Mudanças entre as edições de "Resultados do Estéreo Neural (VGRAM)"
(New page: Esta página apresenta alguns resultados preliminares interessantes, obtidos com a utilização de algoritmo baseado em redes neurais sem peso VGRAM para obtenção de um mapa de disparida...) |
|||
Linha 5: | Linha 5: | ||
* Essa primeira sequencia de imagens apresenta o comportamento do algoritmo ao se aproximar de uma faixa de pedestres. A medida em que o veículo se aproxima do pedestre, o mesmo passa a ser considerado um obstáculo cada vez mais próximo. | * Essa primeira sequencia de imagens apresenta o comportamento do algoritmo ao se aproximar de uma faixa de pedestres. A medida em que o veículo se aproxima do pedestre, o mesmo passa a ser considerado um obstáculo cada vez mais próximo. | ||
− | [[imagem: | + | [[imagem:v_disparity01.png|frame|center|100px|Figura 1: Obstáculo não relevante]] |
+ | |||
+ | [[imagem:v_disparity02.png|frame|center|100px|Figura 2: Obstáculo Distante]] | ||
+ | |||
+ | [[imagem:v_disparity02.png|frame|center|100px|Figura 3: Obstáculo Próximo]] | ||
* A sequencia de imagens a seguir ilustra que o algoritmo também se mostrou útil para detecção de outros componentes relevantes do tráfego urbano, como postes, placas de trânsito e outros veículos em movimento. | * A sequencia de imagens a seguir ilustra que o algoritmo também se mostrou útil para detecção de outros componentes relevantes do tráfego urbano, como postes, placas de trânsito e outros veículos em movimento. |
Edição das 08h51min de 23 de junho de 2011
Esta página apresenta alguns resultados preliminares interessantes, obtidos com a utilização de algoritmo baseado em redes neurais sem peso VGRAM para obtenção de um mapa de disparidades a partir de um par de imagens estéreo. Esses resultados foram obtidos durante o curso da disciplina de Veículos Autônomos, ofertada no semestre 2011/1 pelo Prof. Alberto.
Após a obtenção do mapa de disparidades, foi possível obter um mapa em V-Disparidade com qualidade muito boa. Utilizando técnicas de processamento de imagens e baseado na teoria acerca de mapas em V-Disparidade, foi possível identificar o perfil do plano trafegável e também os obstáculos envolvidos. As imagens a seguir apresentam: à esquerda o mapa em V-Disparidade, ao centro a detecção de planos trafegáveis e obstáculos e à direita a imagem original com os obstáculos próximos destacados em vermelho e os obstáculos distantes destacados em verde.
- Essa primeira sequencia de imagens apresenta o comportamento do algoritmo ao se aproximar de uma faixa de pedestres. A medida em que o veículo se aproxima do pedestre, o mesmo passa a ser considerado um obstáculo cada vez mais próximo.
- A sequencia de imagens a seguir ilustra que o algoritmo também se mostrou útil para detecção de outros componentes relevantes do tráfego urbano, como postes, placas de trânsito e outros veículos em movimento.