Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/37095
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_ArturBorgesPio.pdf4,71 MBAdobe PDFVisualizar/Abrir
Título: Localização visual inercial com auto-calibração dos parâmetros internos de câmera monocular
Outros títulos: Inertial visual location with self-calibration of internal parameters of monocular camera
Autor(es): Pio, Artur Borges
Orientador(es): Borges, Geovany Araújo
Assunto: Robôs
Localização visual inercial
Odometria visual
Filtro de Kalman
Data de publicação: 11-Mar-2020
Referência: PIO, Artur Borges. Localização visual inercial com auto-calibração dos parâmetros internos de câmera monocular. 2019. ix, 109 f., il. Dissertação (Mestrado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019.
Resumo: Na robótica móvel, uma das habilidades mais importantes dos robôs é saber se localizar no espaço. Seja no caso de um carro autônomo que precisa dirigir por uma cidade, um VANT que auxilia uma equipe de resgate ou mesmo um simples robô de laboratório é crucial que todos eles consigam saber onde estão, em outras palavras, precisam de um sistema de Localização para realizarem suas tarefas. Existem diversas técnicas e algoritmos de se resolver o problema da localização de robôs. Um destes sistemas que vem ganhando certo destaque nas pesquisas dos últimos tempos é a Localização Visual Inercial. Este tipo de técnica consiste em realizar a Localização de um agente robótico a partir da combinação das leituras obtidas por uma Unidade de Medição Inercial com um sistema de Odometria Visual. Esta combinação dos sensores pode ser realizada utilizando técnicas de filtragem estocástica, como uma variação do Filtro de Kalman, para desempenhar a chamada fusão sensorial. Para que a fusão seja bem sucedida e entregue boas estimativas, é de extrema importância que os sensores façam leituras não enviesadas e que a câmera esteja bem calibrada. A calibração de câmera é o procedimento executado para se calcular os parâmetros internos da câmera que são utilizados para que se possa construir um modelo matemático da mesma. As técnicas de calibração mais difundidas são executadas de maneira offline e exigem certo conhecimento do ambiente em que a câmera se encontra. Como existem situações que podem vir a alterar os valores dos parâmetros internos da câmera, a calibração precisa ser constantemente realizada para que sempre se possua os valores corretos dos parâmetros internos. Algoritmos de visão computacional como a Odometria Visual, que precisam dos parâmetros internos durante a sua execução, podem vir a ser prejudicados caso ocorra alguma alteração nos valores destes parâmetros durante a sua execução. Sendo assim, o presente trabalho apresenta uma possível solução para este tipo de situação. Ao longo da pesquisa aqui reportada, foi desenvolvido um sistema de Auto-Calibração de Câmera com auxílio de uma UMI. Este sistema consiste em um estimador de parâmetros internos da câmera baseado em um FKE que opera de maneira online e sem qualquer conhecimento prévio a respeito do ambiente em que a câmera se encontra. Este método permite a sistemas como a Odometria Visual operarem sempre com os valores corretos dos parâmetros internos da câmera. A partir do auto-calibrador desenvolvido, foi ainda projetado um sistema de Localização Visual Inercial com Auto-Calibração de Câmera (LOVIACC). Este sistema LOVIACC foi projetado como o conjunto de dois FKUs que operam com o intuito de estimar a posição e orientação de um agente robótico, que carrega uma câmera e uma UMI, ao mesmo tempo em que faz as calibração da câmera utilizada. A dissertação apresenta ainda alguns experimentos realizados a fim de se validar os dois métodos propostos.
Abstract: In mobile robotics, one of the most important skills of robots is knowing how to locate itself in space. Whether it’s a self-driving car driving in a city, a UAV that assists a rescue team or even a simple lab robot, it’s crucial that they all know where they are, in other words, they need a Localization system in order to solve their tasks. There are several techniques and algorithms to solve the robot localization problem. One of these systems that has been gaining some prominence in the surveys of recent times is Visual Inertial Localization. This type of technique consists in performing the Localization of a robotic agent from the combination of the readings obtained by an Inertial Measurement Unit with a Visual Odometry system. This combination of sensors can be performed using stochastic filtering techniques, such as a variation of the Kalman Filter, to perform the so called sensor fusion. For the fusion to be successful and provide good estimates, it is extremely important that the sensors make unbiased readings and that the camera is well calibrated. Camera calibration is the procedure performed to calculate the internal parameters of the camera that are used so that a mathematical model can be constructed. The most widespread calibration techniques are performed offline and require some knowledge of the environment in which the camera is located. As there are situations that may change the values of the internal parameters of the camera, the calibration needs to be constantly performed so that the correct values of the internal parameters are always known. Computer vision algorithms such as Visual Odometry, which need the internal parameters during its execution, can be impaired if there is any change in the values of these parameters during its execution. Therefore, the present work presents a possible solution to this type of situation. Throughout the research reported here, a Self-Calibration Camera system was developed with the aid of an UMI. This system consists of an internal camera parameter estimator based on a EKF that operates in an online manner and without any prior knowledge of the environment in which the camera is located. This method allows systems such as Visual Odometry to always operate with the correct values of the camera’s internal parameters. From the self-calibrator developed, an Inertial Visual Localization system with Camera Self-Calibration was also designed. This second system was designed as the set of two UKFs that operate to estimate the position and orientation of a robotic agent, which carries a camera and a UMI, while calibrating the camera used. The dissertation also presents some experiments carried out in order to validate the two proposed methods.
Unidade Acadêmica: Faculdade de Tecnologia (FT)
Departamento de Engenharia Elétrica (FT ENE)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.
Programa de pós-graduação: Programa de Pós-Graduação em Engenharia Elétrica
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.