Nâng cao chất lượng thuật toán lan truyền tin cậy xác định bản đồ sai lệch ứng dụng cho thị giác robot

Bài viết đề xuất một phương pháp kết hợp giữa thuật toán CSBP (Constant Space Belief Propagation) và thuật toán cục bộ CT (Census Transfrom). Điểm khớp trung tâm ảnh camera kép (Stereo Camera) được xác định bằng thuật toán CT.

Nghiên cứu khoa học công nghệ NÂNG CAO CHẤT LƯỢNG THUẬT TOÁN LAN TRUYỀN TIN CẬY XÁC ĐỊNH BẢN ĐỒ SAI LỆCH ỨNG DỤNG CHO THỊ GIÁC ROBOT Đoàn Văn Tuấn1*, Bùi Trung Thành2 Tóm tắt: Trong báo này, đề xuất phương pháp kết hợp thuật toán CSBP (Constant Space Belief Propagation) thuật toán cục CT (Census Transfrom) Điểm khớp trung tâm ảnh camera kép (Stereo Camera) xác định thuật toán CT Từ điểm khớp trung tâm, chia ảnh thành phần phần thực lan truyền tin cậy dùng thuật toán CSBP với điểm khớp ban đầu điểm khớp trung tâm Với phương pháp đề xuất cho kết thực đồ sai lệch có tin cậy cao hiệu thực nhanh 2,4 lần so với thuật toán CSBP Từ khóa: Bản đồ sai lệch, Thị giác robot, Lan truyền tin cậy với không gian cố định, Biến đổi kiểm kê, Camera kép MỞ ĐẦU Bản đồ sai lệch thông số quan trọng thị giác robot (Robot Vision) Từ thông tin đồ sai lệch, robot xác định ảnh 3D đồ độ sâu vật ứng dụng công nghiệp 4.0 [1] Trong công nghiệp 4.0, robot dần thay sức lao động người, vậy, người mong muốn tạo hệ thị giác robot hệ thị giác người thơng qua hệ camera kép Hình Mơ hình ảnh camera kép (Stereo Camera) [2] Camera kép hai mắt người Nguồn tài nguyên nhớ robot có hạn nên thuật tốn thực đồ sai lệch hệ camera kép phải tự cân tiêu chí độ tin cậy, hiệu thực yêu cầu tài nguyên nhớ Tùy theo cơng việc cụ thể thị giác robot lựa chọn thuật toán thực đồ sai lệch có ưu điểm độ tin cậy, hiệu thực yêu cầu nhớ Sẽ khó có giải pháp thực tốt độ tin cậy cao, hiệu thực nhanh yêu cầu nhớ thấp Thị giác robot yêu cầu thực nhanh theo thời gian thực thuật tốn thực đố sai lệch camera kép có mật độ thưa thớt (Sparse) lựa chọn thuật toán SIFT [3] SURF [4] thường ứng dụng cho SLAM (Simultataneous Localization and Mapping) Các thuật tốn có độ tin cậy thấp, số lượng điểm khớp khoảng 30% ảnh camera kép bù lại tốc độ thực nhanh yêu cầu nhớ thấp Các thuật toán thực đồ sai lệch camera kép có mật độ phân theo đoạn (Segmentation) [5] thường cân độ tin cậy, hiệu thực yêu cầu nhớ Để đáp ứng độ tin cậy cao thuật tốn thực camera kép có mật độ dầy đặc (Dense) thuật toán SAD [6], CT [7], BP [8] Ngồi ra, có số thuật tốn kết hợp thuật tốn tồn cục thuật tốn cục [9] Các thuật tốn có độ tin cậy cao chưa đáp ứng hiệu yêu cầu nhớ Hiện nay, thuật toán cục số nhà sản xuất thực hệ camera kép thương mại ZED [10] Thuật toán BP (Belief Propagation) thực dựa vòng lặp cho độ tin cậy cao ảnh camera kép có mật độ dầy đặc Tuy nhiên, thuật tốn BP có nhược điểm độ phức tạp tính tốn cao u cầu nhớ lớn Để