Xây dựng hệ thống định vị dùng thị giác lập thể

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA DIỆP THANH HẢI XÂY DỰNG HỆ THỐNG ĐỊNH VỊ DÙNG THỊ GIÁC LẬP THỂ Chuyên ngành : Kỹ thuật Điều khiển Tự động hóa Mã số: 60.52.02.16 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 06 năm 2018 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG –HCM Cán hướng dẫn khoa học: TS Nguyễn Vĩnh Hảo Cán chấm nhận xét 1: TS Phạm Việt Cường Cán chấm nhận xét 2: PGS TS Võ Công Phương Luận văn thạc sĩ bảo vệ Trường Đại Học Bách Khoa, ĐHQG Tp.HCM Ngày 12 tháng 07 năm 2018 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: TS Nguyễn Trọng Tài TS Nguyễn Lê Dũng TS Phạm Việt Cường PGS TS Võ Công Phương TS Trần Ngọc Huy Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ i ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: DIỆP THANH HẢI MSHV: 1570368 Ngày, tháng, năm sinh: 09/03/1985 Nơi sinh: Đồng Nai Chuyên ngành: Kỹ thuật Điều khiển Tự động hóa Mã số: 60.52.02.16 I TÊN ĐỀ TÀI: Xây dựng hệ thống định vị dùng thị giác lập thể II NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu kỹ thuật định vị thụ động dùng stereo camera Xây dựng ứng dụng giao tiếp stereo camera ZED sử dụng thư viện SDK Tìm hiểu thực thuật tốn nhận dạng, tính tốn, ước lượng điểm đặc trưng, xác định tọa độ định vị ba chiều x, y, z Sử dụng phần mềm Visual Studio 2015, thư viện libpng, png++, libviso để xây dựng ứng dụng ngơn ngữ C++ Xây dựng mơ hình hệ xe thực nghiệm để thu thập liệu điều kiện khác để phục vụ cho việc đánh giá kết Xây dựng chương trình đánh giá kết đồ thị matlab 2015 III NGÀY GIAO NHIỆM VỤ: 6/10/2017 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 20/06/2018 V CÁN BỘ HƯỚNG DẪN: TS Nguyễn Vĩnh Hảo Tp HCM, ngày tháng năm … CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƯỞNG KHOA ĐIỆN - ĐIỆN TỬ ii LỜI CẢM ƠN Tôi xin chân thành cảm ơn đến tất quý Thầy, Cô thuộc Bộ môn Tự động, khoa Điện-Điện tử, trường Đại học Bách Khoa Thành phố Hồ Chí Minh hướng dẫn kiến thức chun mơn, phương pháp học tập hiệu q trình tơi học tập trường Tôi xin cảm ơn bạn lớp cao học giúp đỡ, chia sẻ nhiệt tình kiến thức, kinh nghiệm thời gian học tập trường Đặc biệt xin chân thành cảm ơn thầy TS.Nguyễn Vĩnh Hảo có nhiều góp ý định hướng phương pháp nghiên cứu việc hỗ trợ tơi q trình tìm hiểu, nghiên cứu thực luận văn Tôi xin trân trọng cảm ơn Hội đồng đánh giá luận văn dành nhiều thời gian để đọc chia sẻ ý kiến nhận xét, giúp tơi hồn thành luận văn tốt Tp Hồ Chí Minh, tháng năm 2018 DIỆP THANH HẢI iii TÓM TẮT LUẬN VĂN THẠC SĨ Kỹ thuật định vị dùng thị giác lập thể sử dụng để xác định vị trí quỹ đạo di chuyển robot toán dẫn đường cho hệ robot di động môi trường đặc biệt mà không dùng kỹ thuật định vị khác Định vị xác định quỹ đạo di chuyển hệ xe tự hành xu hướng nghiên cứu nhiều năm gần Trong luận văn này, tác giả thực việc xây dựng đánh giá hệ thống định vị dùng thị giác lập thể Quá trình thực dựa việc phân tích đặc trưng cặp ảnh liên tiếp chụp từ camera kép đặt mơ hình xe chuyển động Chương trình xây dựng ngơn ngữ lập trình C++ Chương trình kiểm tra thực tế môi trường khác với quỹ đạo di chuyển khác để đánh giá ưu khuyết điểm Quỹ đạo di chuyển xe vẽ lại Matlab để phục vụ cho việc đánh giá kết iv ABSTRACT Visual odometry process can be used for mobile robot navigation problem to determine the position and trajectory in special environments where other techniques can not be applied Research into localization and pose trajectory for autonomous vehicles has been a growing trend in recent years In this study, a visual odometry system is implemented and evaluated The process is based on analyzing features of a sequence of stereo images from a stereo camera on a moving vehicle-model The image analysis program is built in C++ programming language Program is verified in different environments with different moving path for identifying pros and cons The trajectory path of vehicle-model is plotted on matlab for results evaluation v LỜI CAM ĐOAN Tôi xin cam đoan kết luận văn q trình làm việc tơi với hướng dẫn khoa học Thầy TS Nguyễn Vĩnh Hảo Các nội dung, kết đề tài trung thực chưa công bố hình thức trước Các nội dung có tham khảo từ tài liệu khác ghi trích dẫn DIỆP THANH HẢI vi MỤC LỤC DANH MỤC HÌNH ẢNH ix DANH MỤC TỪ VIẾT TẮT xi CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI 1.1 Các kỹ thuật định vị 1.2 Các nghiên cứu ứng dụng liên quan Visual Odometry (VO) 1.3 Mục tiêu đề tài 1.4 Phương pháp nghiên cứu 1.4.1 Phân tích kỹ thuật định vị sử dụng thị giác lập thể 1.4.2 Xây dựng chương trình 1.4.3 Thực nghiệm kiểm chứng 10 1.5 Sơ lược nội dung luận văn 10 CHƯƠNG 2: THỊ GIÁC LẬP THỂ VÀ KỸ THUẬT ĐỊNH VỊ 12 2.1 Stereo Camera 12 2.2 Mơ hình camera 13 2.3 Epipolar geometry 15 2.4 Các phép biến đổi ảnh không gian (rigid transformation) 16 2.5 Đặc trưng dạng đốm (blob feature/region feature) 19 2.6 Đặc trưng dạng góc (corner feature) 19 2.7 Mô tả đặc trưng (feature descriptor) 20 2.8 Kỹ thuật định vị 21 CHƯƠNG 3: XÂY DỰNG HỆ THỐNG ĐỊNH VỊ XE DI CHUYỂN DÙNG THỊ GIÁC LẬP THỂ 22 3.1 Giải thuật định vị sử dụng Stereo VO 22 3.2 Xây dựng mơ hình xe 23 3.3 Xây dựng chương trình 24 3.4 ZED stereo camera 24 3.4.1 Xây dựng chương trình truy xuất ảnh từ camera 25 3.5 Rút trích đặc trưng ảnh (features detection) 28 3.6 Thuật toán NMS 29 vii 3.6.1 Thuật toán NMS chiều 30 3.6.2 Thuật toán NMS chiều 33 3.7 Tìm ghép đặc trưng (feature matching) 34 3.7.1 Tìm ghép đặc trưng dựa vào đường epipolar 34 3.7.2 Tìm ghép đặc trưng hai ảnh trái-phải cặp ảnh 34 3.7.3 Tìm ghép đặc trưng cặp ảnh 35 3.7.4 Kỹ thuật Bucketing 38 3.8 Ước lượng chuyển động (motion estimation) 39 3.8.1 Kỹ thuật đo triangulation 39 3.8.2 Thuật toán Gauss-Newton 41 3.8.3 Thuật toán RANSAC 44 3.9 Xây dựng chương trình vẽ quỹ đạo di chuyển theo tọa độ 47 CHƯƠNG 4: THỰC NGHIỆM KIỂM CHỨNG VÀ ĐÁNH GIÁ KẾT QUẢ 49 4.1 Các nội dung thực nghiệm 49 4.2 Thực nghiệm 50 4.3 Thực nghiệm 52 4.4 Thực nghiệm 54 4.5 Thực nghiệm 57 4.6 Thực nghiệm 59 4.7 Thực nghiệm 60 4.8 Thực nghiệm 62 4.9 Thực nghiệm 64 4.10 Thực nghiệm 65 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 67 5.1 Những kết đạt 67 5.2 Những kết chưa đạt 67 5.3 Hướng phát triển đề tài 68 TÀI LIỆU THAM KHẢO 70 viii DANH MỤC HÌNH ẢNH Hình Hệ thống GPS với 24 vệ tinh, xác định vị trí từ tín hiệu vệ tinh Hình Thiết bị đo khoảng cách Velodyne HDL-64E-S2 Hình Bộ cảm biến IMU loại