Sistema de detección de robots humanoides en ambientes semiestructurados basado en visión estereoscópica

Palabras clave Visión artificial, Video estéreo, Red neuronal convolucional, Robots humanoides

Resumen

El presente trabajo propone el diseño, desarrollo e implementación de un sistema de visión artificial basado en vídeo estéreo, el cual es ejecutado en un sistema embebido, con el fin de identificar a robots humanoides dentro de un área semiestructurada. El sistema embebido utiliza una cámara RealSense de Intel que además de poder obtener distancias hacia los objetos debido a la visión estéreo que posee, es capaz de discriminar información después de un umbral de distancia determinado por el usuario, eliminando los objetos de fondo de la escena y mediante reconocimiento de imágenes basado en una red neuronal convolucional reconoce a robots humanoides dentro de esta. La aplicación del sistema se basa en el concurso Robocup Humanoid League, donde dos equipos de robots juegan fútbol, por lo que además de reconocer a robots humanoides a diferentes ángulos y distancias, el sistema puede clasificar a los robots reconocidos como compañeros o contrincantes (dependiendo del reconocimiento de marcas de color que estos porten), emulando que, a futuro, el sistema propuesto estará montado sobre otro robot humanoide.

Descargas

La descarga de datos todavía no está disponible.

Citas

«RoboCup Humanoid League» 2020. [En línea]. Available: https://humanoid.robocup.org [Accessed:18 – abril 2021].

«Amazons collaborative robots offer peek into the future» Available: https://www.businesstimes.com.sg/technology/amazons-collaborative-robots-offer-peek-into-the-future Accessed:14 - septiembre - 2021].

«TASKI. The ultimate cleaning machine» [En línea]. Available: https://taski.com/taski-products/swingobot-000/?lang=es [Accessed:14 - septiembre - 2021].

Robocup Federation official website. Available: https://www.robocup.org [Accessed:18 - abril - 2021].

T. Abbas Shangari, S. Sadeghnejad, J. Baltes. «Importance of Humanoid Robot Detection». In: Goswami A., Vadakkepat P. (eds) Humanoid Robotics A Reference. Springer, Dordrecht. 2018: https://doi.org/10.1007/978-94-007-7194-9_141-1

K. Sabe, M. Fukuchi, JS Gutmann, T. Ohashi,K. Kawamoto, T. Yoshigahara. «Obstacle avoidance and path planning for humanoid robots using stereo vision. In obotics and Automation,» 2004. Proceedings. ICRA’04.2004 IEEE International Conference on 2004 Apr (Vol. 1, pp. 592-597). IEEE.

H. Farazi, S. Behnke. «Real-Time Visual Tracking and Identification for a Team of Homogeneous Humanoid Robots,» In Proceedings of 20th RoboCup International Symposium, Leipzig, Germany, July 2016.

TA. Shangari, V. Shams, B. Azari, F. Shamshirdar, J. Baltes, S. Sadeghnejad. «Inter-humanoid robot interaction with emphasis on detection: a comparison study». The Knowledge Engineering Review. 2017 Feb; 32.

J. Mohammad, A. Sina Mokhtardeh, A. Sajjad, S. Saeed, S. Soroush y B. Jacky, «Humanoid Robot Detection using Deep learning: A speed-Acuracy Tradeoff,» Taiwan, 2017.

A. Saxena, S.H. Chung & A. Ng. «3-D Depth Reconstruction from a Single Still Image». Int J ComputVis 76, 53–69 (2008).

I. R. SDK, «pyrealsense2’s documentation,» 2018. [En línea]. Available: https://intelrealsense.github.io/librealsense/python_docs/_generated/pyrealsense2.html.

J. Redmon, S. Divvala, R. Girshick and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 779-788, doi: 10.1109/CVPR.2016.91.

M. Mitchel Tom, Machine Learning, McGraw-Hill, 1997

A. Bochkovskiy, C.-Y. Wang y M. L. Hong-Yuan, «arXiv.orgLogin,» 23 Apr 2020. [En línea]. Available: https://arxiv.org/pdf/2004.10934.pdf. [Último acceso: Mayo 2020].

A. Bochkovskiy, «github,» 2020. [En línea]. Available: https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137.

R.C. Gonzalez, R. E. Woods. «Digital Image Processing, » Prentice Hall, 3ª edición, 2006.

Siddharth Misra, Yaokun Wu, «Machine learning assisted segmentation of scanning electron microscopy images of organic-rich shales with feature extraction and feature ranking », Machine Learning for Subsurface Characterization, 2020.

Publicado
2021-12-10
Cómo citar
[1]
O. Herrera, Y. González, P. Cortez, y B. Granados, Sistema de detección de robots humanoides en ambientes semiestructurados basado en visión estereoscópica, ingenieria, n.º 21, pp. 94-107, dic. 2021.
Sección
Artículos
Palabras clave: Visión artificial, Video estéreo, Red neuronal convolucional, Robots humanoides

Artículos más leídos del mismo autor/a