Motion capture distribuito

Slides:



Advertisements
Presentazioni simili
Le trasformazioni.
Advertisements

Materiale di supporto all’insegnamento di ELABORAZIONI IMMAGINI 1
Cinematica diretta Un manipolatore è costituito da un insieme di corpi rigidi (bracci) connessi in cascata tramite coppie cinematiche (giunti). Si assume.
Interferenza Diffrazione (Battimenti)
Fisica: lezioni e problemi
Pierangelo Degano, Emanuel Castellarin, Laura Passaponti
Controllo remoto di un robot mobile realizzato con Lego Mindstorms
Controllo remoto di un robot mobile realizzato con Lego Mindstorms
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
Algoritmi Politecnico di Milano
Weighted least squares. Covarianza con Spazio delle misurazioni (N dimensionale): variabili non deterministiche sottoposte a errore di misura. Es. coordinate.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
Set-up per misure di rettilineità Verticale. Prove preliminari hanno evidenziato una deriva costante dei valori.
Camil Demetrescu, Irene Finocchi, Giuseppe F. ItalianoAlgoritmi e strutture dati Copyright © The McGraw - Hill Companies, srl Alberi AVL (Adelson-Velskii.
Corso di biomatematica lezione 5: propagazione degli errori
1 Rendering spaziale sonoro mediante ricostruzione stereo Università degli studi di Verona Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica.
Strumentazione per bioimmagini
Stima ed algoritmi di consensus distribuito: considerazioni su IKF
Structure from motion Corso Visione e percezione a.a.2008/2009
BIOINGEGNERIA S. Salinari Lezione 4.
Scene Modelling, Recognition and Tracking
PROFESSORESSA STUDENTI F. Pirri D. G. Ferriero V. Virili TUTOR M. Pizzoli RICOSTRUZIONE METRICA 3D DI UN OGGETTO RIPRESO DA PIÙ VISTE CON LA STESSA TELECAMERA.
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Modelli simulativi per le Scienze Cognitive
Determinazione Orbitale di Satelliti Artificiali Lezione 5
Elaborazione (digitale) delle immagini
Georeferenziazione di immagini
1 Superfici nascoste Daniele Marini. 2 Ray casting adatto a CSG o superfici parametriche dipende dal punto di vista è una sorta di campionamento spaziale.
“Il Piano cartesiano e la retta” realizzato dagli studenti della 2ª B Aielli Luca Pasquini Daniele Rosato Anna.
RIFLESSIONE: FORMAZIONE DELLE IMMAGINI SU UNO SPECCHIO PIANO
Università degli Studi di Bologna Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica Materia della tesi: Sistemi Distribuiti L-S VIDEOSORVEGLIANZA.
Statistica economica (6 CFU)
La Funzione Sinusoidale
Introduzione ai Metodi Inversi
La ricerca delle relazioni tra fenomeni
Studio delle galassie M 82 e ARP63
Il metodo fotogrammetrico
Tutte le grandezze fisiche si dividono in
INQUINAMENTO ACUSTICO
Papagna Sabino Flavia Camoes
Capitolo 3 (parte seconda)
Superfici nascoste Daniele Marini.
Sintesi della lezione Il concetto di variabilità Campo di variazione Differenza interquartile La varianza La deviazione standard Scostamenti medi VARIABILITA’
Visione Artificiale Ing. Roberto Vezzani a.a
DATA MINING PER IL MARKETING
Fisica: lezioni e problemi
DATA MINING PER IL MARKETING
Algoritmi e Strutture Dati
Sistemi di visione per la navigazione autonoma Relatore: ch.mo prof. Ruggero FREZZA Laureando: Andrea ROSSETTI Padova, 11 aprile 2005.
Acquisizione ed elaborazione di dati cinematici
Laurea Ing. EO/IN/BIO;TLC D.U. Ing EO 3
Visione e Percezione Matlab Filtri Lineari Operazioni su immagini Piramidi Gaussiane Esercitazione 4 Maggio.
ESPERIMENTO DI RÜCHARDT
Flusso di Costo Minimo Trasformazioni Equivalenti e Trasformazioni Inverse Viene data la seguente rete di flusso, in cui i valori riportati vicino agli.
Metodi numerici per lo studio di sistemi multicorpo
Flusso di Costo Minimo Applicazione di algoritmi: Cammini Minimi Successivi (SSP) Esercizio 1 Sia data la seguente rete di flusso, in cui i valori riportati.
Analisi della similarità tra immagini.
Trading System & Analisi Tecnica
TRATTAMENTO STATISTICO DEI DATI ANALITICI
M. De Cecco - Sensor Fusion: teoria ed applicazione alla percezione di sistemi robotici SLAM Simultanea localizzazione e mappatura di veicoli autonomi.
LA RETTA NEL PIANO CARTESIANO
La circonferenza e l’ellisse La sezione conica è l’intersezione di un piano con un cono. La sezione cambia a seconda dell’inclinazione del piano. Se il.
Modellizzazione di cabine di trasformazione MT/bt in ambiente esterno Roma - ISPRA 9 Novembre 2011 Corso di formazione ambientale “Introduzione all’utilizzo.
Di Matteo Arenga Manuela Bonaccorso Giulia Diprossimo.
Gli strumenti di misura
L’Analisi delle Corrispondenze. Obiettivi: Rappresentazione graficaRappresentazione grafica SintesiSintesi della struttura di associazione tra due (o.
Cosa è la FISICA Esperienza trenino: Misurare una lunghezza
Transcript della presentazione:

