Zur Seitenansicht
 

Titelaufnahme

Titel
3D motion analysis for mobile robots
AutorShafik, Mohamed Salah El-Neshawy
PrüferMertsching, Bärbel In der Gemeinsamen Normdatei der DNB nachschlagen ; Schreier, Peter
Erschienen2013
HochschulschriftPaderborn, Univ., Diss., 2012
Anmerkung
Tag der Verteidigung: 20.12.2012
SpracheDeutsch
DokumenttypDissertation
URNurn:nbn:de:hbz:466:2-12633 Persistent Identifier (URN)
Dateien
3D motion analysis for mobile robots [14.38 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Diese Arbeit präsentiert eine schnelle Schätzung der Bewegungsparameter, die zueiner signifikanten Verringerung der Rechenzeit des "3D-Motion-Segmentation" Ansatzessowie einem verringerten mittleren Fehler der geschätzten Parameter auchbei starkem Rauschen führt. Darüber hinaus wurde ein Salienz-basierter Ansatz fürdie Schätzung und Segmentierung von 3D-Bewegungen aus mehreren bewegten Objektenmittels 2D Bewegungsvektorfeldern entwickelt. Eine Klassifizierungsmodulwurde implementiert, um die globale Bewegung der Kamera zu definieren und umtypische Probleme der Wahrnehmung autonomer mobiler Roboter zu lösen, wie Bildrauschen,Verdeckung und Berücksichtigung der Eigenbewegung. Weiterhin schlagenwir eine schnelle biologisch motivierte Schätzung von 3D-Bewegungsparametern vor. Die Ergebnisse belegen, dass die vorgestellten Verfahren eine erfolgreiche Erkennungund Bewertung von vordefinierten 3D-Bewegungsmustern und insbesondereBewegungen in die Richtung eines Roboters erlauben. Sie sind damit ein wichtigerMeilenstein in Richtung einer erfolgreichen Vorhersage von Kollisionen.

Zusammenfassung (Englisch)

In this work, we present a fast approach to estimate the motion parameter coefficients,which results in a significant reduction of the computational time of the 3D motionsegmentation approach as well as a decrease in the mean error of the estimated parameterseven with highly noisy MVF. Furthermore, a saliency-based approach forestimating and segmenting 3D motions of multiple moving objects represented by2D motion vector fields (MVF) was developed. A classification module has been implementedto define the global motion of the mounted camera in order to overcometypical problems in autonomous mobile robotic vision such as noise, occlusions, andinhibition of the ego-motion defects of a moving camera head. Moreover, we proposea fast depth-integrated 3D motion parameter estimation approach which takes intoconsideration the perspective transformation and the depth information to accurately estimate biologically motivated classifier cells in the 3D space using the geometricalinformation of the stereo camera head. The results show a successful detection andestimation of predefined 3D motion patterns such as movements toward the robotwhich is a vital milestone towards a successful prediction of possible collisions.