- -

Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial

Mostrar el registro sencillo del ítem

Ficheros en el ítem

Thumbnail
Nombre: de;Miguel - Detección ...
Tamaño: 1.219Mb
Formato: PDF
Descripción: Versión editorial
Abrir
dc.contributor.author de la Fuente López, Eusebio es_ES
dc.contributor.author Miguel Trespaderne, Felix es_ES
dc.date.accessioned 2020-05-27T07:32:24Z
dc.date.available 2020-05-27T07:32:24Z
dc.date.issued 2012-10-14
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/144403
dc.description.abstract [ES] En este artículo se presenta un algoritmo para la detección de elipses en imágenes, cuyo objetivo es el cálculo d e la posición 3D de una característica circular en una aplicación robótica. El algoritmo emplea un procedimiento estocástico RANSAC cuya eficiencia ha sido mejorada. El muestreo aleatorio ha sido sustituido por un muestreo guiado sobre las cadenas de contorno de la imagen, que son ordenadas de acuerdo a un criterio de probabilidad de formar parte de la elipse buscada. Esta estrategia disminuye notablemente la cantidad de muestras necesarias, permitiendo que el algoritmo sea adecuado para tiempo real. es_ES
dc.description.abstract [EN] In this paper, we present a ellipse detection algorithm developed to measure the 3-D position of a circular feature in a robotic application. The algorithm uses a RANSAC stochastic procedure whose efficiency has been significantly improved, substituting the random sampling with a guided sampling on the curve segments in the image. The contours of the image are first split analyzing their curvature. Then the curve segments are sorted according to their likelihood to be part of the ellipse. We have used the length as a prior indicator of this likelihood. The RANSAC algorithm starts considering only the longer curve segments whilst shorter curve segments are progressively incorporated. This strategy notably diminishes the amount of samples needed and makes the algorithm suitable for real time.  es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Visual Pattern Recognition es_ES
dc.subject Robust Estimation es_ES
dc.subject Robot Vision es_ES
dc.subject Industrial Robots es_ES
dc.subject Reconocimiento de Patrones es_ES
dc.subject Estimación Robusta es_ES
dc.subject Visión para Robots es_ES
dc.subject Robots Industriales es_ES
dc.title Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial es_ES
dc.title.alternative Efficient ellipse detection. Application to the 3D pose estimation of an industrial robot es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2012.09.005
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation De La Fuente López, E.; Miguel Trespaderne, F. (2012). Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial. Revista Iberoamericana de Automática e Informática industrial. 9(4):419-428. https://doi.org/10.1016/j.riai.2012.09.005 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2012.09.005 es_ES
dc.description.upvformatpinicio 419 es_ES
dc.description.upvformatpfin 428 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 9 es_ES
dc.description.issue 4 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9581 es_ES
dc.description.references Bouguet, J.Y., 2010. Camera calibration toolbox for matlab. Disponible en: http://www.vision.caltech.edu/bouguetj/calib_doc/. es_ES
dc.description.references Chum, O., Matas,J., 2005. Matching with PROSAC - progressive sampling concensus. In Proc. of the CVPR 2005. es_ES
dc.description.references Desouza, G. N., & Kak, A. C. (2002). Vision for mobile robot navigation: a survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(2), 237-267. doi:10.1109/34.982903 es_ES
dc.description.references Fischler, M. A., & Bolles, R. C. (1981). Random sample consensus. Communications of the ACM, 24(6), 381-395. doi:10.1145/358669.358692 es_ES
dc.description.references Fitzgibbon, A., Pilu, M., & Fisher, R. B. (1999). Direct least square fitting of ellipses. IEEE Transactions on Pattern Analysis and Machine Intelligence, 21(5), 476-480. doi:10.1109/34.765658 es_ES
dc.description.references Fuente, E. de la, 2011. Robot guiado por visión. Video disponible en http://www.youtube.com/watch?v=RGyxOSdhNm8. es_ES
dc.description.references Gracia L., Pérez C., 2010. Revisión de esquemas de control visual y propuesta de mejora. Revista Iberoamericana de Automática e Informática Industrial, 7, 2, 57-67. es_ES
dc.description.references Hahn, K., Jung, S., Han, Y., & Hahn, H. (2008). A new algorithm for ellipse detection by curve segments. Pattern Recognition Letters, 29(13), 1836-1841. doi:10.1016/j.patrec.2008.05.025 es_ES
