roboforum.ru

=DeaD= писал(а):Вся информация она ведь не просто так, она зачем-то... а если она имеет погрешность в тысячи раз, то это никому не нужно и предлагается считать "пшиком"

В окне, по которому считаем, довольно много пикселей, и если на левом и правом кадре в окне примерно одно и тоже, то и смещения будут малыми. Тут ведь предполагается эффект статистический, а не ультра-точный.

GraphD писал(а):

=DeaD= писал(а):Вся информация она ведь не просто так, она зачем-то... а если она имеет погрешность в тысячи раз, то это никому не нужно и предлагается считать "пшиком"

В окне, по которому считаем, довольно много пикселей, и если на левом и правом кадре в окне примерно одно и тоже, то и смещения будут малыми. Тут ведь предполагается эффект статистический, а не ультра-точный.

То есть в левом круг, а в правом треугольник, центр тяжести яркости одинаковый, значит все отлично - так чтоли? И куда потом этот неправильный статистический эффект девать? У вас уже есть какой-то удачный опыт применения такого метода?

Вообще, если не секрет, расскажите ваше отношение к этой задаче - это ваша курсовая\прочая научная работа или это ваше хобби или что? А то иногда у вас проскакивают обороты типа "все равно придется" и т.п.

2GraphD: Просто мое глубокое IMHO заключается в следующем:

Пирамидальный алгоритм применим, когда ограничена небольшим числом производная векторной функции соответствия изображений. Иначе будет полная чушь, то есть например если это рельеф гор, то там склоны больше чем на 60° редкость, то есть производная ограничена малым числом порядка единицы. Тогда думаю такой алгоритм будет работать (неважно что именно, и как он сопоставляет - одно число или работает от суммы квадратов разностей яркости).

Что вы можете сказать на это?

2GraphD: Получил ваше письмо, посмотрел. Для бакалаврской очень даже неплохо, а вот для практического использования... для сложных поверхностей с неограниченной производной вообще может жестокие косяки давать. практическое использование такого метода в помещениях - под сомнением.

Моё ИМХО - народ, вы в дебри лезете
Вся беда заключаеться в недостатке информации, которую вы получаете (плиз, не бросаться кирпичами если в чем-то повторюсь) рановато берётесь за парсинг картинок.
1) из одной картинки ВООБЩЕ ничего нельзя получить (даже такой элементарщины как "это она плоская картинка на которой что-то нарисовано или обьёмное, но спроэцированное на плоскость)
2) по двум, трём n-надцати картинкам тоже ничего нельзя понять, если между ними не установлена взаимосвязь
3) искать одинаковые вещи на "жатом" изображении - штука сонеблагодарная. Алгоритмы сжатия расчитаны на НАШИ глаза, и постпроцессинг в мозгу (у которого огромная база знаний/опыта по расспознанию обьектов), они портят и без того оцифрованую с небольшим разрешением картинку до полной неузнаваемости машиной

ЗЫЖ исходя из этого пришлось временно отказаться от вэб-камер полностью, и экспериментировать с цифровым фотоапаратом полностью вручную (а оно так медленно и долго )

=DeaD= писал(а):То есть в левом круг, а в правом треугольник, центр тяжести яркости одинаковый, значит все отлично - так чтоли?

Ну... во-первых у нас 2а снимка одной сцены, только с небольшим смещением (10-15см), так что при приведении, да еще предварительной обработки с особыми точками, треугольник и круг не окажутся в одном месте! Это будет тогда входить в погрешность приборов.

=DeaD= писал(а):У вас уже есть какой-то удачный опыт применения такого метода?

Пока нет, у нас щас лазер, а это осталось как хобби мое =)

=DeaD= писал(а):Вообще, если не секрет, расскажите ваше отношение к этой задаче - это ваша курсовая\прочая научная работа или это ваше хобби или что?

Это - Бакалавр.

