Panoramik görüntülerde gökyüzü sınır çizgisini kullanarak hareketli robotlar için yer kestirimi

Yıl 2019, , 1629 - 1644, 29.05.2019

Ahmet Buğra Koku

https://doi.org/10.17341/gazimmfd.570898

Öz

Robotik alanındaki ilerlemeler
20. yüzyılın sonuna doğru robotları fabrika ortamlarından çıkarmıştır. Zaman
içinde robotların günlük hayatımızdaki yerinin daha da artması beklenmektedir.
Diğer taraftan, robotların fabrikalardaki güvenlikli alanlar dışında çalışmaya
başlamalarına rağmen, birçok robotun hala önceden sınırları belirlenmiş
alanlarda çalışması yapacakları işlerin doğası itibarı ile beklenmektedir.
Dolayısıyla, bir robotun işlevselliğinin artması bakımından çalışacağı bölgeyi
iyi tanıması gerekecektir. Bu çalışmada panoramik görüntülerden elde edilen
gökyüzü sınır çizgisinin robot konumlandırması için kullanılabilirliği
değerlendirilmiştir. Robotun konumlandırılması için önce ilgili bölgeden
çekilen panoramik görüntüler kullanılarak bir tür harita üretilmiş, daha sonra
aynı bölgeden farklı zaman ve hava şartlarında çekilen görüntülerin bu harita
üzerinde konumlandırması gerçekleştirilmiştir. Önerilen yöntem görüntünün küçük
bir kısmına odaklandığı için, görüntünün tümünü işleyen yöntemlere göre bu yöntem
farklı kapasitedeki (özellikle düşük hesaplama kabiliyetli) platformlarda daha
kolay uygulanabilir niteliktedir.

Anahtar Kelimeler

Panoramik görüntü, gökyüzü sınır çizgisi, robot konumlandırılması, görüntü tabanlı konumlandırma, bölgesel (teritoryal) robotlar

Kaynakça

• 1. Payá, L., Gil, A., Reinoso, O., A State-of-the-Art Review on Mapping and Localization of Mobile Robots Using Omnidirectional Vision Sensors, Journal of Sensors, 2017. (doi: 10.1155/2017/3497650)
• 2. Fiala, M., Roth, G., Automatic alignment and graph map building of panoramas, IEEE International Workshop on Haptic Audio Visual Environments and their Applications, Ottawa, Canada, 2005.
• 3. Tardif, J. P., Pavlidis, Y., Daniilidis, K., Monocular visual odometry in urban environments using an omnidirectional camera, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2008), Nice, France, 2531-2538, 2008.
• 4. Anati, R., Daniilidis, K., Constructing topological maps using markov random fields and loop-closure detection, Advances in Neural Information Processing Systems, 37-45, 2009.
• 5. Krückel, K., Nolden, F., Ferrein, A., Scholl, I., Intuitive visual teleoperation for UGVs using free-look augmented reality displays, IEEE International Conference on Robotics and Automation (ICRA 2015), Seattle, WA, ABD , 4412-4417, 2015.
• 6. Mirzaei, F. M., Kottas, D. G., Roumeliotis, S. I., Analytical least-squares solution for 3d lidar-camera calibration, Robotics Research, 183-200, 2017.
• 7. Higuti, V. A. H., Guerrero, H. B., Velasquez, A. E. B., Pinto, R. M., Tinelli, L. M., Magalhães, D. V., Milori, D. M. B. P., Low-cost embedded computer for mobile robot platform based on raspberry board, ABCM International Congress of Mechanical Engineering (Cobem2015), Rio de Janeiro, Brezilya, 2015.
• 8. Atasoy A., Kaya E., Toptas E., Kuchimov S., Kaplanoglu E., Ozkan M., 24 DOF EMG controlled hybrid actuated prosthetic hand, 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Orlando, FL, ABD, 5059-5062, 2016. (doi: 10.1109/EMBC.2016.7591864)
• 9. Bettemir, Ö.H., Tombaloğlu B., Design and manufacture of a -small scale autonomous construction machine for grading, Journal of the Faculty of Engineering and Architecture of Gazi University, 28 (3), 617-625, 2013.
• 10. Kılıç A., Kapucu A., Design and construction of a modular reconfigurable robot module OMNIMO, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (3), 521-530, 2016.
• 11. Karcı H., Tangel A., Design and prototype implementation of a 5-DOF mobile robot arm based on FPGA, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (2), 295-302, 2016.
• 12. Bradski, G., ve Kaehler, A., Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media, Inc., UK, 2008.
• 13. Chang, C. K., Siagian, C., Itti, L., Mobile robot vision navigation & localization using gist and saliency, International Conference on Intelligent Robots and Systems (IROS 2010), IEEE/RSJ, 4147-4154, 2010.
• 14. Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., ... & Kudlur, M., TensorFlow: A System for Large-Scale Machine Learning, OSDI 16, 265-283, 2016.
• 15. Robertson, D. P., Cipolla, R., An Image-Based System for Urban Navigation, Proceedings of the British Machine Vision Conference (BMVC 2004), 19 (51), 165-174, 2004. (doi: 10.5244/C.18.84)
• 16. Zhang, W., Kosecka, J., Image based localization in urban environments, Third International Symposium on 3D Data Processing, Visualization, and Transmission, Chapel Hill, NC, USA, 33-40, 2006.
• 17. Majdik, A.L., Albers-Schoenberg, Y., Scaramuzza, D., MAV Urban localization from Google Street View Data, International Conference on Intelligent Robots and Systems (IROS 2013), IEEE/RSJ, 3979-3986, 2013.
• 18. Agarwal, P., Burgard, W., Spinello, L., Metric localization using Google street view, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2015), Hamburg, Germany, 3111-3118, 2015.
• 19. Yu, L., Joly, C., Bresson, G., Moutarde, F., Monocular urban localization using street view, IEEE International Conference on Control, Automation, Robotics and Vision (ICARCV 2016), Phuket, Tayland, 1-6, 2016.
• 20. Johns, D., Dudek, G., Urban position estimation from one dimensional visual cues, Canadian Conference on Computer and Robot Vision, Quebec, Kanada, 22-28, 2006.
• 21. Ramalingam, S., Bouaziz, S., Sturm, P., Brand, M., Geolocalization using skylines from omni-images, International Conference on Computer Vision Workshops (ICCV Workshops), Kyoto, Japan, 23-30, 2009.
• 22. Naval Jr, P. C., Robot self-localization from single mountain images, Proceedings of the Philippine Computing Science Congress, Manila, NCR, Philippines, 83-88, 2000.
• 23. Bonin-Fonti F., Ortiz, A., Oliver G., Visual Navigation for Mobile Robots: A Survey, Journal of Intelligent and Robotic Systems, 53 (3), 263-296, 2008. (doi: 10.1007/s10846-008-9235-4)
• 24. Otsu, N., A threshold selection method from gray-level histograms, IEEE Transactions on Systems, Man, and Cybernetics, 9 (1), 62-66, 1979.