khắc phục nhược điểm cần Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 111 Kỹ thuật điều khiển & Điện tử phải giảm độ phức tạp tính tốn, giảm u cầu nhớ xử lý song song, nhiên phải trả giá độ tin cậy Các thuật toán BP nâng cao thực song song hệ thống nhúng GPU [11] hay FPGA [12] Đa số thuật toán BP cải tiến thực cấu trúc ảnh dạng lưới với kết nối cho điểm ảnh Trong thuật toán BP cải tiến, thuật toán CSBP (Constant Space Belief Propagation) [13] Yang giảm 12,5% yêu cầu nhớ tăng hiệu thực so với thuật toán BP tiêu chuẩn Điểm bật thuật toán CSBP cố định mức sai lệch chọn cho vòng lặp, vậy, nhớ phụ thuộc vào số mức sai lệch chọn mà không phụ thuộc vào mức sai lệch ảnh camera kép Điểm hạn chế thuật tốn CSBP tăng độ phức tạp tính tốn giảm độ tin cậy so với thuật toán BP Để khắc phục nhược điểm thuật toán CSBP, chúng tơi đề xuất giải pháp sau, thay điểm khớp xuất phát ban đầu thường chọn điểm khớp bên trái ảnh camera kép điểm khớp trung tâm ảnh Điểm khớp trung tâm ảnh camera kép xác định dùng thuật tốn cục CT (Census transform) Thuật tốn CT có hàm biến đổi mạnh không phụ thuộc cường độ ánh sang ảnh [14] Khi xác định điểm khớp trung tâm, chia ảnh thành phần coi điểm khớp trung tâm điểm khớp xuất phát thông điệp ban đầu cho phần lan truyền tin cậy với số mức sai lệch lựa chọn cố định Thuật tốn đề xuất có ưu điểm tăng tốc độ thực nâng cao độ tin cậy so với thuật toán CSBP Phần lại báo tổ chức sau: phần trình bày số kiến thức liên quan đến thuật toán thực đồ sai lệch CSBP CT Phần đề xuất thuật toán kết hợp CSBP CT Kết thực nghiệm đưa phần 4; Kết luận cho phần CÁC NGHIÊN CỨU LIÊN QUAN Bảng sau liệt kê số kí hiệu sử dụng báo Bảng Các kí hiệu định nghĩa Kí hiệu Định nghĩa G Mơ hình đồ thị biểu diễn đồ sai lệch ảnh camera kép V Tập nút mô hình đồ thị (nút biểu diễn sai lệch cặp ảnh tương đồng ảnh camera kép) E Tập cạnh mơ hình đồ thị (cạnh biểu diễn lượng chi phí cuat nút với nút lân cận nó) i,j Biểu diễn nút thứ i nút lân cận i Xi Biến ngẫu nhiên nút i xi Sự chuẩn hóa Xi Xi không gian trạng thái xi (xiϵ Xi) X Biến ngẫu nhiên liên kết x x Sự chuẩn hóa giá trị mơ hình đồ thị khơng gian X p(x) Xác xuất hậu nghiệm (posterior) MAP Xác suất nút i  i (x i )  ( xi , x j ) E(x) D(xi) V ( xi , x j ) mit j ( x j ) Xác suất nút i với nút j lân cận nút i Năng lượng chi phí Hàm lượng chi phí cho nút i Hàm lượng chi phí nút i nút j lân cận Thông điệp chuyển từ nút i sang nút lân cận j 112 Đ V Tuấn, B T Thành, “Nâng cao chất lượng thuật toán… ứng dụng cho thị giác robot.” Nghiên cứu khoa học công nghệ bj ( x j ) Độ tin cậy nút j c Tỉ lệ tăng hàm nhẵn d Ngưỡng dừng tăng hàm nhẵn k Số mức sai lệch lựa chọn E(i)\j Tập nút i trừ nút j dC(x,y) Bản đồ sai lệch thực dT(x,y) Bản đồ sai lệch mẫu 2.1 Thuật toán CSBP Thuật toán CSBP thuật toán suy diễn lặp gần dựa trường ngẫu