=DeaD= писал(а):2GraphD: Просто мое глубокое IMHO заключается в следующем:
Пирамидальный алгоритм применим, когда ограничена небольшим числом производная векторной функции соответствия изображений. Иначе будет полная чушь, то есть например если это рельеф гор, то там склоны больше чем на 60° редкость, то есть производная ограничена малым числом порядка единицы. Тогда думаю такой алгоритм будет работать (неважно что именно, и как он сопоставляет - одно число или работает от суммы квадратов разностей яркости).

Да, но я ж не говорил, что этот алгоритм идет впереди и с песней, его надо юзать в совокупности с другим, даже на вторых ролях, а еще лучше в кое-чем другом, но пока я не знаю как сказать...

=DeaD= писал(а):2GraphD: Получил ваше письмо, посмотрел. Для бакалаврской очень даже неплохо, а вот для практического использования... для сложных поверхностей с неограниченной производной вообще может жестокие косяки давать. практическое использование такого метода в помещениях - под сомнением.

Спасибо =)
Мда.. все верно. Но вообще - сами согласитесь, што анализ сцены по стереокадру - не решаемая теоретически задача, а военные разработки нам недоступны, поэтому путь надо пройти от простого и понятного до более сложного. Лично у меня дальше этого флагманского способа ниче не лезет в голову =)... Может у вас есть идеи?

Outcaster писал(а):Моё ИМХО - народ, вы в дебри лезете

Скорее на берегу еще...

Outcaster писал(а):2) по двум, трём n-надцати картинкам тоже ничего нельзя понять, если между ними не установлена взаимосвязь

Все верно, поэтому взаимосвязь между камерами и изображениями(калибровка и юстировка) делается...

Outcaster писал(а):3) искать одинаковые вещи на "жатом" изображении - штука сонеблагодарная. Алгоритмы сжатия расчитаны на НАШИ глаза, и постпроцессинг в мозгу (у которого огромная база знаний/опыта по расспознанию обьектов), они портят и без того оцифрованую с небольшим разрешением картинку до полной неузнаваемости машиной

ЗЫЖ исходя из этого пришлось временно отказаться от вэб-камер полностью, и экспериментировать с цифровым фотоапаратом полностью вручную (а оно так медленно и долго )

Интересно! Не знал про сжатие. А вобще у нас тут были камеры, которые давали bmp несжатое, правда мое мнение - качество у камер с постоянным большим фокусом - никуда не годится... У глаз человека все наверно куда лучше...

GraphD писал(а):Спасибо =)
Мда.. все верно. Но вообще - сами согласитесь, што анализ сцены по стереокадру - не решаемая теоретически задача, а военные разработки нам недоступны, поэтому путь надо пройти от простого и понятного до более сложного. Лично у меня дальше этого флагманского способа ниче не лезет в голову =)... Может у вас есть идеи?

Чисто мои идеи дальше тупого сопоставления фрагментов изображений на двух картинках никуда не ушли, но и это уже дало существенный результат очень даже высокого качества (см. выше ссылку на мою работу DepthRestoration)

Однако у меня есть еще надежда на MotionFlow-алгоритмы и их применение для стереопар (хотя кажется что не пройдет этот номер - будет нужно больше чем 2 изображения, эдак с десяток картинок - тогда алгоритмы начнут приносить свои плоды).

Но я эту тему временно забросил - сейчас занимаюсь освоением электроники, чтобы заново пересобрать шасси и сделать свой проект более открытым и повторяемым. После чего дособеру систему ориентации по маякам, а только затем опять займусь распознаванием рельефа местности - чтобы объезжат нежданно выдвинутый в середину комнаты стул... ну и наверное не только камера будет на роботе препятствия обнаруживать, но я постараюсь из камеры выжать все

=DeaD= писал(а):Чисто мои идеи дальше тупого сопоставления фрагментов изображений на двух картинках никуда не ушли, но и это уже дало существенный результат очень даже высокого качества (см. выше ссылку на мою работу DepthRestoration)

Я там рельефа что-то не вижу. Какой там результат?
У нас делали попытку из стереопары расчитать Z-координаты всех пикселей кадра, но эффект получился отрицательный - каша-мала...

