roboforum.ru

Там еще помещений общего назначения хватает (коридоры, холлы и пр.), так что роботу есть где разгуляться.

А зачем вы в SLAM пытаетесь сегментировать отдельные объекты, а не строить sparse модель на основе фич?

Извините, я не очень понимаю сленг, что такое "фич" и "sparse"?

Я имел в виду ну скажем так "клаасический" подход к слэму на основе принципа Structure from Motion: ищем ключевые точки в кадре(не важно какие, SIFT, SURF, ORB - да что угодно, хоть детектор углов), межу кадрами проводим трекинг этих точек(например при помощи оптического потока Лукаса-Канаде), добавляя ко всему этому Depth составляющую с Кинекта, мы можем построить:
1)Модель движения камеры.
2)Разреженное 3D облако точек описывающее пространство вокруг.
Примерно так работает rgbdslam/vslam в ROS.

Кстати, надо понимать, что Kinect фигово работает:
1)в открытом пространстве - например на улице
2)может начать ключить по соседству с другим работающим кинектом.
Второй пункт на практике не проверял, но учитывая, что Кинект работает на основе структурированной подсветки, то второй кинект светящий примерно в туже сторону может навести нехилые наводки и глубинометрические данные станут неадекватными.

Сейчас изучаем ROS, в перспективе планируемым на него перейти.

Наш робот предназначен для работы в помещении

У нас работает два сенсора. Оба смотрят в одну сторону. Особых проблем не наблюдается, не считая, небольших артефактов возникающих на поверхности предметов, но в общем случае на работе сенсоров это никак не сказывается.

Есть немного новостей.
Начали работу над манипуляторами робота. Есть несколько вариантов приводов.
Первый:
Стандартная схема - обычно манипуляторы строят с использованием серводвигателей. К достоинствам относится относительная простота конструкции, множество готовых манипуляторов и "полуфабрикатов". К недостаткам можно отнести не точное позиционирование, увеличение веса руки за счет того что двигатели расположены на самой руке, ненадежность конструкции серводвигателей.
Второй:
Перемещение с помощью тросиков - двигатели установлены в теле робота, сгибание суставов происходит посредством натяжных тросиков. Достоинства - высокая точность позиционирования, манипулятор получается легким и при этом может развивать большие усилия. Недостаток - сложность кинематики, ненадежность серводвигаталей.
Третий:
Использование актуаторов - штоковые актуаторы позволяют сгибать и разгибать конечности, актуаторы вращения поворачивать конечности вокруг своей оси. Достоинства - высокая точность позиционирования, возможность изменять в широком диапазоне скорость перемещения конечностей. Недостатки - увеличенный вес конструкции манипулятора, высокая стоимость актуаторов.
Вариант на сервах отпал сразу, по причине не точного позиционирования. Будем пробовать второй и третий варианты.
Еще, начали понемногу изучать ROS, пока идет туго, но надеемся на лучшее.
Продолжаются работы над SLAM, тоже туговато.
Продолжаем работу над модулем распознавания лиц людей.

Кстати, народ, если кто желает подключить сенсор KINECT к компьютеру, милости прошу в мою тему на roboforum.ru.
Вот ссылка:
forum68/topic13936.html

Хочу рассказать о продолжении нашего проекта - LUM.
Параллельно с развитием основного робота, создаются (правда медленнее чем сам LUM), еще два прототипа робота LUM-а. Это две одинаковые робо-платформы которые изначально были предназначены для прототипирования робота LUM, и отладки на них программных и аппаратных средств. На сегодня, развитие этих платформ приостановлено из за отсутствия времени на их постройку. Все основные усилия переключили на основную платформу. Тем не менее имеем желание поделиться тем что есть, тем более, что проект не заброшен, а активно (по мере сил) развивается.
Вот несколько фотографий прототипов робота LUM:

Вот два робота близнеца-брата. Это, так сказать, скелеты конструкции на который будут нанизаны все остальные элементы робота.


Это виды по отдельности, общий план робо-платформы, укрупненный вид и вид платформы сзади. Как можно видеть платформа оборудована контроллером Arduino, массой всевозможных датчиков, контроллеров двигателей и серво-двигателей. Так как предполагается что платформа будет многоярусная, то к каждому ярусу (этажу) робота проведены информационные, питающие и другие кабели.

