Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Mapeamento Visual Monocular com a Transformada Rápida de Hough
1. Mapeamento visual monocular com a
Transformada R´pida de Hough
a
LTI–PCS–EPUSP
FHT Mapping
Nicolau L. Werneck Anna H. R. Costa
N. Werneck
1–Introdu¸˜o
ca LTI — PCS — Poli
Contexto Universidade de S˜o Paulo
a
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores LTI
3–Solu¸˜es
co
14/05/2010
L e M separados
SLAM
c N. Werneck
1 / 29
2. ´
Sumario
1 Introdu¸˜o
ca
Contextualiza¸˜o
ca
SLAM visual
LTI–PCS–EPUSP
2 Descri¸˜o do problema
ca
FHT Mapping
N. Werneck
Geometria do problema
Trabalhos anteriores
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca 3 Solu¸oes
c˜
Geometria
T Anteriores
Localiza¸ao e Mapeamento separados
c
3–Solu¸˜es
co SLAM EM
L e M separados
SLAM
c N. Werneck
2 / 29
3. Objetivos
Resumo: Foi aplicada uma t´cnica para implementa¸˜o
e ca
eficiente da transformada de Hough para resolver o
problema de mapeamento com uma cˆmera de rastro
a
LTI–PCS–EPUSP
FHT Mapping
conhecido. Tal procedimento pode ser util na realiza¸˜o
´ ca
N. Werneck de SLAM visual, em que pode ser necess´ria uma
a
1–Introdu¸˜o
ca estimativa inicial do mapa.
Contexto
vSLAM
Palavras-chave: SLAM monocular, modelos
2–Descri¸˜o
ca
Geometria probabil´
ısticos.
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
3 / 29
4. ¸˜
Introducao
´ ¸˜
Contexto — Cenario de aplicacao
Nosso trabalho ´ direcionado para robˆs dom´sticos e
e o e
ambientes internos em geral, onde vis˜o monocular
a
costuma ser uma boa alternativa de sensor.
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
Figura: Roomba, Papero, Nao, um helic´ptero indoor,
o
c N. Werneck
Pioneer, SRV-1 e um robˆ vest´
o ıvel. 4 / 29
5. ¸˜
Introducao
˜
Visao Multiocular
Um problema importante em RM ´ o da localiza¸˜o e
e ca
LTI–PCS–EPUSP
mapeamento simultˆneos: SLAM.
a
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca Figura: Grades de ocupa¸˜o.
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
5 / 29
6. ¸˜
Introducao
˜
Visao Multiocular
A estereoscopia tradicional ´ adotada em muitas
e
aplica¸oes rob´ticas.
c˜ o
LTI–PCS–EPUSP
FHT Mapping
Resolve-se o problema de localiza¸˜o dos marcos a
ca
N. Werneck cada instante, as leituras s˜o usadas no SLAM.
a
1–Introdu¸˜o
ca Percep¸˜o inerentemente limitada pelo baseline.
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria Figura: Stanford cart, e a hazcam das MER.
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
6 / 29
7. ¸˜
Introducao
ˆ
Curso relampago de estereoscopia
Cˆmeras com posturas diferentes e conhecidas podem
a
LTI–PCS–EPUSP
localizar por triangula¸˜o um ponto detectado em ambas.
ca
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca Figura: Duas cˆmeras observando um ponto no espa¸o.
a c
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
7 / 29
8. ¸˜
Introducao
˜
Visao monocular simples
Uma forma simples de realizar vis˜o monocular ´ supor
a e
obst´culos n˜o-supensos e um ch˜o plano e homogˆneo.
a a a e
As restri¸oes compensam a ausˆncia de mais cˆmeras.
c˜ e a
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
Obst´culos suspensos → paredes afastadas.
a
1–Introdu¸˜o
ca
N˜o ´ poss´ diferenciar desenhos no ch˜o.
a e ıvel a
Contexto
vSLAM
N˜o h´ evidˆncias de obst´culos negativos.
a a e a
2–Descri¸˜o
ca
Geometria
T Anteriores
Figura: Robˆ de Howard e Kitchen (1997)
o
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
8 / 29
9. ¸˜
Introducao
Mudanca de paradigma
¸
Cˆmeras atuando como sensor de distˆncias.
a a
Distˆncia efetiva relativamente pequena. mesma
a
posi¸˜o.
ca
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
A nova id´ia ´ finalmente encarar de vez a cˆmera apenas
e e a
1–Introdu¸˜o
ca como sensor de dire¸oes (bearings-only). H´ duas formas:
c˜ a
Contexto
vSLAM
2–Descri¸˜o
ca Realizar filtragem a partir das leituras de dire¸˜o.