nhiên Markov với không gian mức sai lệch cố định [13] Xét mơ hình trường ngẫu nhiên Markov (Markov Random Filed: MRF) hình 2, đó, G = (V, E), x= (xi)iϵV X = (Xi)iϵV Từ [8] bảng 1, xác suất hậu nghiệm (Posterior) MAP xác định: p( x)   ( xi )   ( xi , x j ) iV (1) iV jV / i Từ phương trình xác định MAP (Maximum a Posterior) thông qua phương pháp tích cực đại (Max-Product) Phương pháp tích cực đại tương đương với phương pháp tổng cực tiểu (Min- Sum) Đối với phương pháp tổng cực tiểu tìm lượng chi phí cho việc chuyển thơng điệp nút từ tìm cách tối thiểu hóa lượng chi phí E ( p( x))    log ( xi )  iV  i , jE  log  ( xi , x j ) (2) Chúng ta đơn giản E(p(x)) thành E(x), đó, hàm lượng viết: E ( x)   D( xi )  iV  V (x , x ) i , jE i (3) j Trong thị giác nổi, nút biến ngẫu nhiên, biểu diễn cho mức sai lệch hai điểm ảnh ảnh camera kép tương ứng Hàm lượng chi phí cặp nút đến điểm lân cận dựa khác nút Do vậy, hàm lượng xác định là: V ( xi , x j )  V ( xi  x j ) E ( x)   D( xi )  iV (4)  V (x  x ) i , jE i (5) j Thông điệp cập nhật vòng lặp t xác định là: mit j ( x j )  min(V ( xi  x j )  Di ( xi )  xi  sE ( i )\ j mst 1i ( xi )) (6) Sau T vòng lặp độ tin cậy nút là: bj ( x j )  Dj ( f j )  m iN ( j ) T i j ( x j ) (7) * Nút x j lựa chọn xác định theo công thức: x*j  arg b j ( x j ) (8) Thơng thường hàm lượng chi phí nhẵn xác định theo mơ hình tuyến tính Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 Hình Mơ hình MRF 113 Kỹ thuật điều khiển & Điện tử V ( xi  x j )  min(c xi  x j , d ) (9) Khi đó, thơng điệp cập nhật xác định: mit j ( x j )  min(min(c xi  x j , d )  Di ( xi )  xi  sE ( i )\ j mst 1i ( xi )) (10) 2.2 Thuật toán CT CT thuật tốn biến đổi kiểm kê cục khơng tham số, không phụ thuộc vào điều kiện ánh sáng ảnh [14] Nguyên lý hoạt động CT biến đổi điểm ảnh thành chuỗi bít có độ dài N bít với kiến trúc khơng gian cục Đối với điểm ảnh lân cận ngoại trừ điểm trung tâm biến đổi tương ứng thành bít chuỗi N bít theo ngưỡng giá trị cường độ (Intensity) bít lân cận lớn giá trị cường độ bít trung tâm tương ứng với bít 1, ngồi bít 85 Hình Biến đổi kiểm kê với cửa sổ 3x3 khoảng cách Hamming Hình mơ tả thuật tốn CT với cửa sổ 3x3, giá trị cường độ điểm trung tâm 35 Các điểm lân cận có giá trị lớn 35 tương ứng với bít ngồi bít Thực biến đổi CT ảnh trái ảnh phải hai chuỗi bít, so sánh hai chuỗi bít đếm số bít khác hai chuỗi bít gọi khoảng cách Hamming [15] tính theo cơng thức (11) Hai điểm ảnh hai ảnh trái phải có khoảng cách Hamming nhỏ chọn khớp ( x0 , y0 )  arg Hamming(TL ( x, y), TR ( x  d , y)) (11) ( x, y ) đó, TL(x, y) TR(x, y) chuỗi bít điểm ảnh khớp ảnh trái ảnh phải ảnh camera kép ĐỀ XUẤT THUẬT TỐN KẾT HỢP 3.1 Mơ tả thuật tốn đề xuất Khi điểm xuất phát ban đầu để lan truyền tin cậy khơng khớp dẫn đến u cầu chi phí lượng lớn độ tin cậy thấp