Echtzeit Objekterkennung auf low power embedded systems

Abstract

Objekterkennung ist ein weit gefächertes Gebiet und umfasst eine Vielzahl von Verfahren zur Vermessung und Kategorisierung von Objekten mittels unterschiedlichster Sensorsysteme, die je nach Umgebung, Beleuchtung und Art der Objekte die detektiert oder vermessen werden sollen, unterschiedlich geeignet sind und ensprechend ihre Vor- und Nachteile besitzen. Diese Diplomarbeit beschäftigt sich mit der Objekterkennung im Rahmen der Robotik, speziell im Roboterfußball, welcher sich in den letzten Jahren, aufgrund der sich daraus ergebenden Forschungsmöglichkeiten, immer größerer Beliebtheit erfreut. Der Roboter soll den Regeln der Mirosot Kategorie der internationalen Organisation zur Förderung des Roboterfußballs FIRA entsprechen. Als Sensor für die Objekterkennung dient eine Digitalkamera. So wird in dieser Arbeit ausgehend von den Einschränkungen in den Abmessungen, bestimmt durch die Regeln der Kategorie Mirosot, eine geeignete Hardware-Plattform erarbeitet und Gründe für den Entscheid zur Wahl bestimmter Komponenten dargelegt. Ausgehend von gängigen Methoden der Bildverarbeitung und der Aufwandsabschätzung für diese Algorithmen, wird nach einem Softwarekonzept gesucht, das auf der gewählten Plattform den gestellten Anforderungen entspricht. Ziel ist in erster Linie die Erkennung des Spielballes, ein oranger Golfball und der farbig markierten Tore. Da Standardverfahren aber nicht auf die spezielle Hardware optimiert sind und auch ansonsten hohe Anforderungen an die Rechenleistung stellen, wird ein Konzept vorgestellt, das es erlaubt einfache geometrische Formen wie Kreise oder Rechtecke zu detektieren und zu vermessen. Dieses neue Konzept greift teilweise auf in der Fachliteratur bekannte Methoden zurück die hierfür entsprechend optimiert werden, enthält aber auch einen neuen Ansatz, der es erlaubt den Anforderungen durch die hohe Dynamik der Bewegung der zu detektierenden Objekte Rechung zu tragen. So entstand ein Bilderkennungssystem mit einer Erkennungsrate von 60 Bildern pro Sekunde. Für den Spielball liegt die Genauigkeit bei +/- 1 mm im einer mittleren Entfernung von 50 cm. Dies bei einem durchschnittlichen Leistungsverbrauch von 1,5 Watt und Dimensionen der Hardware die in einem Würfel von 7,5 cm Kantenlänge Platz finden.<br />

Object detection is a broad area that comprises a variety of methods for measuring and categorising objects, through the use of various sensor systems. These sensor systems differ according to their environments, allowed lighting conditions and the type of objects that they can detect; they have advantages and disadvantages accordingly.<br />This diploma thesis is about object detecion in the area of robotics, especially about its use in Robot-soccer - which is increasing in popularity due to the associated research possibilities. The designed robot is required to follow the rules of the Mirosot Category, specified by the international organisation for advancement of Robot-soccer called FIRA. A digital camera is the sensor used for object detection: Starting from constraints in the measurements (based on the Mirosot Category and Rules), this thesis presents an appropriate hardware-platform and the reasons for choosing particular components. Based on standard methods of image processing and approximations for their algorithmic complexity, a software concept was sought-after, that meets the requirements. The main aim is the detection of the ball (an orange golfball) and the coloured goalposts. Since standard methods are not optimized for the specific hardware, and the efficiency is a major concern, a concept is presented, which allows basic geometric shapes (e.g. circles, rectangles) to be detected and measured. This new concept partly uses well-known methods from the standard literature, that were optimized for the required tasks; but also includes a new approach that makes it possible to handle the detection-complexity of the dynamic motion of the target objects.<br />The result is a image processing system with a detection-rate of 60 images per second. The precision of the ball-detection lies at +/- 1 mm at a mean distance of 50 cm. The average power consumption is 1,5 Watt and the hardware-dimensions are such, that the hardware could be housed in a cube with sides of 7.5cm length.