ca
Geometria
T Anteriores
Resolver o problema de bundle adjustment dada
3–Solu¸˜es
co
L e M separados
uma sequˆncia de imagens.
e
SLAM
c N. Werneck
9 / 29
10. ¸˜
Introducao
MonoSLAM
Uso de filtragem ´ comum pela heran¸a rob´tica.
e c o
LTI–PCS–EPUSP Implementa¸oes de SLAM monocular por EKF existem
c˜
FHT Mapping desde 2001. S˜o utilizados tanto pontos quanto retas.
a
N. Werneck
1–Introdu¸˜o
ca
Contexto Figura: MonoSLAM de Davison et alii (2007)
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
10 / 29
11. ¸˜
Introducao
Why filter?
Com filtragem ´ f´cil utilizar modelos de movimento.
e a
Leituras s˜o usadas e esquecidas.
a
F´cil encarar modifica¸oes no ambiente.
a c˜
LTI–PCS–EPUSP
Algoritmos “any time”.
FHT Mapping
N. Werneck
Mas...
1–Introdu¸˜o
ca
Contexto
vSLAM Custo computacional pode n˜o ser muito menor do
a
2–Descri¸˜o
ca
Geometria
que BA.
T Anteriores
Menor precis˜o.
a
3–Solu¸˜es
co
L e M separados
SLAM
H´ interesse em investigar melhor uso de BA em
a
tempo-real.
c N. Werneck
11 / 29
12. ¸˜
Introducao
Recapitulando
LTI–PCS–EPUSP
Neste trabalho propomos um sistema de SLAM baseado
FHT Mapping em BA, por´m em um cen´rio bastante espec´
e a ıfico.
N. Werneck
1–Introdu¸˜o
ca
A seguir apresentaremos estas condi¸oes espec´
c˜ ıficas, e
Contexto depois o algoritmo de SLAM para elas.
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
12 / 29
13. ¸˜
Descricao
Geometria do problema
Demonstramos em [?] a possibildiade de realizar
mapeamento de forma simplificada nas seguintes
condi¸oes:
c˜
LTI–PCS–EPUSP
FHT Mapping
N. Werneck A cˆmera se move em linha reta.
a
1–Introdu¸˜o
ca Obst´culos possuem grandes bordas retas,
a
Contexto
vSLAM
ortogonais ` dire¸˜o de deslocamento.
a ca
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
13 / 29
14. ¸˜
Descricao
Geometria do problema
A partir da geometria podemos derivar as equa¸˜es:
co
LTI–PCS–EPUSP
FHT Mapping wi = vj (xj − pk ) pk = xj − wji
v
N. Werneck
wa −wb wa pb −wb pa
vj = pb −pa xj = wa −wb
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
14 / 29
15. ¸˜
Descricao
¸˜
Deteccao de marcos
Os marcos detectados s˜o bordas que se afastam.
a
LTI–PCS–EPUSP
Apenas a linha ortogonal a elas importa.
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca Figura: Quadros 33 e 50.
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
15 / 29
16. Trabalhos anteriores
¸˜ ¸˜
Deteccao em simulacao
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
16 / 29
17. Trabalhos anteriores
¸˜ ¸˜
Deteccao em simulacao
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
17 / 29
18. Trabalhos anteriores
¸˜ ¸˜
Deteccao em simulacao
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
18 / 29
19. Trabalhos anteriores
¸˜
Deteccao em v´deo
ı
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
19 / 29
20. ¸˜
Solucoes
Expectation Maximization
´
E clara a necessidade de um algoritmo estoc´stico.
a
Para encontrar solu¸oes para os problemas de localiza¸˜o
c˜ ca
LTI–PCS–EPUSP e mapeamento, tanto separados quanto simultˆneos,
a
FHT Mapping
N. Werneck
utilizamos o algoritmo EM [?].
1–Introdu¸˜o
ca
Contexto No passo E determinam-se as m´dias dos valores cij
e
vSLAM
de correspondˆncia.
e
2–Descri¸˜o
ca
Geometria
T Anteriores
No passo M calculamos os pk , xj e vv de m´xima
a
3–Solu¸˜es
co verossimilhan¸a.
c
L e M separados
SLAM
c N. Werneck
20 / 29
21. ¸˜
Solucoes
Modelo probabil´stico
ı
Primeiro definimos um modelo de observa¸˜o
ca
probabil´
ıstico:
1
LTI–PCS–EPUSP
P(wi |pk , Ci , vj , xj ) = √
FHT Mapping
(J + 1) 2πσ 2
2
w2
N. Werneck
1 wi − vj (xj − pk )
exp − ci ln max + ∑ cij
2
.
