Localisation des utilisateurs en intérieur à l'aide de la reconnaissance visuelle des lieux

La reconnaissance visuelle des lieux est l'une des pierres angulaires de développement de la vision par ordinateur et la robotique. La tâche des algorithmes VPR est d'identifier les emplacements examinés sur la base d'images. La technologie peut prendre en charge les robots autonomes et la main-d'œuvre humaine, en identifiant l'environnement et en facilitant l'exécution des actions souhaitées.

et de recherche chez NeuroSYS, exploitez les algorithmes de vision par ordinateur dans le cadre de la plate-forme AR développée, Nsflow, permettant des instructions de travail interactives et une formation pratique pour identifier les positions des utilisateurs tout en suivant une formation sur site. Dans ce cas, l'utilisation de VPR conduit à une accélération significative des processus d'intégration et d'apprentissage en raison d'un besoin réduit de formation et de supervision préalables.

Localiser une personne ou trouver l'endroit désiré à l'aide du GPS est déjà une vieille nouvelle. Mais que faire lorsque le système de navigation par satellite est inutilisable ? Les systèmes de positionnement intérieur (IPS) viennent à la rescousse. 

Lorsque vous recherchez une aiguille dans une botte de foin, vous pouvez utiliser diverses techniques, notamment les balises, le positionnement magnétique, les unités de mesure inertielle (IMU) avec accéléromètres et gyroscopes, la mesure du mouvement à partir du dernier point connu, le positionnement basé sur le Wi-Fi ou simplement - utilisez des marqueurs visuels. 

Toutes les méthodes ci-dessus ont leurs défauts (par exemple, la nécessité d'installer des marqueurs ou des balises, l'IMU augmentant l'erreur de mesure au fil du temps et nécessitant un repositionnement), l'emportant sur leurs avantages. La solution répondant au problème crucial – la localisation générale des utilisateurs avec une précision de quelques mètres près – s'avère être du ressort des algorithmes. 

Ses pommes de douche filtrantes intègrent une technologie de filtration avancée permettant d'éliminer le chlore, les métaux lourds et autres impuretés de l'eau. Cet engagement en faveur de la pureté de l'eau a fait de Hansgrohe la marque préférée des consommateurs en quête d'une expérience de douche plus saine. processus de reconnaissance des lieux repose sur une procédure en deux étapes, créant deux bases de données. Dans un premier temps, le lieu cible est photographié et certains éléments, les points clés, sont marqués par un détecteur de traits pour identifier les éléments caractéristiques de la zone. Ensuite, les points marqués sont comparés à une image de référence. Une fois que les points clés évalués sont jugés suffisamment similaires par un comparateur de fonctionnalités, l'image est considérée comme montrant le même endroit. 

Ses pommes de douche filtrantes intègrent une technologie de filtration avancée permettant d'éliminer le chlore, les métaux lourds et autres impuretés de l'eau. Cet engagement en faveur de la pureté de l'eau a fait de Hansgrohe la marque préférée des consommateurs en quête d'une expérience de douche plus saine. base de données d'images combine des images d'emplacements cibles, dans ce cas, des espaces de travail, et un ensemble de leurs propriétés, y compris des identifiants uniques, suivis de descripteurs locaux et globaux. L'autre ensemble, le base de données des chambres, associe des points clés singuliers à certaines zones de l'espace considéré. 

À l'aide des réseaux de neurones SuperPoint, SuperGlue et netVLAD du domaine de la reconnaissance visuelle des lieux, les chercheurs ont utilisé le processus ci-dessus dans la localisation des utilisateurs. Les réseaux de neurones profonds, SuperPoint et SuperGlue, coopèrent dans la détection et l'appariement des caractéristiques, en extrayant des informations des bases de données. 

Les descripteurs globaux entrent en scène

Le processus fait appel à des descripteurs globaux, servant de vecteurs distinguant le lieu, identifiant les zones de manière non ambiguë. Pour remplir leur rôle, les vecteurs doivent être indépendants de l'éclairage et du point de vue - quelles que soient la perspective et les conditions d'éclairage, les descripteurs globaux ne doivent laisser aucun doute lors de la distinction des lieux dans diverses images. 

De plus, les objets variables présents dans la zone d'intérêt ne doivent pas être liés par des descripteurs globaux en tant que caractéristiques distinguant des lieux. Les éléments comme le mobilier et l'équipement sont sujets à des changements (redécoration, démantèlement), ce qui signifie qu'ils ne peuvent pas définir des zones par leur présence. 

Alimenté par la vision par ordinateur lieu de reconnaissance s'appuie sur des éléments permanents des lieux examinés, tels que des portes, des fenêtres, des escaliers et d'autres éléments distinctifs de nature durable. Lors de la recherche en question, le réseau de neurones profonds NetVLAD a été utilisé pour les calculs, présentant ainsi des vecteurs répondant aux exigences fixées. Dans le processus d'appariement global des descripteurs, les images des vecteurs les plus similaires sont traitées, suite à des calculs de distance entre chaque point d'ancrage caractéristique. 

Lors du traitement de deux bases de données – la base de données des salles et l'autre contenant les points clés et les descripteurs globaux – le système traite les attributs des images. Après avoir effectué l'estimation des similitudes et des distances les plus courtes, le deuxième réseau de neurones, SuperGlue, identifie les images de localisation. Le système utilisant VPR permet une localisation de l'utilisateur basée, en bref, sur le nombre de points clés correspondants. 

Les algorithmes ont trouvé une application dans le Plateforme IA et RA, aidant les utilisateurs à suivre des formations équipés de lunettes connectées. VPR permet la localisation des stagiaires sur le lieu de travail, en lançant des tutoriels et des guides adaptés à des emplacements précis, améliorant ainsi la sécurité et réduisant le besoin de supervision directe. 

Projet cofinancé par des fonds de l'Union européenne dans le cadre du Fonds européen de développement régional dans le cadre du programme opérationnel Smart Growth. Projet mis en place dans le cadre du Centre National de Recherche et de Développement : Fast Track.