Εσωτερική Τοποθεσία Χρήστη με Οπτική Αναγνώριση Τόπου

Η οπτική αναγνώριση τόπου είναι ένας από τους πυλώνες της ανάπτυξης υπολογιστικής όρασης και ρομποτικής. Η εργασία των αλγορίθμων VPR είναι να αναγνωρίσουν τους εξεταζόμενους τόπους με βάση τις εικόνες. Η τεχνολογία μπορεί να υποστηρίξει αυτονομούς ρομπότ και την ανθρώπινη εργατική δύναμη, αναγνωρίζοντας τους περιβάλλοντες χώρους και διευκολύνοντας την εκτέλεση των επιθυμητών ενεργειών.

Ερευνητές στο NeuroSYS χρησιμοποιούν αλγόριθμους υπολογιστικής όρασης ως μέρος της αναπτυγμένης πλατφόρμας AR, Nsflow, ενεργοποιώντας διαδραστικές οδηγίες εργασίας και πρακτική εκπαίδευση για την αναγνώριση των θέσεων των χρηστών κατά τη διάρκεια της εκπαίδευσης στο χώρο. Σε αυτή την περίπτωση, η χρήση της VPR οδηγεί σε σημαντική επιτάχυνση των διαδικασιών εγγραφής και εκμάθησης λόγω της μειωμένης ανάγκης για προηγούμενη εκπαίδευση και εποπτεία.

Η τοποθέτηση ενός ατόμου ή η εύρεση του επιθυμητού τόπου με τη χρήση GPS είναι παλιά είδηση. Αλλά τι να κάνετε όταν το δορυφορικό σύστημα πλοήγησης είναι μη λειτουργικό; Τα συστήματα εσωτερικής τοποθέτησης (IPS) έρχονται για να σώσουν την κατάσταση.

Όταν ψάχνετε για ένα βελόνι σε ένα σωρό σenna, μπορείτε να χρησιμοποιήσετε διάφορες τεχνικές, όπως φανάρια, μαγνητική τοποθέτηση, μονάδες μέτρησης κίνησης (IMU) με επιταχύνσεις και γυροσκόπια, μέτρηση της κίνησης από το τελευταίο γνωστό σημείο, τοποθέτηση με βάση το wi-fi ή απλώς – χρησιμοποιήστε οπτικά σημάδια.

Όλες οι παραπάνω μέθοδοι έχουν τις ελαττώματές τους (π.χ. η ανάγκη εγκατάστασης σημάτων ή φανάρια, η IMU αυξάνει το σφάλμα μέτρησης με το χρόνο και απαιτεί επανατοποθέτηση), που υπερβαίνουν τα οφέλη τους. Η λύση που απαντά στο κρίσιμο πρόβλημα – την γενική τοποθέτηση του χρήστη με ακρίβεια quelques μέτρα – αποδεικνύεται ότι είναι εντός του πεδίου των αλγορίθμων.

Η διαδικασία αναγνώρισης τόπων βασίζεται σε μια διπλή διαδικασία, δημιουργώντας δύο βάσεις δεδομένων. Αρχικά, ο στόχος τοποθετείται σε φωτογραφίες και ορισμένα στοιχεία, κλειδιά, σημειώνονται από einen αλγόριθμο ανίχνευσης χαρακτηριστικών για να αναγνωριστούν τα χαρακτηριστικά στοιχεία της περιοχής. Μετά, τα σημειωμένα σημεία συγκρίνονται με μια αναφορά εικόνας. Όταν τα αξιολογημένα κλειδιά θεωρούνται αρκετά παρόμοια από einen αλγόριθμο σύγκρισης χαρακτηριστικών, η εικόνα προκρίνεται ως εικόνα του ίδιου τόπου.

Η βάση δεδομένων εικόνων συνδυάζει εικόνες των στόχων τοποθεσιών, σε αυτή την περίπτωση, χώρων εργασίας, και ένα σύνολο ιδιοτήτων τους, συμπεριλαμβανομένων μοναδικών αναγνωριστικών, ακολουθούμενο από τοπικές και παγκόσμιες περιγραφείς. Το άλλο σύνολο, η βάση δεδομένων δωματίου, αντιστοιχεί τα μοναδικά κλειδιά με ορισμένες περιοχές στο εξεταζόμενο χώρο.