1–Introdu¸˜o
Contexto
ca
2 2πσ j σ2
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
Poderia incluir um modelo de cor.
3–Solu¸˜es
co
L e M separados
SLAM
O objetivo ´ fugir do RANSAC.
e
c N. Werneck
21 / 29
22. ¸˜
Solucoes
¸˜ ´
Deducao das formulas
Para o passo E, prova-se que:
P(wi |pk , xj , vj )
E [cij ] =
LTI–PCS–EPUSP
∑h P(wi |pk , xh , vh )
FHT Mapping
N. Werneck O passo M se torna uma minimiza¸˜o de uma soma
ca
1–Introdu¸˜o
ca ponderada dos erros quadr´ticos de reproje¸˜o:
a ca
Contexto
vSLAM
2–Descri¸˜o
ca L(w , p, v , x) = ∑ Dijk (wi − vj (xj − pk ))2,
Geometria i,j,k
T Anteriores
3–Solu¸˜es
co
L e M separados
onde Dijk vale E [cij ], ou 0 se wi n˜o corresponde a pk .
a
SLAM
(e o σ ?)
c N. Werneck
22 / 29
23. ¸˜
Solucoes
¸˜
Localizacao EM
Se xj e vj forem conhecidos, al´m de wi , se fizermos
e
∂L
∂ p = 0 achamos:
k
w
∑ij Dijk vj2 xj − vji
LTI–PCS–EPUSP
pk = .
FHT Mapping ∑ij Dijk vj2
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
O algoritmo EM ´ simplesmente um la¸o:
e c
2–Descri¸˜o
ca
Geometria
T Anteriores
Calcular os Dijk a partir das estimativas atuais.
3–Solu¸˜es
co
(Passo E)
L e M separados
SLAM
Encontrar os novos pk utilizando esta express˜o.
a
(Passo M)
c N. Werneck
23 / 29
24. ¸˜
Solucoes
Mapeamento EM
∂L ∂L
Fazendo ∂ vj =0 e ∂ xj = 0, dados wi e pk agora temos:
LTI–PCS–EPUSP
∑ a=0 Daja Dbjb (pb −pa )(wa −wb )
b=a+1
FHT Mapping
vj = ∑ a=0 Daja Dbjb (pb −pa )(pb −pa )
N. Werneck b=a+1
∑ a=0 Daja Dbjb (pb −pa )(pb wa −pa wb )
b=a+1
1–Introdu¸˜o
Contexto
ca
xj = ∑ a=0 Daja Dbjb (pb −pa )(wa −wb )
.
vSLAM b=a+1
2–Descri¸˜o
ca
Geometria
T Anteriores
onde pz ´ a cˆmera correspondente a wz .
e a
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
24 / 29
25. ¸˜
Solucoes
Resultado Loc EM
LTI–PCS–EPUSP
FHT Mapping Figura: Resultado da localiza¸˜o por EM
ca
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
25 / 29
26. ¸˜
Solucoes
Resultado Map EM
LTI–PCS–EPUSP
FHT Mapping Figura: Resultado do mapeamento por EM
N. Werneck
1–Introdu¸˜o
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Geometria
T Anteriores
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
26 / 29
27. ¸˜
Solucoes
SLAM EM
No caso simultˆneo (SLAM) ca´
a ımos no problema de BA
cl´ssico, que requer otimiza¸˜o n˜o-linear.
a ca a
LTI–PCS–EPUSP
FHT Mapping A solu¸˜o mais bem-estabelecida ´ utilizar o algoritmo de
ca e
N. Werneck
Levenberg-Marquardt nas equa¸˜es normais.
co
1–Introdu¸˜o
ca
Contexto
vSLAM
Estamos buscando alternativas a este m´todo, de
e
2–Descri¸˜o
ca preferˆncia tornando-o mais amig´vel a opera¸˜o em
e a ca
Geometria
T Anteriores tempo real.
3–Solu¸˜es
co
L e M separados
SLAM
c N. Werneck
27 / 29
28. ¸˜
Solucoes
ˆ ¸˜ ˜
Curso relampago de otimizacao nao-linear
Existem v´rias fam´
a ılias. Os mais cl´ssicos s˜o:
a a
No gradiente descendente caminha-se na dire¸˜o do
ca
gradiente. A cada passo calcula-se o gradiente, e o
LTI–PCS–EPUSP
tamanho do passo.
