Fusion d’informations visuelles pour la localisation d’objets complexes - Visual data fusion for complex objects localization

Fusion d’informations visuelles pour la localisation d’objets complexes

Visual data fusion for complex objects localization

Grégory Flandin François Chaumette 

IRISA-INRIA Rennes Campus de Beaulieu, 35042 Rennes Cedex

Corresponding Author Email: 
FLANDIN. Grégory@irisa.fr
Page: 
49-57
|
Received: 
10 May 2001
|
Accepted: 
N/A
|
Published: 
31 March 2002
| Citation

OPEN ACCESS

Abstract: 

Visual sensors provide exclusively uncertain and partial knowledge of a scene. In this article, we present a suitable scene knowledge representation that makes integration and comparison of uncertain and partial data possible. It is based on a mixture of stochastic and set membership models. Considering a gaussian approximation of uncertainties and an ellipsoidal approximation for error bounds, we build an efficient estimation process integrating visual data online. Based on this estimation scheme, we perform online and optimal exploratory commands.

Résumé

Les capteurs visuels fournissent une connaissance partielle et incertaine de la scène observée. Dans cet article, nous présentons un modèle de représentation de la connaissance qui permet la comparaison et la fusion de données incertaines et partielles. Il est basé sur un mélange de modèles stochastique et à erreur bornée. En considérant une hypothèse gaussienne des incertitudes et une approximation ellipsoïdale des supports de l'erreur, nous développons un processus d'estimation en ligne efficace intégrant les données visuelles. Enfin, nous élaborons un processus d'exploration optimale en temps réel.

 

Keywords: 

Active vision, exploration, fusion, reconstruction, stochastic modelling

Mots clés

Vision active, exploration, fusion, reconstruction, modélisation probabiliste

1. Introduction
2. Modélisation Et Règle De Propagation
3. Estimation
4. Exploration
5. Expérimentation
6. Conclusion
  References

[1] N. Ayache. Artificial Vision for Mobile Robots. The MIT Press, Cambridge, MA, 1991.

[2] C. Connolly. The determination of next best views. In Proc. IEEE Int. Conf. on Robotics and Automation, volume 2, pages 432-435, St Louis, Missouri, mars 1995.

[3] H. F. Durrant-Whyte. Integration, Coordination, and Control of MultiSensor Robot Systems. Kluwer Academic Publishers, Boston, 1987.

[4] H. F. Durrant-Whyte. Uncertain geometry in robotics. IEEE Journal of Robotics and Automation, 4(1) : 23-31, 1988.

[5] G. Flandin et F. Chaumette. Complex objects exploration. Technical report, IRISA-INRIA, Janvier 2001.

[6] G. Flandin, F. Chaumette et E. Marchand. Eye-in-hand / eye-to-hand cooperation for visual servoing. In IEEE Int. Conf. on Robotics and Automation, San Francisco, CA, Avril 2000.

[7] K. N. Kutulakos, C. R. Dyer et V J. Lumelsky. Provable strategies for vision-guided exploration in three dimensions. In Proc. 1994 IEEE Int. Conf. Robotics and Automation, pages 1365-1372, Los Alamitos, CA, 1994.

[8] S. Lacroix et R. Chatila. Motion and perception strategies for outdoor mobile robot navigation in unknown environments. LNCIS, 223. Springer-Verlag, New York, 1997.

[9] D. G. Maksarov et J. P. Norton. State bounding with ellipsoidal set description of the uncertainty. International Journal on Control, 65(5) : 847-866, 1996.

[10] E. Marchand et F. Chaumette. Active vision for complete scene reconstruction and exploration. IEEE Trans. on Pattern Analysis and Machine Intelligence, 21(1), January 1999.

[11] J.M. Odobez et P. Bouthemy. Robust multiresolution estimation of parametric motion models. Journal of Visual Communication and Image Representation, 6(4) : 348-365, 1995.

[12] F. C. Schweppe. Recursive state estimation: unknown but bounded errors and system inputs. IEEE Trans. on Automatic Control, pages 22-28, 1968.

[13] E. Welzl. Smallest enclosing disks (balls and ellipsoids). LNCS, 555 : 359-370, 1991.

[14] P. Whaite et F. P. Ferrie. Autonomous exploration: Driven by uncertainty. In Proc. of the Conf. on Computer Vision and Pattern Recognition, pages 339-346, Los Alamitos, CA, USA, June 1994.

[15] H. S. Witsenhausen. Sets of possible states of linear systems given perturbed observations. IEEE Trans. on Automatic Control, pages 556-558, 1968.