Mti-10 cơng ty Xsens Hình Sơ đồ thiết bị đo lường Mars 2020 Rover [5] Hình Tái môi trường 3D từ cặp ảnh chụp từ stereo camera [8] Hình Minh họa ứng dụng VO vận tải thiết bị bay quadrotor [10] Hình Kết dự báo va chạm di chuyển mơi trường khác [11] Hình Ứng dụng visual odometry phát triển Tesla Mobileye Hình Minh họa loại active vision camera Hình 10 Minh họa loại passive vision camera Hình 11 Mơ hình pinhole camera Hình 12 Mơ hình camera Hình 13 Mơ tả Epipolar line Hình 14 Rigid body transformation Hình 15 Hiệu ứng fish-eye ảnh gốc từ camera 360o ảnh sau điều chỉnh Hình 16 Điều chỉnh cặp ảnh sử dụng rigid transformation Hình 17 Các bước điều chỉnh epipolar line [12] Hình 18 Ảnh gốc ảnh sau qua xử lý dị đặc trưng dạng đốm [12] Hình 19 Kỹ thuật tìm đặc trưng dị góc FAST [20] Hình 20 Giải thuật định vị sử dụng hình ảnh từ stereo camera Hình 21 Mơ hình xe thực tế Hình 22 Ảnh chụp từ camera với độ phân giải 1280x720 Hình 23 Ảnh qua xử lý chỉnh méo dạng Hình 24 Chuyển ảnh sang ảnh xám byte dùng thư viện libpng png++ Hình 25 Mơ tả đặc trưng dạng blob đặc trưng dạng corner Hình 26 Thuật tốn Non-maximum suppression Hình 27 Kỹ thuật di chuyển cửa sổ mặt nạ thuật tốn NMS Hình 28 Mơ tả tìm ghép đặc trưng sử dụng Epipolar constraint [12] Hình 29 Kết tìm đặc trưng ảnh trái phải Hình 30 Mơ tả thuật tốn tìm ghép đặc trưng theo cặp ảnh stereo liên tiếp [8] Hình 31 Kết thực kỹ thuật tìm ghép đặc trưng ảnh liên tiếp Hình 32 Kết thực tìm ghép đặc trưng cặp ảnh stereo liên tiếp Hình 33 Mơ tả kỹ thuật tìm ghép ảnh bucketing [25] Hình 34 Phép đo tam giác đồng dạng Hình 35 Mơ tả stereo disparity Hình 36 Mơ tả ví dụ thuật tốn RANSAC Hình 37 Kết thực thuật toán cho khung ảnh liên tiếp Hình 38 Kết xây dựng chương trình đồ thị tọa độ để đánh giá ix 4.5 Thực nghiệm Xe di chuyển theo đường tròn đường kính 4m mơi trường ngồi trời có ánh sáng tự nhiên thay đổi có vật chuyển động Tổng quãng đường di chuyển lần 62.8m Hình 52 TN4 - Đồ thị tọa độ di chuyển theo đường trịn đường kính 4m 57 Hình 53 TN4 - Đồ thị tọa độ di chuyển theo đường trịn 62.8m ngồi trời Hình 54 TN4 - Giá trị X Z theo frame xe di chuyển theo đường trịn 62.8m ngồi trời Nhận xét giá trị tọa độ tâm đường tròn so với chuẩn O(X,Z)=(2,0) Giá trị tọa độ trục z (m) 58 Giá trị tọa độ trục x (m) Chiều dài Lý tưởng Thực tế Lý tưởng Thực tế Sai số |𝑒| di chuyển 62.8m Sai số 1.219 1.219 |𝑒| 2.116 0.116 Sai số lớn theo trục z 1.291m, sai số lớn theo trục x 0.116m 4.6 Thực nghiệm Xe di chuyển theo đường trịn đường kính 4m mơi trường nhà có ánh sáng tĩnh có đặc trưng Tổng quãng đường di chuyển lần 62.8m Hình 55 TN5 -Đồ thị tọa độ di chuyển theo đường trịn 62.8m nhà đặc trưng 59 Hình 56 TN5 - Giá trị X Z theo frame xe di chuyển theo đường trịn 62.8m nhà đặc trưng Nhận xét: Do mơi trường có q đặc trưng bật, có nhiều đặc điểm lặp lại giống nhau, kết có sai lệch lớn 4.7 Thực nghiệm Xe di chuyển theo đường trịn đường kính 4m mơi trường nhà có ánh sáng tĩnh có nhiều đặc trưng Tổng quãng đường di chuyển lần 62.8m 60 Hình 57 TN6 - Đồ thị tọa độ di chuyển theo đường trịn đường 62.8m nhà nhiều đặc trưng Hình 58 TN6 - Giá trị X Z theo frame xe di chuyển theo đường tròn 62.8m nhà nhiều đặc trưng 61 Nhận xét giá