Uncalibrated visual servoing in the presence of non-gaussian feature tracking noise
Servovisão é uma estratégia de controle que usa a realimentação visual de câmeras para controlar a movimentação de um robô ou um sistema. Servovisão baseado em imagem conta com algoritmos de processamento de imagens e visão computacional para detectar e acompanhar características de interesse, incor...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Federal do Rio Grande do Norte (UFRN) |
| Repositorio: | Repositório Institucional da UFRN |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.ufrn.br:123456789/57600 |
| Acceso en línea: | https://repositorio.ufrn.br/handle/123456789/57600 |
| Access Level: | acceso abierto |
| Palabra clave: | Visual servoing Maximum correntropy criterion Kalman filter Non-gaussian noise CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
| Sumario: | Servovisão é uma estratégia de controle que usa a realimentação visual de câmeras para controlar a movimentação de um robô ou um sistema. Servovisão baseado em imagem conta com algoritmos de processamento de imagens e visão computacional para detectar e acompanhar características de interesse, incorporando-as diretamente na malha de controle. Essa abordagem considera que existe um mapeamento, também conhecido como jacobiana de interação, entre o movimento dessas características e a pose da câmera, baseando-se nos parâmetros intrínsecos e extrínsecos da câmera. Apesar de existirem técnicas de calibração para computar os parâmetros, esses podem se tornar suscetíveis a erro ou necessitar de mudanças em tempo de execução, especialmente em cenários não estruturados. Alguns exemplos que podem acontecer são quando a tarefa requer ampliação da imagem, quando a câmera apresenta distorção da lente, ou apresenta sensor sensível à temperatura. Estudos envolvendo servovisão não-calibrada têm como objetivo estimar a jacobiana de interação usando informação do ambiente e medição do deslocamento das características na imagem, geralmente em tempo de execução, com a ajuda de um estimador como o filtro de Kalman. Enquanto a maior parte dos estudos aproximam a incerteza da estimação a uma distribuição gaussiana, o ambiente onde o robô atua pode apresentar particularidades desafiadoras. No caso, oclusão, reflexão e aparência similar do objeto com outros objetos da imagem podem confundir o algoritmo de visão computacional, levando a \textit{outliers} na extração das características de interesse. Se não forem tratados corretamente, esses erros podem comprometer o desempenho do controlador de servovisão, ou mesmo afetar sua convergência. O critério máximo de correntropia é capaz de usar as propriedades estatísticas de variáveis aleatórias não-gaussiana como vantagem. Logo, este trabalho propõe como tema de tese um estudo de como lidar com ruído não-gaussiano no acompanhamento dessas características de interesse da imagem, preservando as propriedades estatísticas do mesmo através da aplicação do critério máximo de correntropia no filtro de Kalman. |
|---|