""

澳门太阳城网站-最新注册

  • 机器人目前尝试识别在点云的物体通过比较模板对象 - 一个对象,的3-d表示的点如兔 - 与真实世界的点云表示,其可以包含对象。

    机器人目前尝试识别在点云的物体通过比较模板对象 - 一个对象,的3-d表示的点如兔 - 与真实世界的点云表示,其可以包含对象。

    图片:恭达尼洛夫,澳门太阳城最新网站

    全屏

混乱之中点滴的对象

机器人目前尝试识别在点云的物体通过比较模板对象 - 一个对象,的3-d表示的点如兔 - 与真实世界的点云表示,其可以包含对象。

新的方法很快就找到隐藏的对象在密集的点云,在无人驾驶汽车或机器人助手的工作空间使用。


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

一个新的澳门太阳城最新网站开发的技术使机器人能够快速识别隐藏在数据,让人联想到的三维云对象如何,如果他们在短短的正确方法观察它的一些人可以做一个密集图案的“电眼”的形象感。

通常机器人“看到”自己的环境,通过收集传感器和视觉场景转换成点矩阵。认为,世界的好,“黑客帝国”,除了1和被虚构人物新看出0是用点来代替 - 大量的点 - 其图案和密度勾勒出一个特定的场景中的对象。

传统的技术,试图从点云等,点云挑出的对象,可与速度和准确性,但不能两者都做。

与他们的新技术,研究人员说的机器人能够准确地挑选出一个对象,诸如小动物,即否则点的密集云内遮蔽,接收视觉数据的几秒内。该小组称,该技术可以用于提高在哪台机器感知都必须是快速的,准确的情况,包括无人驾驶汽车,并在工厂和家庭机器人助手的主机。

“这个工作令人惊奇的是,如果我问你找到这个云的千点的兔子,有没有办法,你能做到这一点,”卢卡carlone,航空航天学助理教授和澳门太阳城最新网站的实验室的成员说:信息和决策系统(盖)。 “但我们的算法能够通过这一切的混乱看到的对象。所以我们正在向在定位对象超人的性能水平。”

carlone和研究生杨恒均将在本月晚些时候在机器人目前的技术细节:在德国科学与系统会议。

“没有不知道”

机器人目前尝试识别在点云的物体通过比较模板对象 - 一个对象,的3-d表示的点如兔 - 与真实世界的点云表示,其可以包含对象。模板图像包括“功能”,或指示特性的曲率或该对象的角度,例如兔子的耳朵或尾点的集合。现有的算法首先提取从现实生活中的点云类似的功能,然后尝试匹配这些功能和模板的功能,最终实现旋转和对齐功能模板,以确定该点云中包含有问题的对象。

但流转换成一个机器人的传感器点群数据总是包括错误,是在错误的位置或不正确地间隔开,这可显著混淆特征提取和匹配过程中的点的形式。因此,机器人可以做出错误的联想,或研究人员称之为“异常值”点云之间的什么数量庞大,最终误认对象或完全想念他们。

carlone说,国家的最先进的算法,能够从好的筛选了不好的联想,一旦功能已被匹配,但他们这样做“指数时间,”这意味着即使加工为主的计算机集群,通过密集的筛选与现有的算法的点云数据,将不能够解决在合理的时间问题。这样的技术,而准确,是不切实际的,用于分析含密度点云时,现实生活中的数据集。

其他的算法,可以快速识别功能和联想这样做草草收场,在创建过程异常或错误检测的数量巨大,并没有意识到这些错误的。

“如果这是在自驾车,或任何安全关键应用程序运行太可怕了,” carlone说。 “失败不知道你是失败的算法可以做的最糟糕的事情。”

轻松的视图

阳carlone而是设计了修剪掉离群点的技术“多项式时间”,这意味着它可以做的如此之快,甚至点的日益密集的云。该技术可以如此快速准确地识别隐藏在杂乱的场景对象。

澳门太阳城最新网站开发的技术,快速,顺利地匹配对象,那些隐藏在密集的点云(左),与现有技术(右),其产生不正确的,不连贯的比赛。 GIF:研究人员礼貌

研究人员首先使用常规技术从点云提取模板对象的特征。他们然后开发了一种三步骤过程来匹配的大小,位置,和在点云与模板对象的对象的方向,同时,标识来自坏要素关联良好。

团队开发“自适应投票方案”算法来修剪离群匹配对象的大小和位置。对于尺寸,算法使得模板和点云特征之间的关联,然后在模板中的特征和对应的特征之间的相对距离进行比较的点云。如果说,在点云两个特征之间的距离是模板五倍对应点,算法分配一个“投票”的假设,即对象比模板对象的五倍。

该算法实现这个要求每一个要素关联。然后,该算法选择那些规模假设得票最多下跌下的关联,并确定那些为正确的协会,而切削该人。以这种方式,该技术同时揭示了正确的关联,并通过这些关联所表示的物体的相对大小。相同的处理被用于确定目标的位置。  

研究人员开发了旋转一个单独的算法,找到模板对象在三维空间中的姿态。

要做到这一点是一个非常棘手的计算任务。想象拿着杯子,并试图将其倾斜只是如此,匹配的东西造成的图像模糊,可能是同样的杯子。还有,你可以倾斜是杯任意数量的角度,每个角度的那些具有模糊图像匹配的某种可能性。

成本越低,越有可能该旋转产生的特征之间的精确匹配 - 现有技术通过考虑对象的每个可能的倾斜或旋转的作为“成本”处理这个问题。每次旋转和相关联的成本是在各种各样的地形图中,多个峰和谷的组成,与具有较低成本相关联的更低的海拔来表示。

但carlone说,这很容易混淆的算法,特别是如果有多个山谷,没有明显的最低点代表一个对象的特定转和点云对象之间的真实,准确的匹配。取而代之的是,球队制定了“凸松弛”的算法,简化了地形图,用一个单一的谷代表最佳旋转。这样,该算法能够快速识别,定义在点云对象的方向转动。

他们的做法,该小组能够快速,准确地识别三种不同的对象 - 一个兔子,龙和佛 - 隐藏在提高密度的点云。他们还能够识别在现实生活场景中的物体,包括一个客厅,其中算法很快能发现谷物盒和棒球帽。

carlone说,因为该方法能够在工作“多项式时间,”它可以很容易地扩展到分析甚至更密集的点云,形似无人驾驶汽车传感器数据的复杂性,例如。

“导航,协同制造,家用机器人,搜索和救援,以及自动驾驶汽车是我们希望作出的影响,” carlone说。

这项研究是由美国陆军研究实验室,海军研究办公室,以及谷歌的遐想研究项目的部分资助。


主题: 航空航天工程, 算法, 自主车, 实验室信息和决策系统(盖), 机器人, 机器人, 研究, 工程学院

回到顶部