trị tọa độ tâm đường tròn so với chuẩn O(X,Z)=(2,0) Giá trị tọa độ trục z (m) Chiều dài Lý tưởng Thực tế Lý tưởng Thực tế Sai số |𝑒| di chuyển 62.8m Sai số Giá trị tọa độ trục x (m) 0.437 0.437 |𝑒| 2.126 0.126 Sai số lớn theo trục z 0.437m, sai số lớn theo trục x 0.126m 4.8 Thực nghiệm Xe di chuyển theo hình vng cạnh dài 4.2m mơi trường ngồi trời có ánh sáng tự nhiên thay đổi có vật chuyển động Tổng quãng đường di chuyển lần 84m Hình 59 TN7 – Mơi trường thực nghiệm xe di chuyển theo hình vng cạnh 4.2m dài 84m ngồi trời 62 Hình 60 TN7 - Đồ thị tọa độ di chuyển theo hình vng cạnh 84m ngồi trời Hình 61 TN7 - Giá trị X Z theo frame xe di chuyển theo hình vng 84m ngồi trời Nhận xét: Mơi trường ngồi trời với ánh sáng thay đổi gây ảnh hưởng lớn đến sai lệch lớn đến điểm góc định hình vng 63 4.9 Thực nghiệm Xe di chuyển theo hình vng cạnh dài 4.2m mơi trường nhà có ánh sáng tĩnh có đặc trưng Tổng quãng đường di chuyển lần 84m Hình 62 TN8 - Đồ thị tọa độ di chuyển theo hình vng 84m nhà đặc trưng Hình 63 TN8 - Giá trị X Z theo frame xe di chuyển theo hình vng 84m nhà đặc trưng 64 Nhận xét: Do mơi trường có q đặc trưng bật, có nhiều đặc điểm lặp lại giống nhau, kết có sai lệch lớn 4.10 Thực nghiệm Xe di chuyển theo hình vng cạnh dài 4.2m mơi trường nhà có ánh sáng tĩnh có nhiều đặc trưng Tổng quãng đường di chuyển lần 84m Hình 64 TN9 - Đồ thị tọa độ di chuyển theo hình vng 84m nhà nhiều đặc trưng Hình 65 TN9 - Giá trị X Z theo frame xe di chuyển theo hình vng 84m nhà nhiều đặc trưng 65 Nhận xét chung kết thực nghiệm: ▪ Trong thực nghiệm xe di chuyển theo đường thẳng 28m, kết đạt có sai số lớn theo trục X là: trời 0.48m nhà nhiều đặc trưng 0.28m Sai số theo trục Z là: trời 0.59 nhà nhiều đặc trưng 0.22m ▪ Trong thực nghiệm xe di chuyển theo đường trịn đường kính 4m với tổng quãng đường 62.8m, kết đạt có sai số trung bình tâm đường trịn theo trục X là: trời 0.116m nhà nhiều đặc trưng 0.126m Sai số theo trục Z là: trời 0.1219m nhà nhiều đặc trưng 0.437m ▪ Trong thực nghiệm xe di chuyển theo hình vuông cạnh 4.2m với tổng quãng đường 84m, kết đạt có xu hướng sai lệch chung góc hình vng Điều điều chỉnh khắc phục cách giảm tốc độ xe di chuyển đến góc, điều tương tự việc xe tự hành phải giảm tốc độ rẽ trái rẽ phải ngã tư ▪ Phân tích sai số dựa vào ảnh thu thực nghiệm mơi trường hẹp, ánh sáng tĩnh, đặc trưng ngun nhân dẫn đên sai lệch có đặc điểm bật, nhiều điểm lặp lại gây sai lệch trình tìm ghép đặc trưng Điều hạn chế cách giảm tốc độ xe di chuyển đến góc ▪ Phân tích sai số dựa vào ảnh thu thực nghiệm mơi trường rộng, ngồi trời nguyên nhân dẫn đên sai lệch có nhiều đặc điểm động, ánh sáng thay đổi, có vật phản quang dẫn đến đặc trưng bề mặt biến đổi liên tục góc nhìn khác ▪ Kỹ thuật định vị Visual odometry có tính sai số tương đối tính sai số tích lũy, tương tự kỹ thuật wheel odometry 66 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Những kết đạt Tìm hiểu kỹ thuật định vị sử dụng stereo camera Đây hướng phát triển hứa hẹn nhiều ứng dụng lĩnh vực định vị xe tự hành Xây dựng chương trình sử dụng thuật tốn phổ biến lĩnh vực thị giác máy, phát đặc trưng, tìm ghép đặc trưng, loại bỏ đặc trưng khơng xác, thuật tốn tăng tốc xử lý NMS, bucketing Xây dựng chương trình ngơn ngữ C++ để truy xuất liệu chiều từ ZED stereo camera thực ước lượng tọa độ thực, lưu liệu Xây dựng chương trình matlab để hiển thị đánh giá trực quan kết quả, đánh giá theo thời gian Thi cơng mơ hình xe di chuyển để tiến hành thực nghiệm kiểm chứng thuật toán Thực thực nghiệm điều kiện môi trường khác để đánh giá tính hiệu quả, ưu điểm nhược điểm kỹ thuật visual odometry 5.2 Những kết chưa đạt Số lượng mẫu lấy chuẩn chủ quan, chưa kiểm tra chéo thiết bị có cấp xác cao nên chưa đánh giá hết độ xác ổn định thuật tốn Chưa tối ưu chương trình để đưa vào hoạt động thực tế hiệu điều kiện môi trường khác nhau, xử lý sử dụng laptop, không khả thi yêu cầu đưa vào ứng dụng địi hỏi tính linh hoạt, nhỏ gọn Chưa tái ảnh 3D môi trường di chuyển để phục vụ cho việc xây dựng hệ xe tự hành theo liệu môi trường có, tự hiệu chỉnh sai số, cải thiện hiệu 67 5.3 Hướng phát triển đề tài Kỹ thuật định vị Visual odometry có tính sai số tương đối tính sai số tích lũy, tương tự kỹ thuật wheel odometry Việc yếu tố ánh sáng môi trường thay đổi gây ảnh hưởng lớn đến độ xác, nhược điểm khắc phục cách tích hợp với hệ định vị khác INS, GPS Để khắc phục hạn chế định kỹ thuật định vị Visual Odometry mơi trường hẹp, lặp lại, đặc trưng tích hợp hệ định vị chủ động Lidar, hồng ngoại Xây dựng chương trình tảng hệ điều hành mở Linux để hướng tới việc nhúng thuật toán vào điều khiển hoạt động ROS, ví dụ kit TX2, từ xây dựng hệ robot tự hành nhỏ gọn, linh hoạt Tìm hiểu thêm kỹ thuật sử dụng stereo camera vào việc phát đường để tránh va chạm, đọc nội dung biển báo giao thông, đèn tín hiệu giao thơng, phát người di chuyển để bổ sung tính hạn chế va chạm cho hệ xe tự hành 68 TÀI LIỆU THAM KHẢO [1] H Moravec, "Obstacle avoidance and navigation in the real world by a seeing robot rover," Ph.D thesis, Stanford University AI Laboratory, CA, 1980 [2] Yang Cheng, M Maimone, L H Matthies, "Visual odometry on the Mars exploration rovers," in IEEE International Conference on Systems, Man and Cybernetics, 2005 [3] M Maimone, Yang Cheng, L Matthies, "Two years of visual odometry on the mars exploration rovers," Journal of Field Robotics, vol 24, no 3, pp 169-186, 2007 [4] D M Helmick; Yang Cheng; D S Clouse; L H Matthies; S I Roumeliotis, "Path following using visual odometry for a mars rover in high-slip environments," in IEEE Aerospace Conference, 2004 [5] "mars.nasa.gov," NASA, 2017 [Online] Available: https://mars.nasa.gov/mars2020/mission/instruments/ [Accessed 12 05 2017] [6] Nister D, Naroditsky O., Bergen J, "Visual Odometry," in Anonymous Proceedings of the IEEE computer society conference on computer vision and pattern recognition, 2004 [7] K Konolige, M Agrawal, J Sol, "Large scale visual odometry for rough terrain," in Robotics research, 2007 [8] A Geiger, J Ziegler, C Stiller, "Stereoscan: Dense 3D reconstruction in realtime," in IEEE Intelligent Vehicles Symposium, 2011 [9] S Ericson, B Astrand, "Ego-motion estimation by an agricultural field robot using visual odometry," Biosystems Engineering, 2016 [10] M Gassner, T Cieslewski, D Scaramuzza, "Dynamic Collaboration without Communication Vision-Based Cable-Suspended Load