Um sistema de visão computacional estereoscópica para um robô móvel humanóide atuando no domínio do futebol de robôs da Robocup

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Dissertação
Data
2017
Autores
Costa, S. C.
Orientador
Bianchi, Reinaldo Augusto da Costa
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
COSTA, S. C. Um sistema de visão computacional estereoscópica para um robô móvel humanóide atuando no domínio do futebol de robôs da Robocup. 2017. 122 p. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017. Disponível em: . Acesso em: 6 ago. 2018.
Texto completo (DOI)
Palavras-chave
Robôs autônomos,Reconhecimento de objetos 3D,Visão estéreo
Resumo
Diante da constante evolução tecnológica apresentada nas últimas décadas, os robôs conquistaram um espaço muito importante na sociedade, tanto no desenvolvimento de tarefas industriais como na interação com os seres humanos. Com o intuito de estimular as pesquisas relacionadas aos robôs humanoides, surgiu a competição de futebol de robôs humanoides da RoboCup. Nesta competição, os robôs precisam atuar de forma autônoma, localizando os objetos a sua volta, tomando decisões e agindo de maneira adequada para ganhar os jogos. Pelas regras desta competição, os robôs precisam ter forma humanoide, e não podem utilizar nenhum sensor que não esteja relacionado com uma percepção humana, como lasers ou câmeras 3D. Neste contexto, a utilização de um sistema de visão estereoscópica agrega robustez e precisão no reconhecimento dos objetos envolvidos nessa competição. Apesar de sua importância, nota-se, no domínio da RoboCup, uma escassez de trabalhos que aplicam sistema de visão estéreo para reconhecimento de objetos 3D e detecção de suas respectivas distâncias, utilizando somente um par de câmeras pin-hole. Esta dissertação propõe, através de um sistema de visão estereoscópica, uma comparação de desempenho dos métodos descritores FPFH, SHOT e 3DSC no reconhecimento tridimensional de bolas de futebol com diferentes texturas, assim como oferece uma estimativa de sua respectiva distância, dentro do ambiente da competição RoboCup, na categoria KidSize da liga humanoide. Para tanto, técnicas como calibração estéreo para as câmeras, correspondência, triangulação e métodos descritores para reconhecimento de objetos 3D são abordados neste trabalho. A partir dos experimentos realizados, pôde-se concluir que o descritor FPFH foi o que obteve melhor desempenho, atingindo precisão de 100%, revocação de 78% e acurácia de 89% nos testes realizados.
In the face of the constant technological evolution presented in the last decades, robots have conquered a very important space in society, both in the development of industrial tasks and in the interaction with human beings. In order to stimulate research related to humanoid robots, the RoboCup humanoid robot soccer competition was born. In this competition, robots need to act autonomously, locating the objects around them, making decisions and acting in a proper way to win the games. By the rules of this competition, robots need to have a humanoid shape, and they can not use any sensor that is not related to human perception, like lasers or 3D cameras. In this context, the use of a stereoscopic vision system adds robustness and precision in the recognition of the objects involved in this competition. Despite its importance, in RoboCup's domain, there is a shortage of works that apply a stereo vision system for 3D object recognition and detection of their respective distances, using only a pair of pin-hole cameras. This dissertation proposes, through a stereoscopic vision system, a comparison of the performance of the descriptive methods FPFH, SHOT and 3DSC in the three-dimensional recognition of soccer balls with different textures, as well as an estimation of their respective distance, within the competition environment RoboCup, in the KidSize category of the humanoid league. For such, techniques such as stereo calibration for cameras, matching, triangulation and methods descriptors for 3D object recognition are addressed in this work. From the experiments performed, it was possible to conclude that the FPFH descriptor was the one that obtained the best performance, reaching 100% accuracy, 78% recall and 89% accuracy in the tests performed.