FHT Mapping
N. Werneck No m´todo de Newton utiliza-se um modelo de
e
1–Introdu¸˜o
ca
segunda ordem da fun¸˜o, resultando em
ca
Contexto
vSLAM
2–Descri¸˜o
ca
Hδ = −g
Geometria
∂ 2L
T Anteriores
onde H ´ a Hessiana, composta por
e ∂ xa ∂ xb
3–Solu¸˜es
co
L e M separados No algoritmo de Levenberg-Marquardt caminha-se
SLAM
entre ambas possibilidades.
c N. Werneck
28 / 29
29. ¸˜
Solucoes
ˆ ´
Curso relampago de algebra linear
Nossa otimiza¸˜o ´ composta por passos onde
ca e
calculamos o gradiente e a Hessiana em cada novo
ponto, e precisamos resolver um sistema linear.
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
H´ muitas formas de resolver o sistema. N˜o ´ preciso
a a e
calcular a matriz inversa, por exemplo. (pivota¸˜o
ca
1–Introdu¸˜o
ca
Contexto
parcial, etc). Propomos a utiliza¸˜o do m´todo do
ca e
vSLAM
Gradiente Conjugado para a solu¸˜o dos sistemas.
ca
2–Descri¸˜o
ca
Geometria
T Anteriores A cada itera¸˜o da otimiza¸˜o podemos utilizar apenas
ca ca
3–Solu¸˜es
co poucas itera¸˜es do GC.
co
L e M separados
SLAM
c N. Werneck
29 / 29
30. FIM
(Imagem c 2007 Ryan Taylor)
LTI–PCS–EPUSP
FHT Mapping
N. Werneck
Fim
Referˆncias
e
c N. Werneck
30 / 29
31. Referˆncias Bibliogr´ficas
e a
Nicolau L. Werneck, Fl´vio L. Truzzi, Anna H. R.
a
Costa. 2009.
Anais do V WVC2009.
Anais do V Workshop de Vis˜o computacional
a
WVC2009.
http://iris.sel.eesc.usp.br/wvc/.
LTI–PCS–EPUSP M. Byrod & K. Astrom. 2009.
FHT Mapping
Bundle Adjustment using Conjugate Gradiens with
N. Werneck
Multiscale Preconditioning.
Fim
BMVC 2009.
Referˆncias
e
http://www.bmva.org/bmvc/2009/Papers/
Paper096/Paper096.pdf.
c N. Werneck
31 / 29
32. Barry Cipra, Jack Dongarra & Francis Sullivan. 2000.
The best of the 20th century: editors name top 10
algorithms.
SIAM News, 33(4), p. 1.
http://www.siam.org/news/news.php?id=637.
Yufeng Liu, Rosemary Emery, Deepayan Chakrabarti,
Wolfram Burgard & Sebastian Thrun. 2001.
Using EM to Learn 3D Models of Indoor
LTI–PCS–EPUSP
FHT Mapping
Environments with Mobile Robots.
N. Werneck ICML 2001, 329–336.
Fim Raymond H. Chan, Michael K. Ng & C. K. Wong.
Referˆncias
e
1996.
Sine transform based preconditioners for symmetric
c N. Werneck
Toeplitz systems.
32 / 29
33. Linear Algebra and its Applications, 232, pp.
237–259
doi://10.1016/0024-3795(94)00049-2.
Davison, Andrew J., Reid, Ian D., Molton, Nicholas,
& Stasse, Olivier. 2007.
MonoSLAM: Real-Time Single Camera SLAM.
IEEE Transactions on Pattern Analysis and Machine
Intelligence, 29(6), 1052–1067.
LTI–PCS–EPUSP doi://10.1109/TPAMI.2007.1049.
FHT Mapping
N. Werneck M. Kaess, A. Ranganathan & F. Dellaert. 2008.
Fim
iSAM: Incremental Smoothing and Mapping.
Referˆncias
e
IEEE Transactions on Robotics, 24(6), 1365–1378.
doi://10.1109/TRO.2008.2006706.
c N. Werneck
33 / 29
34. Moravec, Hans Peter. 1980.
Obstacle avoidance and navigation in the real world
by a seeing robot rover.
Ph.D. thesis, Stanford University, Stanford, CA,
USA.
http://www.frc.ri.cmu.edu/users/hpm/
project.archive/robot.papers/1975.cart/
1980.html.thesis/index.html.
Murarka, Aniket, Sridharan, Mohan, & Kuipers,
LTI–PCS–EPUSP
FHT Mapping
Benjamin. 2008.
N. Werneck Detecting obstacles and drop-offs using stereo and
Fim motion cues for safe local motion.
Referˆncias
e Pages 702–708 of: IROS.
IEEE.
c N. Werneck doi:///10.1109/IROS.2008.4651106.
34 / 29