thực đồ sai lệch hình 4.d (a) (b) (c) (d) Hình Ảnh hưởng điểm khớp ban đầu: (a) Ảnh camera kép trái, (b) Ảnh camera kép phải, (c) Bản đồ sai lệch mẫu (d) Bản đồ sai lệch 114 Đ V Tuấn, B T Thành, “Nâng cao chất lượng thuật toán… ứng dụng cho thị giác robot.” Nghiên cứu khoa học công nghệ Để khắc phục nhược điểm này, đề xuất điểm khớp xuất phát điểm khớp trung tâm ảnh camera kép Điểm khớp trung tâm ảnh camera kép xác định dùng phương pháp biến đổi kiểm kê Sau xác định điểm khớp trung tâm, chia ảnh thành phần coi điểm khớp trung tâm điểm khớp ban đầu để lan truyền tin cậy cho phần Tại phần, ảnh camera kép chia thơ tới mịn mức hình 5, trình làm giảm số lượng ảnh lần Khi chia thơ tới mịn mức lượng chi phí cho mức chia tính theo công thức (12) Số lượng mức sai lệch lựa chọn D = 100 mức, có nghĩa mức sai lệch ảnh camera kép tăng lên hiệu thực yêu cầu nhớ không đổi (các mức sai lệch ảnh camera kép lớn D mức) E ( x)   D( x ) i[1,4] * i (12) Tại mức sai lệch lựa chọn, thông điệp lan truyền tin cậy nút hình đồng thời thực CSBP cho bốn phần nhờ vào cấu trúc xử lý song song phần cứng GPU phần mềm CUDA Hình Chia thơ tới mịn mức Hình Sơ đồ thơng điệp lan truyền 3.2 Chương trình đề xuất Thuật tốn đề xuất CTCSBP (Census Transform Constant Space Belief Propagation) Đầu vào: Ảnh camera kép có độ phân giải cao (M, N, D =100, c = 10, d = 0.7) Đầu ra: Bản đồ sai lệch ảnh camera kép có mật độ dầy đặc (M, N) Các bước thực hiện: Xác định điểm khớp trung tâm ảnh camera kép dùng thuật tốn CT theo cơng thức (11) với cửa sổ 5x5 Từ điểm khớp trung tâm, chia ảnh thành phần lấy điểm khớp trung tâm điểm khớp ban đầu lan truyền tin cậy cho phần hình Thực lan truyền tin cậy phần đồng thời sau: Thực chia thô tới mịn mức hình 5 Tính tốn lượng chi phí liệu mức chia thơ tới mịn mức theo công thức (12) Lựa chọn D mức sai lệch tương ứng với D vòng lặp Tại mức sai lệch chọn thực hiện: Đặt thông điệp ban đầu Cập nhật thông điệp lan truyền tin cậy xuất phát từ điểm khớp ban đầu theo công thức (10) 10 Tính tốn độ tin cậy nút theo cơng thức (7) * 11 Nút x j lựa chọn xác định theo cơng thức (8) 12 13 Tính tổng lượng chi phí theo cơng thức (5) Tính tổng lượng chi phí D mức sai lệch Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 115 Kỹ thuật điều khiển & Điện tử KẾT QUẢ THỰC NGHIỆM MÔ PHỎNG VÀ THẢO LUẬN 4.1 Dữ liệu thực nghiệm Hệ thống thực nghiệm hình với cấu hình PC mơ tả bảng ảnh camera kép tập liệu kiểm thử [16] mơ tả bảng Hình Hệ thống thực nghiệm Bảng Mơ tả cấu hình PC Destop Phần cứng CPU RAM Intel core i7 8GB Phần mềm Hệ điều hành Card hình Geforce GTX750 Ti Bộ nhớ trong: 2GB Core: 460 nhân BUS: 128 bít Window 8.1 64 bít Phần mềm ứng dụng QT Creator 5.4 OpenCV 3.0 Visual Studio 2013 CUDA 4.2 Chỉ số đánh giá độ tin cậy RMSE Để đánh giá độ tin cậy kết thực nghiệm, sử dụng tham