Vizuální detekce cesty pro navigaci mobilního robotu

Abstract

Schopnost najít sjízdnou cestu a zůstat na ní během pohybu je pro mobilního robota nezbytné. V této práci se zaměřuji na vizuální detekci cesty z jednoho obrázku. Naimplementovala jsem metodu založenou na vnitřní vlastnosti RGB obrázku---nezávislosti na zdroji osvětlení. Tato metoda dovolí převést barevný obrázek do odstínů šedé, ve které nejsou stíny. Detekce cesty je udělaná na šedém obrázku, kde cesta má jednotnou barvu nezávislou na osvětlení v původním obrázku. Druhá naimplementovaná metoda je řez grafem založeném na směsi Gaussovských vícerozměrných rozdělení (GMM). Tato metoda využívá barevné modely a informaci o struktuře, aby vytvořila z obrázku ohodnocený graf. Detekce cesty je pak řešena nalezením minimálního řezu. Kombinace obou metod je řešena úpravou váhy hran v závislosti na výsledcích detekce cesty na obrázku bez stínu. Implementované algoritmy byly vyzkoušeny na veřejně dostupném datasetu a během experimentů s robotem. Metoda založená na nezávislosti na osvětlení a kombinace obou metod obstály dobře v testech. Metoda řezu grafem neměla tak dobré výsledky, přesto se prokazala jako nadějná.

The ability to find the drivable area and stay in it during the movement is essential for mobile robot. In this thesis I focus on visual road detection in a single image. I implement a method based on the intrinsic illuminant invariant feature of the RGB image. This method allows to transform color images into the grayscale shadow free images. The road detection is performed on the grayscale image where the road area have a uniform gray level independent on the light conditions in the original image. The other implemented algorithm is a Gaussian Mixture Models (GMM) based graph cut. This method uses color models and structure information to compose a graph from the image. The road detection is based on finding the minimum cut in the graph. The combination of illuminant invariant and GMM based methods is performed by altering edge weights according to results of illuminant invariant road detection. Implemented algorithms were tested on the publicly available dataset and in experiments with real robot. The illuminant invariant and combined method performed well in tests. The graph cut method didn't have such good results, nevertheless it still looks as a promising method.