Снизу платформа выглядит следующим образом:

Как можно заметить у платформы имеется два независимых колеса с коллекторными двигателями:

Одно подруливающее колесо используемое как третья точка опоры:

В передней части робота расположен бампер предназначенный для отработки соприкосновения с предметами которые возможно будут встречаться роботу при движении вперед:

В верхней части платформы мы расположили узел головы, ниже фото как это выглядит. Самой головы конечно пока нет, но в скором времени приладим.


Добавлено спустя 49 минут 28 секунд:
Продолжение следует

Круто) Довольно аккуратно сделано) А такое шасси - то окончательный вариант? Такие колеса как от пылесоса не скажутся на качестве одометрии?(Просто колеса не выглядят очень надежными и качественными)

Совершенно верно, эти колесики не потянут большую платформу, они стоят в очереди на замену на более мощные с энкодерами на датчиках Холла.

Добавлено спустя 3 минуты 43 секунды:
Заготовка для изготовления корпуса головы робота почти готова и даже прилажена к самой платформе.
Прошу оценить изделие:
Это вид самой головки. В глазницах будут встроены зрачки с камерами

Так это будет выглядеть прилаженным к платформе

И еще две фотографии для полного антуража:

прикольно

Доброго времени суток, уважаемые роботостроители!
Хочу поделиться радостью, в субботу 17 мая с.г. на базе Комсомольского-на-Амуре политехнического университета прошел фестиваль технического творчества "Техно-Фест 2014", инженерно-технические кадры инновационной России.


Мероприятие краевого масштаба. Выставили свои работы учащиеся Хабаровского края - школьники, студенты СУЗ-ов и ВУЗ-ов. Были проведены турниры по направлениям: робототехника, судомоделирование, автомоделирование, показательные выступления авиамоделистов. Для автомоделей была построена специальная трасса с препятствиями. Модели кораблей и подводных лодок соревновались в лабораторном бассейне кораблестроительного факультета. Были представлены новые технологии, такие как 3D сканирование, компьютерное распознавание образов (детектирование человека), искусственный интеллект.
В целом мероприятие прошло на ОТЛИЧНО!!!
Ниже несколько фотографий.

Добавлено спустя 5 минут 59 секунд:
Наша компания была приглашена на мероприятие в качестве спонсоров, а так же мы представили свои разработки и параллельное подразделение IRobot по продажам роботов пылесосов.
Наш стенд:





Добавлено спустя 12 минут 48 секунд:
Изделия представленные на выставке:



Компьютеризированный резак по пенопласту, очень точено и тонко вырезает различные фигурки:


Вот одна из изготовленных фигурок:

Идем дальше:






Добавлено спустя 6 минут 49 секунд:












Добавлено спустя 3 минуты 17 секунд:


Робот играющий в шахматы:

Наш павучк "Ананси":



Робот Дядя Фёдор:



Добавлено спустя 9 минут 11 секунд:
Сканирование 3D модели лица человека:

Ваши покорные слуги:

Мы, и наши "дети":

В нашем проекте предполагается использовать систему распознавания лица человека. Алгоритм работает так, что при детектировании фигуры человека сенсором KINECT робот пытается детектировать лицо (так же сенсором), при детектировании лица производится попытка распознания человека стоящего перед роботом, и если в базе имеется лицо детектированного человека, то робот узнает его и обращается к нему по имени. Для решения задачи распознавания лица мы пробовали пользоваться средствами OpenCV, но, к сожалению, качество узнавания лица человека очень низкое. Робот не верно распознает лицо человека, постоянно путает лица, более того, не известных ему людей пытается сопоставить (и весьма успешно к сожалению) с лицами из базы, таким образом создается полное впечатление, что алгоритм работает просто ужасно.
В итоге, была предпринята попытка найти более надежное решение для распознавания лица. После некоторых поисков наткнулись на алгоритм TLD (http://www.gnebehay.com/tld/), алгоритм так же работает на основе библиотеки OpenCV, но использует другие методы. Тест показал достаточно стабильное детектирование объектов, и хотя сам алгоритм предназначен не для распознавания, а для трекинга объектов, думаем, что после некоторой доработки он успешно сможет распознавать лица. Во всяком случае качество трекинга у него много надежнее.

А что именно из OpenCV использовали? Хааровские каскады для детектирования? Может у вас пплохо обученный каскад был? По идее, если еще выджелять ROI в области шеи у скелета, получаемого с Kinect - то даже не очень хороший каскад дожен давать высокие результаты.