1 / 21

Vizualno upravljiv automat za kavu

Vizualno upravljiv automat za kavu. Banjanin Jelena Jagodić Petra Knežević Karlo Malvić Boris Žagar Vali. Opis projekta. Razviti sustav računalnog vida koji bi služio kao senzor aparata za kavu. Sustav treba: Utvrditi je li položaj (prazne) šalice za kavu ispravan

shauna
Download Presentation

Vizualno upravljiv automat za kavu

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Vizualno upravljiv automat za kavu Banjanin Jelena Jagodić Petra Knežević Karlo Malvić Boris Žagar Vali

  2. Opis projekta • Razviti sustav računalnog vida koji bi služio kao senzor aparata za kavu. • Sustav treba: • Utvrditi je li položaj (prazne) šalice za kavu ispravan • Raspoznavati “kratku” i “dugu” kavu te spriječiti izlijevanje • Faze rješavanja zadatka: • Izrada Baze slika • Teorijska podloga • Implementacija • Testiranje i dokumentacija

  3. Koraci rada sustava • Detekcija šalice • Gaussov filtar • Scharrov operator • Detekcija rubova šalice i kave • Sobelov operator/Scharrov operator • Cannyjev filtar • Houghova transformacija • Klasifikacija

  4. Baza slika • ABCC-DD_EEEE.jpg • A - oznaka centriranosti • B - oznaka orijentacije • CC - broj salice • DD - popunjenost • EEEE - jedinstvena oznaka • CU01-03_0307.jpg

  5. Baza slika

  6. Teorijska podloga • Gaussovfiltar– smanjivanješuma i količine detalja • Svakompikselu se pridodajevrijednosttežinskogprosjekanjegovogsusjedstva(pikselkoji se mijenjaimavećutežinuodsusjeda) • Sobelov operator - Detekcijarubova • Aproksimacijafunkcije gradijenta intenziteta - u svakoj točki vektor gradijenta daje dvije informacije: • vjerojatnost da ta točka predstavlja dio ruba objekta na slici • očekivanu orijentaciju tog ruba

  7. Teorijska podloga • Scharrov operator = inačica Sobelovog operatora • izmjenjena jezgra transformacije • Rotacijska simetrija • Cannyjev filtar – detekcija rubova • 4 koraka: • Redukcija šuma – Gauss • Izračun gradijenta intenziteta – iznosismjer • Stanjivanje rubova • Pronalazak rubova usporedbom s pragom – 2 praga

  8. Teorijska podloga • Houghova transformacija - detekcijaruba šalice i ruba kave • PovezivanjerubovadobivenihCannyjem (implementiran u HoughCircles) • Svaka točka (x, y) koja leži na nekoj kružnici radijusa r transformira se u kružnicu istog radijusa sa središtem u (x, y)

  9. Teorijska podloga • U praksi: H. transformacija gradijentnim postupkom: • u obzir se uzimaju gradijenti, prethodno izračunati npr. Sobelovom metodom • Centri kružnica - vrijednosti akumulatora više od nekog određenog praga i od vrijednosti susjeda • Ostale točke - rang prema udaljenosti od centara (za svaki centar jedan radijus) • Problem: koncentrične kružnice -> centri kružnica kave i šalice razlikuju se za nekoliko piksela

  10. Implementacija • IDE: Visual Studio 2010 • Jezik C++ • OpenCV biblioteka • 2 temeljna koraka: • Lociranje šalice • Detekcija rubova šalice i kave

  11. Lociranje šalice • Ulazna slika • Smanjiti dimenziju slike na 0.5x i 0.5y • Gaussov filtar • Scharrov rubni operator • Binariziranje slike • Traženje konture objekta • Izrezivanje objekta

  12. Detekcija krugova • Ulazna slika • Slika sivih razina • Sobelov rubni operator • Houghova transformacija za krug • Detekcija 2 kružnice

  13. Učenje parametara • Ideja: odrediti omjer radijusa kave i ruba šalice • 3 parametra: • Omjer za malu/veliku kavu • Omjer za sprječavanje preljevanja • Intenzitet središnjeg piksela • Aktivno učenje na svim primjerima

  14. Učenje parametara • Granica mala/velika kava: 0.7 • Granica preljevanja: 0.87

  15. Učenje parametara

  16. Rezultati

  17. Problemi • Vertikalni snimci rade restrikciju domene uporabe • Tipovi šalica: V, U i složene • V šalice • Centrirane šalice okrenute naopako

  18. Problemi

  19. Problemi • Detekcija centrirane okrenute šalice iziskuje jako puno znanja • Pozadinsko znanje

  20. Mogućapoboljšanja • Kombinirano snimanje: • Koso-vertikalni snimci • Rješava problem: • U šalica • Centriranih okrenutih šalica • Problem: složeno i u praksi vrlo neisplativo

  21. Zaključak • U potpunosti ostvareni zadani ciljevi • Rezultati su izuzetno pozitivni • Realizirana velika baza za buduće generacije • Naučili smo primjenu rubnih operatora i Houghovu transformaciju • Sustav je apsolutno funkcionalan za V tip šalica

More Related