số RMSE (Root Mean Squared Error: sai số tồn phương trung bình) theo cơng thức (13) Tham số RMSE nhỏ tốt, điều chứng tỏ kết đồ sai lệch thực gần với đồ sai lệch mẫu 𝑁 𝑅𝑀𝑆𝐸 = ( Ký Độ sai Tên ảnh Kích thức hiệu lệch #1 Baby 620x555 300 #2 Aloe 641x555 270 𝑥,𝑦 𝑑𝐶 𝑥, 𝑦 − 𝑑 𝑇 (𝑥, 𝑦) )2 Ảnh trái (13) Bảng Tập liệu kiểm thử Bản đồ sai lệch Ảnh phải mẫu 116 Đ V Tuấn, B T Thành, “Nâng cao chất lượng thuật toán… ứng dụng cho thị giác robot.” Nghiên cứu khoa học công nghệ #3 Cloth 626x555 290 #4 Flower pots 656x555 251 #5 Bowling 665x555 240 #6 Book 695x555 200 4.3 Kết thực nghiệm thảo luận Để đánh giá hiệu thật tốn đề xuất, chúng tơi đưa số thực nghiệm so sánh kết phương pháp đề xuất với kết phương pháp mô tả [13] Trong thực nghiệm sử dụng đa dạng ảnh camera kép để kiểm thử với độ phức tạp khác bảng với cấu hình PC bảng (a) (b) (c) (d) (e) (f) Hình Bản đồ sai lệch dùng thuật tốn đề xuất: (a), (b), (c), (d), (e) (f) đồ sai lệch tương ứng ảnh #1, #2, #3, #4, #5 #6 Kết thực nghiệm với mẫu ảnh camera kép thu đồ sai lệch với thuật tốn đề xuất hình thuật tốn CSBP hình Để đánh giá độ tin cậy thuật tốn đề xuất so với thuật tốn CSBP, chúng tơi thực kết đồ sai lệch thu hình hình so với sai lệch mẫu bảng thông qua số RMSE theo công thức (13) mô tả bảng Bảng Chỉ số đánh giá sai số toàn phương trung bình RMSE Ảnh Thuật tốn CSBP Thuật tốn đề xuất #1 0,7300 0,7250 #2 1,1821 1,0768 #3 2,2537 1,1560 #4 3,0911 2,9121 #5 4,6338 4,2676 #6 5,0050 4,4860 Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 117 Kỹ thuật điều khiển & Điện tử Bảng cho thấy thuật tốn đề xuất có độ tin cậy cao thuật toán CSBP Đối với ảnh #1, #2 #3 có bề mặt đơn giản cho kết RMSE thấp ảnh #4, #5 #6 có bề mặt ảnh phức tạp Ngồi ra, độ tin cậy phụ thuộc vào độ phân giải mức độ sai lệch ảnh camera kép mẫu Điều lý giải, ảnh camera kép có bề mặt đơn giản thu đồ sai lệch gần đồ sai lệch mẫu Bảng Đánh giá hiệu thực (ms) Ảnh Thuật toán CSBP Thuật toán đề xuất #1 199 83 #2 203 84 #3 200 83 #4 217 89 #5 222 92 #6 229 94 Bảng cho thấy, ảnh kiểm thử có kích thước tương đương có mức sai lệch khác thời gian thực không thay đổi thực thuật toán Điều cho thấy hiệu thực đồ sai lệch không phụ thuộc vào độ phức tạp độ sai lệch ảnh mẫu mà phụ thuộc vào độ phân giải ảnh Ngồi bảng thể hiệu thuật toán đề xuất tăng khoảng 2,4 lần so với thuật toán CSBP Các kết thực nghiệm thực phần mềm mở OpenCV 3.0 Ngoài ra, có phần mềm thực đánh giá đồ sai lệch Matlab [17] Cả hai phần mềm cơng cụ hữu ích cho thực mô thị giác robot (a) (b) (c) (d) (e) (f) Hình Bản đồ sai lệch dùng thuật tốn BP: (a), (b), (c), (d), (e) (f) đồ sai lệch tương ứng ảnh #1, #2, #3, #4, #5 #6 KẾT LUẬN Trong báo đề xuất giải pháp cải tiến thuật toán CSBP [13] Với ảnh camera kép kiểm thử [16] đa dạng độ phức tạp cho kết đồ sai lệch hình Đánh giá hiệu thuật