Motion capture distribuito Alberto Tonello Luca Fardin Lorenzo Corso

Obiettivo Implementare il passive motion capture in modo distribuito Rappresentare l'incertezza nell'errore di ricostruzione dei marker

Approccio Centralizzato o Distribuito

Approccio distribuito Gerarchia di comunicazione ad albero

Approccio distribuito Analisi nel piano Analisi nello spazio

Progetto nel piano Calcolo dei centri Calcolo delle rette Ricostruzione dei marker nel piano Incertezza

Calcolo dei centri Ingressi: Uscite: Piano immagine Dimensione pixel Distanza tra serie di pixel Uscite: Posizione dei centri sul piano immagine Numero dei pixel di ogni centro

Algoritmo implementato Primo passaggio Secondo passaggio

Calcolo delle rette Matrice di trasformazione Equazione implicita della retta

Ricostruzione dei marker Necessità di avere almeno tre raggi per la ricostruzione Algoritmo ai minimi quadrati per la ricostruzione

Minimi quadrati Individuazione punto di minima distanza

Minimi quadrati Esiste soluzione in forma chiusa Possibilità d’implementare un algoritmo generale che processa un numero arbitrario di rette

Struttura della funzione Ingressi: Raggi Punti Epsilon Specifiche ambiente Uscite: Raggi non utilizzati Immagine da rifare

Struttura della funzione Controllo che raggio non corrisponda ad un marker già ricostruito, in tal caso due approcci: Eliminazione raggio Ricalcolo punto con tutti i raggi Ricostruzione mediante minimi quadrati Successivamente possibile media di eventuali marker ricostruiti doppi

Minimi quadrati pesati Riduzione errore ricostruzione pesando diversamente i residui Stima dei pesi valutando i piani immagine Peso maggiore ai raggi generati da marker più vicini alla telecamera Da rifare, modificare

Funzione centralizzata I dati sono processati in modo centralizzato Necessità di utilizzare almeno quattro raggi Nessuna eliminazione dei raggi

Conclusioni Tipo Ricostruzione Errore medio Tempo medio esecuzione Minimi Quadrati, Elimina Raggi 2.6779 [mm] 0.2430 [s] Minimi Quadrati, Mantieni Raggi 1.9265 [mm] 0.2480 [s] Minimi Quadrati Pesati Elimina Raggi 2.6687 [mm] 0.2532 [s] Minimi Quadrati Pesati, Mantieni Raggi 1.9187 [mm] 0.2587 [s] Approccio Centralizzato 4.5350 [mm] 43 [s]

Rapporto tra numero di pixel ed errore di ricostruzione Simulazioni con dieci e con diciannove marker

Impossibilità di stabilire una relazione Piani immagine non adeguati Errore di ricostruzione legato alla posizione

Progetto nello spazio Calcolo dei centri Calcolo delle rette Ricostruzione dei marker nello spazio Incertezza

Calcolo dei centri Ingressi: Uscite: Piano immagine Dimensione pixel Posizione dei centri sul piano immagine Numero dei pixel di ogni centro

Algoritmo implementato L'algoritmo è composto da due passaggi

Per la prima proiezione

Per la seconda proiezione

Calcolo delle rette Ingressi: Uscite: Posizione delle telecamere Matrice di rotazione utilizzando la notazione di Cardano con rotazioni successive secondi gli assi X → Y → Z Coordinate centri calcolate sul piano immagine Altezza e larghezza piano immagine Lunghezza focale telecamera Uscite: Coordinate dei centri riportate nel sistema di riferimento assoluto.

Calcolo delle rette

Ricostruzione marker Elimina rette Mediazione marker Ricostruzione pesata

Ricostruzione marker Ingresso: Uscita: Coordinate centri nel sistema di riferimento assoluto Posizione delle telecamere Distanza minima per la ricostruzione Distanza minima per la mediazione Numero di pixel dei raggi Uscita: Tempo di ricostruzione nei vari livelli albero Marker ricostruiti e loro distanza minima dalle rette che li hanno generati Rette non utilizzate per la ricostruzione

Ricostruzione marker

Volume d’incertezza

Algoritmo distribuito

Algoritmo distribuito Algoritmo elimina rette Algoritmo mediazione punti

Algoritmo distribuito pesato

Algoritmo distribuito pesato Visione dall’alto

Algoritmo Centralizzato Ingressi Coordinate centri nel sistema di riferimento assoluto Posizione delle telecamere Distanza minima per la ricostruzione Uscita Marker ricostruiti e distanza

Algoritmo centralizzato con 16 telecamere Conclusioni Possibilità di ricostruire marker in eccesso Possibilità di non ricostruire marker Algoritmo centralizzato con 16 telecamere Varia con piano generato con molto rumore

Conclusioni Errori di ricostruzione similari Variazione dei tempi d’esecuzione Algoritmo Tempo d’esecuzione Distribuito elimina raggi 0,007929 secondi Distribuito mediazione marker 0,0548 secondi Distribuito pesato 0,053779 secondi Centralizzato 0,0809 secondi

Conclusioni e sviluppi futuri Minor tempo d’elaborazione rispetto approccio centralizzato Rappresentazione dell’incertezza non soddisfacente Sviluppi futuri: Utilizzo di più rette per la ricostruzione del marker Implementazione algoritmo ai minimi quadrati Approfondimento sulla rappresentazione dell’incertezza