Đồ án tốt nghiệp - Ước lượng quỹ đạo chuyển động của robot dựa trên ảnh đơn

TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THÔNG

ĐỒ ÁN TỐT NGHIỆP

ƢỚC LƢỢNG QUỸ ĐẠO CHUYỂN ĐỘNG CỦA
ROBOT DỰA TRÊN ẢNH ĐƠN

NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ - TRUYỀN THÔNG

Sinh viên:

ĐINH VIỆT HÒA
MSSV: 12141084

TP. HỒ CHÍ MINH – 07/2016

TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN KỸ THUẬT MÁY TÍNH - VIỄN THÔNG

ĐỒ ÁN TỐT NGHIỆP

ƢỚC LƢỢNG QUỸ ĐẠO CHUYỂN ĐỘNG CỦA
ROBOT DỰA TRÊN ẢNH ĐƠN

NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG

Sinh viên:

ĐINH VIỆT HÒA
MSSV: 12141084

Hƣớng dẫn: PGS.TS TRẦN THU HÀ
TP. HỒ CHÍ MINH – 07/2016

iv

LỜI CẢM ƠN
Em xin đƣợc gửi lời cảm ơn chân thành đến quý Thầy Cô trong Khoa Điện –
Điện Tử, và nhất là quý Thầy Cô thuộc Bộ môn Kỹ thuật Máy tính - Viễn Thông đã
giảng dạy và truyền đạt kiến thức chuyên ngành cho em trong thời gian vừa qua.
Đặc biệt em xin gửi lời cảm ơn sâu sắc tới Cô Trần Thu Hà vì sự tận tình
hƣớng dẫn cũng nhƣ đã tạo những điều kiện thuận lợi nhất cho ngƣời thực hiện đồ
án để c thể thực hiện và hoàn thành đề tài này.
Mặc dù đã c nhiều cố gắng và nỗ lực thực hiện, nhƣng do kiến thức cũng nhƣ
khả năng bản thân còn nhiều hạn chế nên trong quá trình thực hiện đề tài không thể
tránh khỏi những sai phạm, thiếu s t…Rất mong nhận đƣợc sự góp ý, chỉ dẫn từ quý
Thầy Cô và các bạn.

Sinh viên thực hiện đề tài

Đinh Việt Hòa

v

TÓM TẮT
Trong đề tài này, tác giả thực hiện ƣớc lƣợng quỹ đạo chuyển động của robot
dựa trên các ảnh đơn. Đề tài tập trung tìm hiểu mô hình chung của một hệ thống
ƣớc lƣợng quỹ đạo chuyển động của robot từ hình ảnh (Visual Odometry). Bên
cạnh đ , các giải thuật xử lý ảnh nhƣ dò tìm điểm đặc trƣng FAST, theo vết đặc
trƣng Lucas-Kanade, lý thuyết hình học Epipolar, giải thuật năm-điểm của David
Nister đã đƣợc tìm hiểu. Sau đ , ngƣời thực hiện đề tài hiện thực hoá các lý thuyết
đã tìm hiểu, xây dựng một phần mềm ƣớc lƣợng quỹ đạo chuyển động với ngõ vào
là các ảnh đơn dùng thƣ viện lập trình OpenCV, với ngôn ngữ C++.
Từ khoá: Visual Odometry, Ƣớc lƣợng quỹ đạo, giải thuật năm-điểm.

vi

MỤC LỤC
Danh mục hình .................................................................................................. viii
Danh mục bảng .................................................................................................... ix
Các từ viết tắt........................................................................................................ x
CHƢƠNG 1 GIỚI THIỆU .......
...

...
s for structure from
motion, Council for Scientific and Industrial Research, Pretoria, Technical
Report, 2009.
J.-Y. Bouguet, Pyramidal implementation of the affine lucas kanade feature
tracker deion of the algorithm, Intel Corporation, vol. 5, p. 4, 2001.
T. S. Huang and A. N. Netravali, Motion and structure from feature
correspondences: A review, Proceedings of the IEEE, vol. 82, pp. 252-268,
1994.
A. Geiger, F. Moosmann, O. Car, and B. Schuster, A toolbox for automatic
calibration of range and camera sensors using a single shot, in Proceedings
of International Conference on Robotics and Automation (ICRA), 2012.
R. Mur-Artal, J. Montiel, and J. D. Tardós, Orb-slam: a versatile and
accurate monocular slam system, IEEE Transactions on Robotics, vol. 31,
pp. 1147-1163, 2015.
D. Eigen, C. Puhrsch, and R. Fergus, Depth map prediction from a single
image using a multi-scale deep network, in Advances in neural information
processing systems, 2014, pp. 2366-2374.
J. Zhang and S. Singh, LOAM: Lidar odometry and mapping in real-time,
in Robotics: Science and Systems Conference (RSS), 2014, pp. 109-111.
O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, et al.,
Imagenet large scale visual recognition challenge, International Journal of
Computer Vision, vol. 115, pp. 211-252, 2015.
50

[35]

[36]
[37]
[38]
[39]
[40]

[41]

[42]

E. Rosten and T. Drummond, Fusing points and lines for high performance
tracking, in Computer Vision, 2005. ICCV 2005. Tenth IEEE International
Conference on, 2005, pp. 1508-1515.
E. Rosten, G. Reitmayr, and T. Drummond, Real-time video annotations for
augmented reality, ISVC, vol. 3804, pp. 294-302, 2005.
J. R. Quinlan, Induction of decision trees, Machine learning, vol. 1, pp. 81106, 1986.
R. Hartley and A. Zisserman, Multiple view geometry in computer vision:
Cambridge university press, 2003.
E. Kruppa, Zur Ermittlung eines Objektes aus zwei Perspektiven mit innerer
Orientierung: Hölder, 1913.
H. C. Longuet-Higgins, A computer algorithm for reconstructing a scene
from two projections, Readings in Computer Vision: Issues, Problems,
Principles, and Paradigms, MA Fischler and O. Firschein, eds, pp. 61-62,
1987.
J. Philip, A Non‐Iterative Algorithm for Determining All Essential Matrices
Corresponding to Five Point Pairs, The Photogrammetric Record, vol. 15,
pp. 589-599, 1996.
W. Gellert, The VNR concise encyclopedia of mathematics: Springer Science
&amp Business Media, 2012.

51