Inseguimento adattativo Inseguimento adattativo binoculare in tempo realebinoculare in tempo reale

LIRA-Lab Laboratorio Integrato di Robotica Avanzata

Alberto Baroni

Relatore: Chiar.mo Prof. Giulio Sandini

Correlatore: Ing. Carlos Beltran

ObiettiviObiettivi

• Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.

• Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, Kalman).

• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.

ObiettiviObiettivi

Realizzare un setup utilizzando una testa Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-robotica binoculare ed un sistema operativo real-time. time.

• Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LTI, regressione, Kalman).

• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.

Il setupIl setup•Eurohead:Eurohead:

• Testa robotica a 4 gradi di libertà: pan, tilt e vergenza delle due telecamere

•Sistema operativo real-time QNX Neutrino 2Sistema operativo real-time QNX Neutrino 2• Microkernel• Gestione della comunicazione tra processi tramite messaggi• Gestione proprietaria della rete: qnet • Standard POSIX (portable operating system interface)

ObiettiviObiettivi

Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.

Effettuare esperimenti di inseguimento Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, utilizzando filtri predittivi (LMS, regressione, Kalman).Kalman).

• Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.

Filtro FIR (Finite Impulse Response)

0 5 10 15 20-1.5

-1

-0.5

0

0.5

1

1.5 Risposta ad un bersaglio sinusoidale

Tempo

Pos

izio

ne

Bersaglio

Occhio

Filtro FIR con regressione non lineare

-1.5 -1 -0.5 0 0.5 1 1.5

-2

0

20

2

4

6

8

10

12

14

16

x 106

Posizione x

Posizione y

Pos

izio

ne z

Bersaglio

Stima

Filtro FIR (Finite Impulse Response)

0 5 10 15 20-1.5

-1

-0.5

0

0.5

1

1.5 Risposta ad un bersaglio sinusoidale

Pos

izio

ne

TempoBersaglio

OcchioBersaglio con rumore

0 10 20 30 40 50-50

-40

-30

-20

-10

0

10

20

30

Tempo (sec)

Po

sizi

on

e (f

eet)

Prestazioni filtro di Kalman CV

Filtro di Kalman

Posizione reale

Posizione stimataPosizione misurata

Altri filtri di predizione

• Filtro di Kalman esteso (EKF)

• IMM

• Filtri a particelle

EsperimentiEsperimenti

RisultatiRisultatiAndamento errore retinico

Senza predizione

Con predizione

15 20 25 30 35 40 45 50

Velocità carrello (mm/s)

10

20

30

40

50

60

Va

lore

(p

ixe

l)

100

ObiettiviObiettivi

Realizzare un setup utilizzando una testa robotica binoculare ed un sistema operativo real-time.

Effettuare esperimenti di inseguimento utilizzando filtri predittivi (LMS, regressione, Kalman).

Effettuare esperimenti sul moto di un bersaglio Effettuare esperimenti sul moto di un bersaglio in presenza di una occlusione.in presenza di una occlusione.

RisultatiRisultati

35 40 45 50-0.5

0

0.5

rad

35 40 45 50-0.5

0

0.5

1

rad

/s

35 40 45 50-50

0

50

100

pix

el

Senza predizioneCon predizione

35 40 45 50-0.5

0

0.5

1

rad

/s

Frame

Centro di massa sul piano immagine

Angolo encodertelecamera sinistra

Velocità encodertelecamera sinistra

Velocità encodertelecamera sinistra

ConclusioniConclusioni

L’utilizzo del filtro di kalman permette di ridurre sensibilmente l’errore retinico e può essere impiegato anche nel superamento di occlusioni.

Inseguimento adattativo Inseguimento adattativo binoculare in tempo realebinoculare in tempo reale

LIRA-Lab Laboratorio Integrato di Robotica Avanzata