hajime).
El sistema antes mencionado necesitó la creación e implementación de distintas herramientas
computacionales. Para la detección de robots en imágenes se utilizó un sistema basado en
Adaboost, y para el posterior seguimiento se ocupó el algoritmo “mean-shift”. Para la detección
mediante Adaboost se generaron una serie de bases de datos para el entrenamiento del algoritmo.
Posteriormente se construyeron diversos clasificadores (frontal, lateral, trasero, global, etc…), y
se probaron distintas estrategias de detección.
El detector con mejores resultados para Aibos fue el Lateral, con una tasa de detección de hasta
94.7% con 98 falsos positivos en la base de datos AIBODetUChileEval. Luego siguen el detector
Trasero, con 89.9% y 166 falsos positivos y, por último, el detector Frontal con 89.4% y 254
falsos positivos. Finalmente se probó la detección de los Aibos en todas las posiciones con un
detector múltiple, el cual obtuvo una tasa de detección de 94.8% con 392 falsos positivos.
Aplicando solo el detector frontal sobre todas las imágenes con Aibos obtuvo solo un 90% de
detecciones con 392 falsos positivos, pero es más rápido que el detector múltiple. Para los
Humanoides se desarrolló un solo detector que logró un 92.2% de detecciones con 123 falsos
positivos sobre la base de datos HDetUChileEval.
Se concluyó finalmente que los clasificadores Adaboost elegidos en este trabajo para hacer las
clasificaciones reportan excelentes resultados, y no se duda que puedan también hacerlo en otros
tipos de aplicaciones de similares características. Además se logró hacer la detección y el
seguimiento de robots en tiempos muy cercanos al tiempo real, lo cual permite ocuparlo en
aplicaciones con altas restricciones de procesamiento.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/102172 |
| Date | January 2009 |
| Creators | Arenas Sepúlveda, Matías Esteban |
| Contributors | Ruiz del Solar, Javier, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Palma Behnke, Rodrigo, Verschae Tannenbaum, Rodrigo, Zegers Fernández, Pablo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0024 seconds