=DeaD= писал(а):Однако у меня есть еще надежда на MotionFlow-алгоритмы и их применение для стереопар

у меня тоже =) , т.к. у животных при движении зрение лучше работает, чем в статике!

=DeaD= писал(а):Но я эту тему временно забросил - сейчас занимаюсь освоением электроники, чтобы заново пересобрать шасси и сделать свой проект более открытым и повторяемым. После чего дособеру систему ориентации по маякам, а только затем опять займусь распознаванием рельефа местности - чтобы объезжат нежданно выдвинутый в середину комнаты стул... ну и наверное не только камера будет на роботе препятствия обнаруживать, но я постараюсь из камеры выжать все

А когда можно результаты посмотреть примерно?

GraphD писал(а):Я там рельефа что-то не вижу. Какой там результат?
У нас делали попытку из стереопары расчитать Z-координаты всех пикселей кадра, но эффект получился отрицательный - каша-мала...

http://club.roboclub.ru/pmwiki.php?page ... estoration

Если здесь уже смотрели - тогда просто поясню - квадратики закрашенные это распознанные фрагменты, чем светлее, тем ближе к нам. Очевидный метод использования - интеллектуальный бампер и отмечатель препятствий на карте.

GraphD писал(а):А когда можно результаты посмотреть примерно?

Чего не знаю, того не знаю, если этот проект я еще как-то могу спланировать, то вот когда у меня время на него будет освобождаться - я предугадать не смогу.

=DeaD= писал(а):http://club.roboclub.ru/pmwiki.php?pagename=CVision.DepthRestoration
Если здесь уже смотрели - тогда просто поясню - квадратики закрашенные это распознанные фрагменты, чем светлее, тем ближе к нам. Очевидный метод использования - интеллектуальный бампер и отмечатель препятствий на карте.?

а по каким критериям квадратик выбирается? они выглядят как зафиксированные за определенными местами. что если сплошная стена будет, без текстур, такой способ обламается!

GraphD писал(а):а по каким критериям квадратик выбирается? они выглядят как зафиксированные за определенными местами. что если сплошная стена будет, без текстур, такой способ обламается!

Квадратики - это просто мы разбиваем весь рисунок сеткой и все.

Если будет сплошная стена без текстур человек тоже обломается.

А ваш подход рамку перед ровной стеной без текстур от плитки такого же размера перед той же стеной тоже не отличит. Это вообще не лечится. И гадать смысла нет.

Выбранный мной алгоритм хотя-бы честно сообщяет "а вот тут я вообще ничего не могу сказать" и все...

Вооот

=DeaD= писал(а):Выбранный мной алгоритм хотя-бы честно сообщяет "а вот тут я вообще ничего не могу сказать" и все...
Вооот

Наш тоже отличает, критерии совпадения то у нас одинаковые =) корреляционный либо среднеквадратический, ну еще спектральный есть...

GraphD писал(а):Наш тоже отличает, критерии совпадения то у нас одинаковые =) корреляционный либо среднеквадратический, ну еще спектральный есть...

Тогда если вы только эти точки считаете правильными, то зачем триангуляцию делаете потом? Типа сглаживание неизвестности? А чего её сглаживать, она же неизвестность.

=DeaD= писал(а):Тогда если вы только эти точки считаете правильными, то зачем триангуляцию делаете потом? Типа сглаживание неизвестности? А чего её сглаживать, она же неизвестность.

Аппроксимация поверхности. Для анализа возможных перемещений нужна поверхность, а не просто точки.
Вроде, если я не ошибаюсь (а может и ошибаюсь?), на японском "Айбо" стоит стереосистема, и он может подниматься/спускаться по лестнице, которая состоит из белых досок - как он по вашему определяет место для очередного шага, если они все белые и что-то на них выделить нельзя?

GraphD писал(а):[i]

=DeaD= писал(а):на японском "Айбо" стоит стереосистема, и он может подниматься/спускаться по лестнице, которая состоит из белых досок - как он по вашему определяет место для очередного шага, если они все белые и что-то на них выделить нельзя?

а что у белых досок на лестнице тени не бывает на месте стыка спупеньки и "стены" ступеньки?