Βελτιστοποίηση της πόζας χρησιµοποιώντας ευθείες και σηµεία ϕυγής σε σύστηµα Visual SLAM µιας κάµερας

Γεωργής, Ανδρέας; Georgis, Andreas

dc.contributor.author	Γεωργής, Ανδρέας	el
dc.contributor.author	Georgis, Andreas	en
dc.date.accessioned	2023-01-26T10:18:44Z
dc.date.available	2023-01-26T10:18:44Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56937
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24635
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κάµερα	el
dc.subject	3∆ Ευθείες
dc.subject	Βελτιστοποίηση Πόζας
dc.subject	Σηµεία Φυγής
dc.subject	Pose optimization
dc.subject	VP-SLAM	en
dc.subject	Simultaneous Localisation And Mapping (SLAM )	en
dc.subject	VP-SLAM	en
dc.subject	Monocular	en
dc.subject	Vanishing Points	en
dc.subject	3D Lines	en
dc.title	Βελτιστοποίηση της πόζας χρησιµοποιώντας ευθείες και σηµεία ϕυγής σε σύστηµα Visual SLAM µιας κάµερας	el
heal.type	bachelorThesis
heal.classification	Computer Vision	el
heal.classification	Robotics	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-31
heal.abstract	Τις τελευταίες δεκαετίες ένα µεγάλο µέρος της επιστηµονικής κοινότητας που ασχολoύνται µε τη ϱοµποτική έχει εστιάσει στην επίλυση του Simultaneous Localisation And Mapping (SLAM ) προβλήµατος, δηλαδή της ταυτόχρονης εκτίµησης της τροχιάς του ϱοµποτ/κάµερας και της 3∆ χαρτογράφησης του χώρου. Αυτό το είδος του προβλήµατος, σε πολλά ϱοµπότ τα οποία ϕέρουν πολλαπλούς αισθητήρες και ο στόχος τους είναι, να εκτιµούν τη ϑέση τους στο χώρο και τη δυνατότητα αντίληψης του χώρου και ανακατασκευής του. Το πρόβληµα αυτό, αρχικά προσεγγίστηκε µε στατιστικές µεθόδους και µεθόδους οπτικής οδοµετρίας χωρίς όµως να δίνεται ϐάση στην ανακατασκευή και διατήρηση του χάρτη. Σήµερα, που η τεχνολογία αναπτύσσεται µε γρήγορους ϱυθµούς, η ερευνητική κοινότητα έχει στρέψει το ενδιαφέρον της σε λύσεις, που χρησιµοποιούν πολλαπλούς αισθητήρες για την αντίληψη του περιβάλλοντος. Επιπλέον, προτάσσονται λύσεις που εκτιµούν καλυτερα τη τροχιά του ϱοµπότ και είναι σε ϑέση, να διατηρήσουν και να ανακατασκευάσουν τον χάρτη και να παρέχουν λειτουργίες όπως αναγνώριση ϐρόχων και χώρων, αξιοποιώντας τες µε συνέπεια την καλυτερη εκτίµηση της τροχιάς και ανακατασκευής του χώρου.Επίσης, παρουσιάζουν λύσεις, που αξιοποιούν αλγορίθµους µηχανικής µάθησης συνδυαστικά µε τις υπάρχουσες λύσεις, προσφέροντας ακόµα παραπάνω λειτουργίες, όπως σηµασιολογική κατάτµηση του χάρτη, προσφέροντας ακόµα παραπάνω δυνατότητες σε ένα ϱοµπότ.Επηρεασµένοι από όλα αυτά, διαλέξαµε να ασχοληθούµε µε αλγορίθµους που αξιοποιούν την περιττή πληροφορία του περιβάλλοντος όπως η ανίχνευση ευθειών και σηµείων ϕυγής για καλύτερη εκτίµηση και ϐελτίωση της τροχιάς του ϱοµπότ.Ακόµη, έχουµε επικεντρωθεί σε περιβάλλοντα εσωτεϱικών χώρων σπιτιών, που έχουν γραφεία, επίπεδες επιφάνειες όπως τοίχοι, υπολογιστές, καρέκλες κ.α. Εποµένως, µε ϐάση το state of the art προτείνουµε µια λύση που επεκτείνει το πρώτο και χρησιµοποιεί µια κάµερα, εκµεταλλεύοντας τα σηµεία ϕυγής για εκτίµηση και ϐελτιστοποίηση της πόζας. Τέλος, παρουσιάζουµε την απαραίτητη ϑεωρία για τη κατανόηση αυτών των ιδεών και δείχνουµε ότι η µέθοδος µας παρουσιάζει το ίδιο καλά και καλύτερα αποτελέσµατα µε το state of the art σε πραγµατικά δεδοµένα όπως το TUM-RGBD, σε αυτό του είδους τα περιβάλλοντα.	el
heal.abstract	In the last decades a large part of the scientific community dealing with robotics has focused on solving the Simultaneous Localisation And Mapping (SLAM) problem, i.e. the simultaneous estimation of the robot/camera trajectory and the 3D mapping of the space. This kind of problem is in many robots that carry sensors and their goal is to estimate their position in space and the possibility of perceiving space and reconstructing it. This problem was initially approached with static methods and visual odometry methods without giving a basis to its reconstruction and maintenance. Today, when the community is developing at a rapid pace, the research has turned its interest to solutions, which multiple sensors for the perception of the environment. Additionally, solutions are proposed that better estimate the robot’s trajectory and are able to maintain and reconstruct the map and provide functions such as loop and country recognition, consistently exploiting the better trajectory estimation and space reconstruction. solutions, which utilize machine learning algorithms in combination with the above existing solutions, offering even more functions, such as semantic segmentation of the map, offering even more possibilities to a robot. the detection lines and vanishing points for better estimation and improvement of the robot’s trajectory. Also, we have focused on interior spaces of houses, which have desks, and flat surfaces such as walls, computers, chairs, etc. Therefore, based on state of the art we propose a solution that extends the first and looks at a camera, exploiting the points escape to estimate and optimize the pose. Finally, we present the necessary theory to understand these ideas and show that our method performs as well and better than state-of-the-art to real data such as TUM-RGBD, in these kinds of environments	en
heal.advisorName	Μαραγκός, Πέτρος	el
heal.committeeMemberName	Τζαφέστας, Κωνσταντίνος	el
heal.committeeMemberName	Ποταμιάνος, Γεράσιμος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	93 σ.	el
heal.fullTextAvailability	false