УДК: 004.932.2, 004.896

Применение модели зрительного внимания при решении задач автономной навигации мобильных роботов

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Пименов В.Ю. Применение модели зрительного внимания при решении задач автономной навигации мобильных роботов // Оптический журнал. 2010. Т. 77. № 11. С. 35–42.

Pimenov V.Yu. Using a visual-attention model when solving problems of autonomous navigation of mobile robots [in Russian] // Opticheskii Zhurnal. 2010. V. 77. № 11. P. 35–42.

Ссылка на англоязычную версию:

V. Yu. Pimenov, "Using a visual-attention model when solving problems of autonomous navigation of mobile robots," Journal of Optical Technology. 77(11), 684-689 (2010). https://doi.org/10.1364/JOT.77.000684

Аннотация:

Предложена модель системы зрительного внимания и методика ее использования при решении задач автономной навигации мобильных робототехнических комплексов. Проводится анализ известных алгоритмов локализации и построения карты среды с целью определения факторов, оказывающих влияние на их быстродействие. Модель системы зрительного внимания применяется с целью выбора ограниченных областей входных изображений для обработки алгоритмами локализации и построения карты среды, что позволяет обеспечить необходимое быстродействие обработки изображений. Результаты имитационных экспериментов подтверждают эффективность использования предложенной модели зрительного внимания.

Ключевые слова:

обработка изображений, автономная навигация мобильных роботов, зрительное внимание

Коды OCIS: 150.5758

Список источников:

1. Durrant-Whyte H., Bailey T. Simultaneous Localisation and Mapping (SLAM): Part I: The Essential Algorithms // IEEE Robotics and Automation Magazine. 2006. V. 13. P. 99–108.
2. Milford M.J. Robot Navigation from Nature: Simultaneous Localisation, Mapping, and Path Planning Based on Hippocampal Models. Berlin: Springer, 2008. 193 p.
3. Davison A.J., Reid I.D., Molton N.D., Stasse O. Mono-SLAM: Real-Time Single Camera SLAM // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007. V. 29. № 6. P. 1052–1067.
4. Половко С.А., Смирнова Е.Ю., Степанов Д.Н. Интеллектуальные системы технического зрения для безопасности и навигации // Мехатроника, автоматизация, управление. 2009. № 3. С. 33–39.
5. Тищенко А.С., Михайлов Б.Б. Навигация мобильного робота на основе бортовой системы технического зрения // Мехатроника, автоматизация, управление. 2009. № 12. С. 44–50.
6. Siegwart R., Nourbakhsh I.R. Introduction to Autonomous Mobile Robots. Massachusetts: Bradford Book, 2004. 340 p.

7. Pimenov V. Fast Image Matching with Visual Attention and SURF Descriptors // Proc. 19th International Conference on Computer Graphics and Vision. Moscow. November 3–9 2009. P. 49–56.
8. Harris C., Stephens M. A combined corner and edge detector // Proc. 4th Alvey Vision Conf. Manchester. August 31 – September 2 1988. P. 147–151.
9. Shi J., Tomasi C. Good Features to Track // Proc. IEEE Conf. on Computer Vision and Pattern Recognition. 1994. P. 593–600.
10. Lowe D. Distinctive Image Features from Scale-Invariant Keypoints // Intern. J. of Comput. Vis. 2004. V. 60. P. 91–110.
11. Bay H., Ess A., Tuytellars T., Van Gool L. SURF: Speeded Up Robust Features // Comput. Vis. Image Underst. 2008. V. 110. № 3. P. 346–359.
12. Zhao W., Ngo C., Tan H., Wu X. Near-Duplicate Keypoint Identification with Interest Point Matching and Pattern Learning // IEEE Transactions on Multimedia. 2007. V. 9 № 5. P. 1037–1048.
13. Mikolajczyk K., Tuytelaars T., Schmid C., Zissrman A., Matas J., Schaffalitzky F., Kadir T., Van Gool L. A Comparison of Affine Region Detectors // Int. J. of Comput. Vis. 2005. V. 65. № 1–2. P. 43–72.
14. Пименов В.Ю. Вычислительно-эффективный метод поиска нечетких дубликатов в коллекции изображений // Труды РОМИП. СПб.: НУ ЦСИ, 2009. C. 89–107.
15. Pimenov V. System-theoretic approach to image interest point detection // arXiv:1003.4021v1. 2010. P. 1–12. http://arxiv.org/abs/1003.4021
16. Frintrop S., Jensfelt P. Attentional landmarks and active gaze control for visual SLAM // IEEE Transactions on Robotics. 2008. V. 24. № 5. P. 1054–
1065.
17. Niebur E. Saliency map // Scholarpedia. 2007. V. 2. № 8. P. 2675.
18. Frintrop S. VOCUS: A Visual Attention System for Object Detection and Goal-Directed Search. Berlin: Springer, 2006. 216 p.
19. Koch C., Itti L., Niebur E. A Model of Saliency-Based Visual Attention for Rapid Scene Analysis // IEEE Trans. Pattern Anal. Mach. Intell. 1998. V. 20. P. 1254–1259.
20. Palmer S.E. Vision Science, Photons to Phenomenology. Cambridge: MIT Press, 1999. 832 p.
21. Bruce N.D.B., Tsotsos J.K. Spatiotemporal Saliency: Towards a Hierarchical Representation of Visual Saliency // Proc. 5th Int. Workshop on Attention in Cognitive Systems. Santorini. May 12 2008. P. 98–111.
22. Viola P., Jones M. Rapid Object Detection Using a Boosted Cascade of Simple Features // Proc. IEEE Computer Society Conf. on Computer Vision and Pattern Recognition. Kauai. December 8–14 2001. V. 1. P. 511–518.
23. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. М.: Вильямс, 2004. 928 с.