Advertisement

Ein MPEG-Prozessor als Bewegungssensor in der Robot Vision

  • Norbert O. Stöffler
  • G. Färber
Part of the Informatik aktuell book series (INFORMAT)

Kurzfassung

Detektion und Auswertung von Bewegung in Videobildfolgen ist ein zentrales Problem der Robot Vision. In dieser Arbeit wird ein PC-basiertes Bewegungssensor-System vorgestellt, das zur echt-zeitfähigen Bestimmung der Bewegungsvektoren im Bild einen MPEG Motion Estimation Prozessor verwendet. Um die bereits in Arbeiten anderer Gruppen als problematisch beschriebene Störanfälligkeit derart erzeugter Vektorfelder zu kompensieren, wird ein weiteres Rechenwerk zur vektorweisen Bestimmung von Konfidenzmaßen eingesetzt. Die daraus resultierende Verwendbarkeit des Systems für Robot Vision Anwendungen und die zu beachtenden Einschränkungen bei der Adaption von Verfahren aus der Literatur des optischen Flusses werden anhand exemplarischer Anwendungen und Experimente gezeigt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    G. Adiv. Determining Three-Dimensional Motion and Structure from Optical Flow Generated by Several Moving Objects.IEEE Trans. on Pattern Analysis and Machine Intelligence, 7 (4): 319–336, Jul 1985.Google Scholar
  2. 2.
    G. Cheng, A. Zelinsky. Real-Time Visual Behaviours for Navigating a Mobile Robot. InProc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS’96), S. 973–980, Nov 1996.Google Scholar
  3. 3.
    M. Inaba, K. Nagasaka, F. Kanehiro, S. Kagami, H. Inoue. Real-Time Vision-Based Control of Swing Motion by Human-form Robot Using the Remote-Brained Approach. InProc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS’96), S. 15–22, Nov 1996.Google Scholar
  4. 4.
    H. Inoue, T. Tachikawa, M. Inaba. Robot Vision System with a Correlation Chip for Real-Time Tracking, Optical Flow and Depth Map Generation. In Proc. IEEE Int. Conf. on Robotics and Automation (ICRA’92), S. 1621–1626, 1992.CrossRefGoogle Scholar
  5. 5.
    LSI Logic. Image Compression Databook. LSI Logic Corporation, 1993.Google Scholar
  6. 6.
    T. Mori, M. Inaba, H. Inoue. Visual Tracking Based on Cooperation of Multiple Attention Regions. InProc. IEEE Int. Conf. on Robotics and Automation (ICRA’96), S. 2921–2928, 1996.Google Scholar
  7. 7.
    K. Prazdny. Determining the Instantaneous Direction of Motion from Optical Flow Generated by Curvilinearly Moving Observer.Computer Graphics and Image Processing, 17: 238–248, 1981.CrossRefGoogle Scholar
  8. 8.
    A. Singh.Optic Flow Computation: A Unified Perspective. IEEE Computer Society Press, Los Alamitos, California, 1991.Google Scholar
  9. 9.
    N. O. Stöffler, G. Färber. An Image Processing Board with an MPEG Processor and Additional Confidence Calculation for Fast and Robust Optic Flow Generation in Real Environments. In Proc. 1997 Int. Conf on Advanced Robotics (ICAR’97), 1997. To appear.Google Scholar
  10. 10.
    N. O. Stöffler, A. Hauck, G. Färber. Ein geometrisch-symbolisches Umgebungsmodell zur Unterstützung verschiedener Perzeptionsaufgaben autonomer, mobiler Systeme. In G. Schmidt, F. Freyberger, Herausgeber, Autonome Mobile Systeme, Informatik aktuell, S. 108–117. Springer-Verlag, 1996.Google Scholar
  11. 11.
    N. Takeda, M. Watanaba, K. Onoguchi. Moving Obstacle Detection using Residual Error of FOE Estimation. InProc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS’96), Nov 1996.Google Scholar
  12. 12.
    R. Y. Tsai, T. S. Huang. Uniqueness and Estimation of Three-Dimensional Parameters of Rigid Objects with Curved Surfaces.IEEE Trans. on Pattern Analysis and Machine Intelligence, 6 (1): 13–27, Jan 1984.CrossRefGoogle Scholar
  13. 13.
    A. Verri, F. Girosi, V. Torre. Mathematical properties of the two-dimensional motion field: from singular points to motion parameters.J. Opt. Soc. Am, 6 (5): 698–712, May 1989.MathSciNetCrossRefGoogle Scholar
  14. 14.
    Weng, T. S. Huang, N. Ahudja. Motion and Structure from Two Perspective Views: Algorithms, Error Analysis, and Error Estimation. IEEE Trans. on Pattern Analysis and Machine Intelligence, 11(5):451–479, May 1989.CrossRefGoogle Scholar
  15. 15.
    S. Yamamoto, Y. Mae, Y. Shiray, J. Miura. Realtime Multiple Object Tracking Based on Optical Flows. In Proc. IEEE Int. Conf. on Robotics and Automation (ICRA’95), volume 3, S. 2328–2333, May 1995.CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1997

Authors and Affiliations

  • Norbert O. Stöffler
    • 1
  • G. Färber
    • 1
  1. 1.Lehrstuhl für ProzeßrechnerTechnische Universität MünchenGermany

Personalised recommendations