dc.description.references Hartley R., Zisserman R., 2004. Multiple View Geometry in Computer Vision. Cambridge University Press. es_ES
dc.description.references Hermann, S., Klette, R., 2006. A comparative study on 2d curvature estimators. Research report CITR-TR-183, CITR, The University of Auckland, New Zealand. es_ES
dc.description.references Hough, P.V.C., 1962. Method and means for recognizing complex patterns. U.S. Patent 3069654. es_ES
dc.description.references Illingworth, J., & Kittler, J. (1988). A survey of the hough transform. Computer Vision, Graphics, and Image Processing, 44(1), 87-116. doi:10.1016/s0734-189x(88)80033-1 es_ES
dc.description.references Kanatani, K., & Liu, W. (1993). 3D Interpretation of Conics and Orthogonality. CVGIP: Image Understanding, 58(3), 286-301. doi:10.1006/ciun.1993.1043 es_ES
dc.description.references KANATANI, K., & OHTA, N. (2004). AUTOMATIC DETECTION OF CIRCULAR OBJECTS BY ELLIPSE GROWING. International Journal of Image and Graphics, 04(01), 35-50. doi:10.1142/s0219467804001282 es_ES
dc.description.references Liu, Z.-Y., & Qiao, H. (2009). Multiple ellipses detection in noisy environments: A hierarchical approach. Pattern Recognition, 42(11), 2421-2433. doi:10.1016/j.patcog.2009.01.028 es_ES
dc.description.references Mai, F., Hung, Y. S., Zhong, H., & Sze, W. F. (2008). A hierarchical approach for fast and robust ellipse extraction. Pattern Recognition, 41(8), 2512-2524. doi:10.1016/j.patcog.2008.01.027 es_ES
dc.description.references Marji, M., 2003. On the detection of dominant points on digital planar curves PhD thesis, Wayne State University, Detroit, Michigan. es_ES
dc.description.references McLaughlin, R. A. (1998). Randomized Hough Transform: Improved ellipse detection with comparison. Pattern Recognition Letters, 19(3-4), 299-305. doi:10.1016/s0167-8655(98)00010-5 es_ES
dc.description.references McLaughlin, R. A., & Alder, M. D. (1998). The Hough transform versus the UpWrite. IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(4), 396-400. doi:10.1109/34.677267 es_ES
dc.description.references Miguel Trespaderne, F., Fuente, E. de la, 2009. Visually guided robot for radiator sealing. IEEE International Conference on Emergent Technologies and Factory Automation. es_ES
dc.description.references Myatt, D.R., Torr, P.H.S., Nasuto, S.J., Bishop, J.M., Craddock. R., (2002). Napsac: High noise, high dimensional robust estimation - it's in the bag. BMVC02, 2, 458-467. es_ES
dc.description.references Mundy, J.L., Zisserman, A., (1992). Eds., Geometric Invariance in Computer Vision. MIT Press, Cambridge, Massachusetts, USA. es_ES
dc.description.references OpenCV, (2011). Open Source Computer Vision Library. Disponible en: http://sourceforge.net/projects/opencvlibrary/. es_ES
dc.description.references Rosenhahn B., Perwass C., Sommer G., 2004. CVonline: Foundations about. 2D-3D pose estimation. Disponible en: http://homepages.inf.ed.ac.uk/rbf/CVonline/. es_ES
dc.description.references Rosin, P. L., & West, G. A. W. (1995). Nonparametric segmentation of curves into various representations. IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(12), 1140-1153. doi:10.1109/34.476507 es_ES
dc.description.references Rousseeuw, P.J., Leroy, A.M., 1987. Robust Regression and Outlier Detection. Wiley. es_ES
dc.description.references Soria, C., Roberti, F., Carelli, R., & Sebastián, J. M. (2008). Control Servo-Visual de un Robot Manipulador Planar Basado en Pasividad. Revista Iberoamericana de Automática e Informática Industrial RIAI, 5(4), 54-61. doi:10.1016/s1697-7912(08)70177-8 es_ES
dc.description.references Thanh N. M., Ahuja S., Wu Q. M. J., 2009. A real-time ellipse detection based on edge grouping. IEEE International Conference on Systems, Man, and Cybernetics, 3280-3286. es_ES
dc.description.references Tordoff, B., Murray, D.W., 2002. Guided sampling and consensus for motion estimation. In Proc 7th European Conf on Computer Vision, Copenhagen, 82-98. es_ES
dc.description.references Xu, L., Oja, E., & Kultanen, P. (1990). A new curve detection method: Randomized Hough transform (RHT). Pattern Recognition Letters, 11(5), 331-338. doi:10.1016/0167-8655(90)90042-z es_ES
dc.description.references Zhang Z., 1997. Parameter estimation techniques: a tutorial with application to conic fitting. Image and Vision Computing 15, 59-76. es_ES
dc.description.references Zhang Z., 1998. A Flexible New Technique for Camera Calibration. Microsoft Research Technical Report MSR-TR-98-71, Microsoft Corporation. es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem