Mejorando la movilidad de los robots al combinar cámaras orientadas hacia abajo y cámaras frontales
Autores: Gonzalez, Ramon; Rituerto, Alejandro; Guerrero, José J.
Idioma: Inglés
Editor: MDPI
Año: 2016
Acceso abierto
Artículo científico
2016
Mejorando la movilidad de los robots al combinar cámaras orientadas hacia abajo y cámaras frontalesCategoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Terreno
Cámaras
Clasificación
Robots
Experimentos
Iluminación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Este artículo presenta un intento novedoso de combinar una cámara orientada hacia abajo y una cámara orientada hacia adelante para la clasificación del terreno en el campo de los robots móviles todoterreno. La primera cámara se utiliza para identificar el terreno debajo del robot. Esta información se utiliza luego para mejorar la clasificación del terreno próximo adquirido de la cámara frontal. Esta investigación también muestra la utilidad del descriptor Gist para fines de clasificación del terreno. Experimentos físicos realizados en diferentes terrenos (terrenos cuasi-planos) y en diferentes condiciones de iluminación confirman el rendimiento satisfactorio de este enfoque en comparación con un clasificador simple basado en color que se basa únicamente en imágenes frontales. Nuestra propuesta reduce sustancialmente la tasa de mala clasificación del clasificador basado en color (10% frente a 20%).
Descripción
Este artículo presenta un intento novedoso de combinar una cámara orientada hacia abajo y una cámara orientada hacia adelante para la clasificación del terreno en el campo de los robots móviles todoterreno. La primera cámara se utiliza para identificar el terreno debajo del robot. Esta información se utiliza luego para mejorar la clasificación del terreno próximo adquirido de la cámara frontal. Esta investigación también muestra la utilidad del descriptor Gist para fines de clasificación del terreno. Experimentos físicos realizados en diferentes terrenos (terrenos cuasi-planos) y en diferentes condiciones de iluminación confirman el rendimiento satisfactorio de este enfoque en comparación con un clasificador simple basado en color que se basa únicamente en imágenes frontales. Nuestra propuesta reduce sustancialmente la tasa de mala clasificación del clasificador basado en color (10% frente a 20%).