roboforum.ru

Я сейчас именно этим и занимаюсь. Обрабатывать же видео начал ещё раньше, так как для этого нужны только вебкамеры(до них я обрабатывал стереокартинки из интернета, тут не нужны даже вебкамеры ), само шасси поначалу не важно. И всё что я говорил было основано на собственном опыте работы с видео. ИМЕННО по этому я сразу указал на то что название темы никогда не будет выполнено. ИМХО: Более того с каждым месяцем, а в будущем и годами, проходя через серии не удачных опытов вы не сможете реализовать тему топика(я имею ввиду построить реальную автономную навигацию, без заранее определёных маяков/меток, и с неотъемлимыми частями такой навигации, как определения координат робота и наличия карты). Если наконец не последуете моему совету и не будете использовать дальномеры. Хотя бы на основе лазерной указки.

При этом мне наоборот хотелось бы, чтобы я был не прав(так как и мне было бы от этого лучше). Но к сожалению то, с чем столкнулся я, в процессе работы, указывает что моё ИМХО всё так сбудется.

Ну не знаю, как кто, а я умею передвигаться и без карты в голове и без знания о своих координатах

2Vorral: Принципиальных проблем нет, путь я уже указал, надо просто дофига всего сделать. Начинать скорее всего будем с ИК-дальномеров.

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

>Ну не знаю, как кто, а я умею передвигаться и без карты в голове и без знания о своих координатах
Я тоже и что(точнее всё это есть, но на каком то подсознательном уровне)? В железе сможешь повторить? И ещё пробовал играть в трёхмерную стрелялку сначала в 2D(на обычном мониторе, как играют миллионы геймеров по всему миру), а потом и в 3D(на специальном мониторе или проекторе, ну или шлеме)? Если бы пробовал многое понял бы об ориентировании человека в пространстве(пускай на примере виртуального пространства) и где мозгу проще ориентироваться(и при этом на несколько порядков!).
А я хочу реализовать навигацию именно в железе, и при этом возникло много проблем, которые я уже описывал. Предлагаю сфокусироваться на этих/других проблемах. Есть какое то третье решение, давайте возмём его, кто против. Ведь главное результат и как его достичь с помощью данных о расстояниях + Optical Flow я знаю. Есть другие идеи? Я например с удовольствием выслушаю. И хватит постоянно отвлекаться к теме человека, ведь НИКТО из нас не может утверждать(даже на своём примере) как и что происходит в нашем мозге, мы лишь косвенно судим об этом, при чём очень часто как выясняют наши учёные ошибочно.

Решил я тут на днях «двойников» этой темы в англоязычной части Интернета понаделать:

Trossen Robotics, Robot-Forum.com, Society Of Robots ...

Хочется мнений всяких разных побольше услышать

Вот только с японскими форумами по робототехнике (которые на английском), пока что-то туговато. Нашел тут один, но там, похоже, просто игрушки обсуждают: Robot-japan.

Может, кто из вас знает больше о японских форумах робототехники, хотелось бы ссылки на них получить.

Новогодние выходные не прошли напрасно и вот результаты:



Итак, что показано в ролике
Устанавливаем робота в контрольной точке №1 и даём указание следовать в точку №0. Робот начинает осматриваться по сторонам, и когда видит ворота, которые соответствуют маршруту №0, начинает двигаться по коридору из «ворот» до контрольной точки №0. В контрольной точке №0 робот останавливается. Тогда роботу даётся указание следовать в контрольную точку №1, робот опять начинает осматриваться, находит ворота соответствующие маршруту №1 и возвращается обратно в точку №1.

Изменения
В новой версии алгоритма навигации, область данных ворот содержит весовые коэффициенты для семи маршрутов, которые указывают, насколько важны данные ворота для каждого конкретного маршрута. В нижней части экрана добавлен индикатор «горизонта», который показывает, в каком направлении необходимо скорректировать движение робота для дальнейшего движения по маршруту. Область ворот окрашена в синий цвет, если эти ворота не участвую в данном маршруте (весовой коэффициент 0) и более тёплые цвета (заканчивая желтым цветом) показывают градацию «важности» ворот в текущем маршруте.

Процедура обучения на маршрут
Для обучения необходимо в режиме установки ворот выбрать маршрут, на который будет обучаться робот и медленно (местами катаясь назад - вперёд), управляя роботом вручную, показать маршрут (ворота устанавливаются автоматически). В конце маршрута необходимо нажать на кнопку «контрольная точка» и робот, вращаясь несколько раз на одном месте, пометит текущее местоположение как контрольную точку.

Обновил программный пакет «Навигатор», так что если кому интересно, можете сами попробовать:
http://edv-detail.narod.ru/Navigator_src.zip

_________________
А в конце должен получится «терминатор», только добрый :)
AVM will change everything!

А повысить точность AVM в плане определения координат и масштаба образа пока не планируется?

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

А насколько тяжело будет для памяти хранить еще и исходные изображения?

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

Повысить точность в плане определения координат и масштаба образа используя алгоритм AVM навряд ли получится в виду специфики алгоритма, для этого придется разработать специальный «особо точный» в отношении координат местоположения и размера объекта метод. Такой метод будет удобно использовать в производстве видеоэффектов (монтаж реальность + виртуальное видео), местоположение отслеживаемых объектов будет определяться с высокой точностью, никаких рывком и подёргиваний, но такой метод уж точно не сможет работать в реальном масштабе времени.

В следующей версии алгоритма AVM я планирую увеличить количество хранимых образов, которое алгоритм AVM сможет обрабатывать в реальном масштабе времени. К слову, для того, что бы в ролике робот смог съездить туда и обратно AVM запомнил 14 тысяч образов.

Понимаю, что не вполне в рамках вашей задачи, но все же:
А нельзя ли выдумать (сгенерировать, изобрести) такие специфические образы (искусственные маяки),
на которых ваш алгоритм покажет более высокие скорости и/или точности?

Нет, не получится. Алгоритм AVM (в плане определения координат объекта) создан не для того чтобы быть точным, а для того чтобы быть быстрым и распознавать как можно большее количество образов.

2EDV: Не понимаю, как он может сильно тормозить? Если мы распознали образ - можно же быстро уточнить его координаты и масштаб?

Добавлено спустя 48 секунд:
Можно выдать из AVM исходную картинку распознанного образа, чтобы я попробовал имея картинку и примерные координаты и масштаб вычислить точные координаты и масштаб?

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

>Если мы распознали образ - можно же быстро уточнить его координаты и масштаб?
ИМХО: В матрицах AVM уже потерянна(сокращенна) точная информация, придётся проходится по картинке повторно.

Что значит проходиться повторно? А что с чем сверять то? Давай дождёмся ответа автора

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

Можно попробовать сканировать область изображения в окрестности распознанного объекта методом Read и выбрать ту область, у которой максимальное значение схожести (Similarity).



Если есть желание, можете поэкспериментировать, после того как метод ObjectRecognition или ObjectTracking вернёт вам координаты объекта, дополнительно поискать более точные координаты объекта, сканируя окошком (областью интереса) в окрестности с разным масштабом методом Read.

Возможно, получите более точные координаты, хотя Vorral прав, в поисковом дереве AVM нет исходного изображения, а лишь матрицы распознавания, в которых исходное изображение представлено в виде коэффициентов (то есть часть информации уже потерянна).