Transport with Two Quadrotors," in IEEE International Conference on Robotics and Automation, 2017 69 [11] H Badino, U Franke, D Pfeiffer, "The Stixel World - A Compact Medium Level Representation of the 3D-World," in DAGM: Joint Pattern Recognition Symposium, 2009 [12] R Szeliski, Computer Vision Algorithms and Applications, Springer, 2011 [13] F Fraundorfer, D Scaramuzza, "Visual Odometry: Part II - Matching, Robustness, and Applications," IEEE Robotics and Automation Magazine, vol 19, no 2, pp 78-90, 2012 [14] D G Lowe, "Distinctive Image Features from Scale-Invariant Keypoints," International Journal of Computer Vision, vol 60, no 2, pp 91-110, 2004 [15] H Bay, T Tuytelaars, L V Gool, "Surf: Speeded up robust features," in European Conference on Computer Vision, 2006 [16] M Agrawal, K Konolige, M Blas, "CenSurE: Center Surround Extremas for Realtime Feature Detection and Matching," in European Conference on Computer Vision, 2008 [17] C Harris, M Stephen, "A combined corner and edge detector," in Proceedings of The Fourth Alvey Vision Conference, 1988 [18] C Tomasi, J Shi, "Good features to track," in CVPR, 1994 [19] E Rosten, T Drummond, "Machine learning for high-speed corner detection," in European Conference Computer Vision, 2006 [20] E Rosten, R Porter, Drummond, "Faster and better: A machine learning approach to corner detection," in IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010 [21] L Kitchen, A Rosenfeld, "Gray-level corner detection," Pattern recognition, vol 1, pp 92-102, 1982 [22] A Neubeck, L V Gool, "Efficient Non-Maximum Suppression," in Pattern Recognition,, 2006 [23] M Calonder, V Lepetit, C Strecha, P Fua, "Brief: Binary robust independent elementary features Computer Vision–ECCV 2010, 778-792.," in European Conference on Computer Vision, 2010 70 [24] E Rublee, V Rabaud, K Konolige, G Bradski, "ORB: An efficient alternative to SIFT or SURF," in IEEE International Conference on Computer Vision, 2011 [25] Kitt, Bernd, A Geiger, H Lategahn, "Visual odometry based on stereo image sequences with ransac-based outlier rejection scheme," in IEEE Intelligent Vehicles Symposium, 2010 [26] M Fischler, R Bolles, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography," Communications of the ACM, vol 24, no 6, pp 381-395, June 1981 [27] D Scaramuzza, F Fraundorfer, "Visual Odometry: Part I - The First 30 Years and Fundamentals," IEEE Robotics and Automation Magazine, vol 18, no 4, pp 8092, 2011 [28] S Ericson, B Astrand , "Localization of agricultural field robots using natural landmark and vision SLAM," Sensors, 2017 71 ... 2.8 Kỹ thuật định vị 21 CHƯƠNG 3: XÂY DỰNG HỆ THỐNG ĐỊNH VỊ XE DI CHUYỂN DÙNG THỊ GIÁC LẬP THỂ 22 3.1 Giải thuật định vị sử dụng Stereo VO 22 3.2 Xây dựng mơ hình... thuật định vị dùng thị giác lập thể sử dụng để xác định vị trí quỹ đạo di chuyển robot toán dẫn đường cho hệ robot di động môi trường đặc biệt mà không dùng kỹ thuật định vị khác Định vị xác định. .. số: 60.52.02.16 I TÊN ĐỀ TÀI: Xây dựng hệ thống định vị dùng thị giác lập thể II NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu kỹ thuật định vị thụ động dùng stereo camera Xây dựng ứng dụng giao tiếp stereo