Upload
affonso-murgia
View
219
Download
1
Embed Size (px)
Citation preview
Inseguimento adattativo Inseguimento adattativo binoculare in tempo realebinoculare in tempo reale
LIRA-Lab Laboratorio Integrato di Robotica Avanzata
Alberto Baroni
Relatore: Chiar.mo Prof. Giulio Sandini
Correlatore: Ing. Carlos Beltran
ObiettiviObiettivi
• Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.
• Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, Kalman).
• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.
ObiettiviObiettivi
Realizzare un setup utilizzando una testa Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-robotica binoculare ed un sistema operativo real-time. time.
• Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LTI, regressione, Kalman).
• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.
Il setupIl setup•Eurohead:Eurohead:
• Testa robotica a 4 gradi di libertà: pan, tilt e vergenza delle due telecamere
•Sistema operativo real-time QNX Neutrino 2Sistema operativo real-time QNX Neutrino 2• Microkernel• Gestione della comunicazione tra processi tramite messaggi• Gestione proprietaria della rete: qnet • Standard POSIX (portable operating system interface)
ObiettiviObiettivi
Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.
Effettuare esperimenti di inseguimento Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, utilizzando filtri predittivi (LMS, regressione, Kalman).Kalman).
• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.
Filtro FIR (Finite Impulse Response)
0 5 10 15 20-1.5
-1
-0.5
0
0.5
1
1.5 Risposta ad un bersaglio sinusoidale
Tempo
Pos
izio
ne
Bersaglio
Occhio
Filtro FIR con regressione non lineare
-1.5 -1 -0.5 0 0.5 1 1.5
-2
0
20
2
4
6
8
10
12
14
16
x 106
Posizione x
Posizione y
Pos
izio
ne z
Bersaglio
Stima
Filtro FIR (Finite Impulse Response)
0 5 10 15 20-1.5
-1
-0.5
0
0.5
1
1.5 Risposta ad un bersaglio sinusoidale
Pos
izio
ne
TempoBersaglio
OcchioBersaglio con rumore
0 10 20 30 40 50-50
-40
-30
-20
-10
0
10
20
30
Tempo (sec)
Po
sizi
on
e (f
eet)
Prestazioni filtro di Kalman CV
Filtro di Kalman
Posizione reale
Posizione stimataPosizione misurata
Altri filtri di predizione
• Filtro di Kalman esteso (EKF)
• IMM
• Filtri a particelle
EsperimentiEsperimenti
RisultatiRisultatiAndamento errore retinico
Senza predizione
Con predizione
15 20 25 30 35 40 45 50
Velocità carrello (mm/s)
10
20
30
40
50
60
Va
lore
(p
ixe
l)
100
ObiettiviObiettivi
Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.
Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, Kalman).
Effettuare esperimenti sul moto di un bersaglio Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.in presenza di una occlusione.
RisultatiRisultati
35 40 45 50-0.5
0
0.5
rad
35 40 45 50-0.5
0
0.5
1
rad
/s
35 40 45 50-50
0
50
100
pix
el
Senza predizioneCon predizione
35 40 45 50-0.5
0
0.5
1
rad
/s
Frame
Centro di massa sul piano immagine
Angolo encodertelecamera sinistra
Velocità encodertelecamera sinistra
Velocità encodertelecamera sinistra
ConclusioniConclusioni
L’utilizzo del filtro di kalman permette di ridurre sensibilmente l’errore retinico e può essere impiegato anche nel superamento di occlusioni.
Inseguimento adattativo Inseguimento adattativo binoculare in tempo realebinoculare in tempo reale
LIRA-Lab Laboratorio Integrato di Robotica Avanzata