tốn đề xuất được, mô tả bảng bảng Bảng thể số RMSE đồ sai lệch thu so với đồ sai lệch mẫu thuật toán CSBP thuật toán đề xuất Bảng thể hiệu thực thuật toán CSBP thuật toán đề xuất thơng qua hệ thống thực nghiệm hình với cấu bảng Chúng tơi đề xuất giải pháp cải tiến thuật toán CSBP giải pháp thay điểm khớp xuất phát lan truyền tin cậy điểm bên trái ảnh camera kép điểm khớp trung tâm ảnh xác định thuật toán CT Chia ảnh thành phần coi điểm khớp trung tâm làm điểm khớp ban đầu phần thực lan truyền tin cậy với mức sai lệch lựa chọn cố định 100 mức Thuật toán đề xuất cho độ tin cậy cao hiệu thực tăng khoảng 2,4 lần so với thuật toán CSBP Hướng nghiên cứu báo thực nghiệm thuật toán đề xuất với ảnh camera kép thực trực tiếp camera kép đánh giá hiệu qua phần mềm Matlab 118 Đ V Tuấn, B T Thành, “Nâng cao chất lượng thuật toán… ứng dụng cho thị giác robot.” Nghiên cứu khoa học công nghệ PHỤ LỤC Định nghĩa: Khoảng cách Hamming D(x, y) hai véc tơ x,y € F(n) hệ số mà chúng khác F trường hữu hạn Định luật: D thỏa mãn kiện sau: D(x, y) ≥ D(x,y) = x = y D(x, y) = D(y, x) D(x, z) ≤ D(x,y) + D(y, z) với y [15] Lời cảm ơn: Nghiên cứu tài trợ Trung tâm Nghiên cứu Ứng dụng Khoa học Công nghệ, Trường Đại học Sư phạm Kỹ thuật Hưng Yên, đề tài mã số UTEHY.T01406.P1718.01 TÀI LIỆU THAM KHẢO [1] M.A.K Bahrin, "Industry 4.0: A Review on Industrial Automation and Robotic," Jurnal Teknologi (Sciences & Engineering), no 78, – 13, pp 137–143, 2016 [2] Lazaros Nalpantidis, “Stereo Vision for Robotic Applications in the Presence of NonIdeal Lighting Conditions,” Image and Vision Computing, vol 26, no 6, pp 940 – 951, 2010 [3] P Piccinini, A Prati, R Cucchiara, "Real-Time Object Detection and Localization with SIFT-based Clustering," Image and Vision Computing, vol 30, no 8, pp 573 – 587, 2012 [4] D Rodriguez, N Aouf, “Robust Harris-SURF Features for Robotic Vision Based Navigation,” Annual Conference on Intelligent Transportation Systems Madeira Island, Portugal, September 19-22, 2010 [5] J Chen, C Cai, C Li, “A Novel Stereo Object Segmentation Algorithm Using Disparity and Temporal Information, ” Journal of Applied Science and Engineering, Vol 16, no 3, pp 225 – 232, 2013 [6] C Lin, C Kuo, L Fu, “A Stereo Matching based on Adaptive Windows,” International Journal of Electronic Commerce Studies Vol 3, no 1, pp 21 - 34, 2012 [7] S Perri, P Corsonello, G Cocorullo “Adaptive Census Transform: A Novel Hardware-Oiented Stereo Vision Algorithm,” Image and Vision Computing, vol 117, pp 29 – 41, 2013 [8] J Sun, N N Zheng and H Y Shum, “Stereo Matching Using Belief Propagation”, IEEE Trans Pattern Analysis and Machine Intelligence, vol 7, no 25, pp 787-800, 2003 [9] X Wang, H Wang, Y Su “Accurate Belief Propagation with Parametric and NonParametric Measure for Stereo Matching,” Image