Χρησιμοποιώντας τα SuperPoint, SuperGlue και netVLAD νευρωνικά δίκτυα από το πεδίο της οπτικής αναγνώρισης τόπων, οι ερευνητές χρησιμοποίησαν την παραπάνω διαδικασία στην τοποθέτηση χρηστών. Τα βαθιά νευρωνικά δίκτυα, SuperPoint και SuperGlue, συνεργάζονται στην ανίχνευση και σύγκριση χαρακτηριστικών, εξάγοντας πληροφορίες από τις βάσεις δεδομένων.

Οι παγκόσμιοι περιγραφείς εισέρχονται στη σκηνή

Η διαδικασία απαιτεί παγκόσμιους περιγραφείς, οι οποίοι λειτουργούν ως διανύσματα που διακρίνουν τον τόπο, αναγνωρίζοντας περιοχές με τρόπο που δεν παρουσιάζει αμφιβολίες. Για να εκπληρώσουν το ρόλο τους, τα διανύσματα πρέπει να είναι ανεξάρτητα από την φωτισμό και τη γωνία θέασης – ανεξάρτητα από την προοπτική και τις συνθήκες φωτισμού, οι παγκόσμιοι περιγραφείς δεν πρέπει να αφήσουν καμία αμφιβολία όταν αναγνωρίζουν περιοχές σε διάφορες εικόνες.

Επιπλέον, τα μεταβλητά αντικείμενα που παρουσιάζονται στην περιοχή ενδιαφέροντος δεν πρέπει να είναι δεσμευμένα από τους παγκόσμιους περιγραφείς ως χαρακτηριστικά που διακρίνουν τους τόπους. Αντικείμενα όπως έπιπλα και εξοπλισμός είναι ευάλωτα σε αλλαγές (ανακαίνιση, αποσυναρμολόγηση), που σημαίνει ότι δεν μπορούν να ορίσουν περιοχές μέσω της παρουσίας τους.

Η αναγνώριση τόπων με υπολογιστική όραση βασίζεται σε μόνιμα στοιχεία των εξεταζόμενων τοποθεσιών, όπως πόρτες, παράθυρα, σκαλιά και άλλα διακριτά στοιχεία μακροχρόνιας φύσης. Κατά τη διάρκεια της έρευνας, το βαθύ νευρωνικό δίκτυο NetVLAD χρησιμοποιήθηκε για τους υπολογισμούς, παρουσιάζοντας, ως αποτέλεσμα, διανύσματα που ικανοποιούν τις απαιτήσεις. Στη διαδικασία σύγκρισης των παγκόσμιων περιγραφέων, οι εικόνες των πιο παρόμοιων διανυσμάτων επεξεργάζονται, ακολουθούμενες από τους υπολογισμούς της απόστασης μεταξύ κάθε χαρακτηριστικού σημείου.

Κατά την επεξεργασία των δύο βάσεων δεδομένων – της βάσης δεδομένων δωματίου και της άλλης, που περιέχει κλειδιά και παγκόσμιους περιγραφείς – το σύστημα αντιμετωπίζει τις ιδιότητες των εικόνων. Μετά την εκτέλεση των ομοιότητας και των μικρότερων αποστάσεων, το δεύτερο νευρωνικό δίκτυο, SuperGlue, αναγνωρίζει τις εικόνες τοποθεσίας. Το σύστημα που χρησιμοποιεί την VPR επιτρέπει την τοποθέτηση του χρήστη με βάση, σε σύντομη, τον αριθμό των ταιριαστών κλειδιών.

Οι αλγόριθμοι βρήκαν εφαρμογή στην πλατφόρμα AI & AR, βοηθώντας τους χρήστες να εκτελέσουν εκπαίδευση με έξυπνα γυαλιά. Η VPR επιτρέπει την τοποθέτηση των εκπαιδευόμενων στην εργασία, εκκινώντας τις κατάλληλες οδηγίες και οδηγούς που αντιστοιχούν σε συγκεκριμένες θέσεις, βελτιώνοντας την ασφάλεια και μειώνοντας την ανάγκη για άμεση εποπτεία.

Το έργο συγχρηματοδοτείται από τα κεφάλαια της Ευρωπαϊκής Ένωσης στο πλαίσιο του Προγράμματος Επιχειρησιακής Ανάπτυξης του Ευρωπαϊκού Ταμείου Περιφερειακής Ανάπτυξης ως μέρος του Προγράμματος Ευφυούς Ανάπτυξης. Το έργο υλοποιείται στο πλαίσιο του Εθνικού Κέντρου Έρευνας και Ανάπτυξης: Γρήγορη Πορεία.