by Administrator
16. January 2012 13:35
Metod jak rozložit obraz na různé oblasti je spousta, problém je najít tu pro náš případ nejúčinější. Nechci se tu rozepisovat o jednotlivých metodách, spíše ukáži co jsem zkoušel a s jakými výsledky.
První volbou je výběr barevného prostoru:
- YUV – barvu reprezentuje dvěma parametry YU, jas udává Y, nativní formát modulu SRV1
- RGB – každá ze složek ovlivňuje barvu a jas, nepříliš vhodné pro výpočty
- HSV – parametr H určuje barvu, na šedé vozovce značně mnění hodnotu, nevhodné
Segmentační metody:
- Visiir – segmentační metoda vyvinutá Jiřím Išou,
- YUVBoxFilter – hodnoty YUV pixelů oblasti před robotem ohraničí boxem a všechny pixely s YUV v tomto boxu považuje za sjízdné, má problémy se stínama, neobsahuje znalost jak vypadá sjízdná cesta,
- YUVSampleHistFilter – spočte pravděpodobnost výskytu hodnoty YUV pixelu oblasti před robotem, kterou pokládá za sjízdnou a všem pixelům obrazu přiřadí pravděpodobnost sjízdnosti na základě YUV, má problémy se stínama, neobsahuje znalost jak vypadá sjízdná cesta,
- YUVHistFilter – všem pixelům přiřadí pravděpodobnost sjízdnosti na základě YUV, pravděpodobnost sjízdnosti konkrétní hodnoty YUV je určena na základě trénovací množiny z MSRC-v2 image database, tato metoda je implementačně nejjednodušší a zárověň dává velmi dobré výsledky, nikdy nebude považovat trávu za sjízdnou, nevýhodou je, že se neadaptuje měnícím se podmínkám reálného světa,
- YUVGraphFilter – pomocí grafového algoritmu rozdělí obraz na oblasti s podobnou hodnotou YUV a dle průměrné hodnoty YUV v této oblasti přiřadí pravděpodobnost sjízdnosti obdobným způsobem jako YUVHistFilter, je výpočetně náročná.
Porovnání segmentačních metod, poslední řádek ukazuje vyvažení bíle posunuté směrem k žluté barvě, kde poslední dvě metody ztrácí na kvalitě
c0553178-e939-4c54-aefd-41b8a3026eb2|0|.0|96d5b379-7e1d-4dac-a6ba-1e50db561b04
Tags: cs
ARBot