and Vision Computing, vol 126, pp 545 – 550, 2015 [10] Https://www.stereolabs.com/ [11] K Zhang, J B Lu, Q Yang, G Lafruit, R Lauwereins and L.V Gool, “Real-Time and Accurate Stereo: A Scalable Approach with Bitwise Fast Voting on CUDA”, IEEE Transactions on Circuits and Systems for Video Technology, vol 7, no 21, pp.867-879, 2011 [12] S Jin, J Cho, X D Pham, K M Lee, S K Park, M Kim and J W Jeon, “FPGA Design and Implementation of a Real-Time Stereo Vision System”, IEEE Tạp chí Nghiên cứu KH&CN quân sự, Số 52, 12 - 2017 119 Kỹ thuật điều khiển & Điện tử [13] [14] [15] [16] [17] Transactions on Circuits and Systems for Video Technology, vol 1, no 20, pp 1526, 2010 L W a N A Q Yang, "A Constant-sapce Belief Propagation Algorithm for Stereo Matching," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp 1458-1465, 2010 Zabih, R and Woodfill, J., "Non-Parametric Local Transforms for Computing Visual Correspondence," Proceedingsings of Third European Conference of Computer Vision, vol 801, pp 151 - 158, 1994 H Gopalakrishra Gadiyar and P Padma, “A historical introduction to coding theory through Hamming’s work,” V I T University, Vellore, 2015 D Scharstein and R Szeliski Middlebury benchmark.http://vision.middlebury.edu Https://www.mathworks.com/help/vision/examples/depth-estimation-from-stereovideo.html ABSTRACT QUALITY IMPROVEMENT OF BELIEF PROPAGATION ALGORITHM FOR DISPARITY MAP DETECTION APPLIED IN ROBOT VISION In this paper, a method with the combination of CSBP (Constant Space Belief Propagation) and CT (census transform) algorithms is proposed The starting point of these stereo camera images are the central points of these two images, which are determined by CT algorithm From this point, the image is devided into four parts and each part will belief propagation by CSBP algorithm with the center starting points By using this proposed method, the results of the disparity map is more reliable and performance is 2.4 times faster than the CSBP algorithm Keywords: Disparity map, Robotics vision, Constant Space Belief propagation, Census transform, Stereo camera Nhận ngày 03 tháng 11 năm 2017 Hoàn thiện ngày 17 tháng 11 năm 2017 Chấp nhận đăng ngày 20 tháng 12 năm 2017 Địa chỉ: 1Viện KH-CNQS; Trường Đại học Sư phạm Kĩ thuật Hưng Yên * Email: tuandv.ute@gmail.com 120 Đ V Tuấn, B T Thành, “Nâng cao chất lượng thuật toán… ứng dụng cho thị giác robot.” ... trái, (b) Ảnh camera kép phải, (c) Bản đồ sai lệch mẫu (d) Bản đồ sai lệch 114 Đ V Tuấn, B T Thành, Nâng cao chất lượng thuật toán ứng dụng cho thị giác robot. ” Nghiên cứu khoa học công nghệ... tạp cho kết đồ sai lệch hình Đánh giá hiệu thuật tốn đề xuất được, mô tả bảng bảng Bảng thể số RMSE đồ sai lệch thu so với đồ sai lệch mẫu thuật toán CSBP thuật toán đề xuất Bảng thể hiệu thực thuật. ..