Autonomous landmark selection for route recognition by a mobile robot

Zheng, Jiang Yu; Barth, Matthew; Tsuji, Saburo

doi:10.1109/robot.1991.131922

Cited by 21 publications

(4 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Other notable contributions related to map building are by Ayache and Faugeras [7], [6] using trinocular vision and Kalman filtering, by Zhang and Faugeras [162] using 3D reconstruction from image sequences, by Giralt et al [44] using sensor fusion techniques, and by Zheng et al [163], and Yagi et al [159] using panoramic views.…”

Section: Map-buildingmentioning

confidence: 99%

Vision for mobile robot navigation: a survey

DeSouza

Kak

2002

IEEE Trans. Pattern Anal. Machine Intell.

1,181

504

View full text Add to dashboard Cite

Abstract-This paper surveys the developments of the last 20 years in the area of vision for mobile robot navigation. Two major components of the paper deal with indoor navigation and outdoor navigation. For each component, we have further subdivided our treatment of the subject on the basis of structured and unstructured environments. For indoor robots in structured environments, we have dealt separately with the cases of geometrical and topological models of space. For unstructured environments, we have discussed the cases of navigation using optical flows, using methods from the appearance-based paradigm, and by recognition of specific objects in the environment.

show abstract

Section: Map-buildingmentioning

confidence: 99%

Vision for mobile robot navigation: a survey

DeSouza

Kak

2002

IEEE Trans. Pattern Anal. Machine Intell.

1,181

504

View full text Add to dashboard Cite

show abstract

“…При цьому може використовуватись декілька відеокамер, інформація від яких обробляється стерео алгоритмами [3]. Якісне розпізнавання НО здійснюється на основі апріорної інформації про його зображення або в процесі панорамного опису сцен [4]. Апріорна інформація для розпізнавання об'єктів міститься в базі даних і може досягати 10 мільйонів фотографій сцен [5].…”

Section: модель кольоровості об'єктів на фоні довільної місцевостіunclassified

Модель Кольоровості Об’єктів На Фоні Довільної Місцевості

Полярус О.В.,

Поляков Є.О.,

Ібрагімов Ш.Г.

et al. 2024

ПТП

View full text Add to dashboard Cite

В останні роки значно зріс інтерес до використання автономних мобільних роботів (АМР) в сферах людської діяльності, пов'язаних з безпекою і військовими операціями. Такі роботи повинні слабо залежати від GPS і самостійно орієнтуватися на незнайомій місцевості в інтересах виконання поставленого перед ними завдання. Для цього кожен робот повинен знайти на території об'єкт, який можна вважати наземним орієнтиром.Метою статті є створення нової моделі кольоровості об'єктів, що дає можливість в майбутньому відносити ці об'єкти до наземних орієнтирів і розпізнавати їх у часі, близькому до реального. Вперше запропоновано метод з використання методу «знімків», тобто аналізу послідовних зображень, записаних на матрицю відеокамери в процесі сканування простору. Зв'язок між сусідніми кольоровими стовпцями кольоровості зображень забезпечується матрицею перетворення, яка з'єднує два сусідніх стовпця пікселів зображення шляхом інверсії Мура-Пенроуза. Похибки апроксимації свідчать про втрату лінійності перетворення, але в той же час можуть служити особливістю для виявлення наземного орієнтиру роботом. Розроблена в статті математична модель кольоровості наземного орієнтира для автономної навігації з урахуванням фону навколишньої місцевості справедлива для будь-яких навігаційних умов автономного мобільного робота в денний час, коли використовується скануюча відеокамера.

show abstract

“…Humans memorize objects with distinctive features along the route as landmarks and move along the correct route guided by them. We have explored what are distinctive patterns over a wide range and presented a method for finding distinctive patterns in the Panoramic Representation by examining iconic properties such a s hue, saturation, area and perimeter [5]. The method, however, relies heavily on reliability in finding and/or measuring such attributes.…”

Section: Introductionmentioning

confidence: 99%

Selecting distinctive scene features for landmarks

Tsuji

Proceedings 1992 IEEE International Conference on Robotics and Automation

Self Cite

View full text Add to dashboard Cite

Autonomous finding of landmarks for guiding long distance navigation by a mobile is explored. In a trial navigation, the robot continuously views and memorizes scenes along the route. When the same route is subsequently pursued again, The robot locates and orients itself based on the memorized scene. Since the stream of images is highly redundant, it is transformed into an intermediate 2(1/2)D representation, called Panoramic Representation, with much less amount of data. Although the Panoramic Representation can be used for guidance of the autonomous navigation, it still contains a huge amount of data for a very long route. A human memorizes only very impressive objects along the route such as an old church or a very high tower and uses th,em as landmarks. Our robot also finds distinctive objects along the route and memorizes their features as well as spatial relationships f o r navigation guidance. 3 0 objects along the route are segmented in the Panoramic Representation by fusing range estimates and color attributes, and th,en a structure m a p representing their arrangement in space is yielded. I n order to find distinctive objects used for the landmarks, the spatial relationsh.ips, shapes and color attributes of the objects are examined.

show abstract

Autonomous landmark selection for route recognition by a mobile robot

Cited by 21 publications

References 7 publications

Vision for mobile robot navigation: a survey

Vision for mobile robot navigation: a survey

Модель Кольоровості Об’єктів На Фоні Довільної Місцевості

Selecting distinctive scene features for landmarks

Contact Info

Product

Resources

About