Stima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman
|
|
- Annunciata Carbone
- 5 anni fa
- Visualizzazioni
Transcript
1 Incontro CIRA 21 Lecce, Settembre 21 Stima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman Fabrizio CACCAVALE Vincenzo LIPPIELLO Bruno SICILIANO Luigi VILLANI PRISMA Lab Dipartimento di Informatica e Sistemistica Università degli Studi di Napoli Federico II Via Claudio 21, 8125 Napoli SOMMARIO Introduzione Filtro di Kalman esteso Simulazioni Conclusione
2 INTRODUZIONE Un problema fondamentale nel controllo con feedback visuale di manipolatori robotici stima di posizione e orientamento dell organo terminale o di oggetti noti in movimento nello spazio di lavoro La stima può essere ottenuta misurando la posizione di punti caratteristici fissati sull oggetto a partire da immagini fornite da una o più telecamere l uso di più telecamere garantisce maggiore robustezza della stima in caso di perdita di alcuni punti caratteristici dell oggetto durante lo svolgimento del compito Se si dispone di una sequenza temporale di immagini è possibile migliorare l accuratezza della stima utilizzando il filtro di Kalman esteso (Lee and Kay, 199; Wang and Wilson, 1992; Wilson, 1996) rumore e errori dovuti al campionamento e alla quantizzazione temporale e spaziale del segnale visivo, distorsione delle lenti, ecc.
3 Ulteriori vantaggi del filtro di Kalman implementazione ricorsiva utilizzo di misure ridondanti possibilità di operare anche in presenza di perdita di alcuni punti caratteristici possibilità di adottare tecniche di finestratura dinamica del piano immagine che consentono di ridurre sensibilmente il tempo di elaborazione In questo lavoro viene presentato un approccio sistematico per la stima di posizione e orientamento di un oggetto basato sul filtraggio di Kalman di immagini provenienti da telecamere fisse A differenza di altri approcci, la stima è calcolata direttamente nella terna base, senza necessità di ulteriori trasformazioni delle variabili di moto stimate possibilità di impiegare un numero qualsiasi di telecamere fisse possibilità di utilizzare efficacemente misure ridondanti
4 #! MODELLISTICA Terne di riferimento terna base terna oggetto terna (solidale alla) telecamera con l asse parallelo all asse ottico, il piano parallelo al piano dei sensori e l origine coincidente con il centro ottico terna immagine con gli assi e paralleli agli assi e rispettivamente e l origine (punto ottico principale) all intersezione dell asse ottico con il piano immagine Un punto di coordinate nella terna telecamera è proiettato nel punto del piano immagine di coordinate "! distanza focale effettiva trasformazione prospettica
5 ith - Camera coordinate frame x Ci Base coordinate frame x z c Ci v Ci u Ci y Ci O Ci O Ci Sensor plane Object coordinate frame o O O p j y z Ci Ci Ci ( u, v ) j j r Ci Image plane x O z O O p j Object O O y O Campionamento spaziale " " ( coordinate di (numero di pixel) ) = fattore di scala di riga (colonna)
6 La posizione e l orientamento dell oggetto possono essere espressi in termini del vettore di coordinate dell origine e della matrice di rotazione della terna oggetto rispetto alla terna base è il vettore degli angoli di Roll, Pitch e Yaw Le componenti dei vettori e sono le sei quantità incognite da stimare in termini delle misure delle coordinate degli punti caratteristici dell oggetto fornite dalle telecamere
7 ! Calcolando le coordinate dei punti caratteristici ( ) in termini di numero di pixel sul piano immagine della -esima telecamera ( ), si ottengono le equazioni che costituiscono un sistema non lineare nelle incognite e le coordinate nel piano immagine sono calcolate come è calco- il vettore di coordinate lato come dove e sono rispettivamente il vettore di posizione e la matrice di rotazione (assunti noti e costanti) della -esima telecamera espressi in terna base il vettore è calcolato come dove è il vettore (costante e noto) di coordinate di nella terna oggetto
8 FILTRO DI KALMAN ESTESO Il calcolo della soluzione è oneroso e deve essere ripetuto ad ogni istante di campionamento il filtro di Kalman fornisce una soluzione di tipo ricorsivo e può incorporare misure ridondanti Il moto dell oggetto è descritto in termini di un modello dinamico a tempo discreto nello spazio di stato dove errore di modello (rumore Gaussiano a media nulla) la velocità dell oggetto è assunta costante nell intervallo di campionamento
9 Equazione di uscita del filtro di Kalman dove!!!!!!!! rumore di misura (Gaussiano a media nulla) funzione non lineare del vettore di stato l equazione di uscita deve essere linearizzata intorno alla stima corrente dello stato (filtro di Kalman esteso)
10 Equazioni del filtro di Kalman dove matrice di covarianza del disturbo in ingresso matrice di covarianza del rumore di misura in uscita matrice di covarianza dell errore di stima matrice di guadagni di Kalman Jacobiano della equazione di uscita
11 SIMULAZIONI Sistema di visione stereo costituito da tre telecamere fisse con una frequenza di campionamento di 5 Hz Gli assi ottici delle telecamere giacciono su un piano parallelo al piano della terna base a una distanza m La distanza focale effettiva è di pixel è m mm; la dimensione di un
12 Camera 3 y 3 O 3 z 3 2.m Base coordinate system O y Observation center x 2.m Camera 1 Camera 2 z 1 z 2 O 1 y 2 y 1 O 2.75m 1.5m 1.5m Posizione e orientamento delle telecamere
13 Per riprodurre gli effetti di distorsione geometrica delle telecamere reali è stato utilizzato un modello polinomiale che include la distorsione radiale, di decentramento e prismatica (Weng, Cohen and Herniou, 1992) i valori numerici dei parametri di distorsione sono stati scelti in maniera da ottenere errori fino a % della semi-dimensione del sensore Lo stesso modello è stato considerato nell algoritmo del filtro di Kalman per la compensazione della distorsione i parametri corrispondenti sono stati scelti in modo da ottenere errori per le singole componenti compresi tra % e % per rispecchiare una tipica condizione di compensazione imperfetta errori fino a % sono stati introdotti nei parametri del modello geometrico del sistema di visione stereo per rispecchiare una tipica condizione di calibrazione imperfetta
14 x [mm] Roll [deg] y [mm] Pitch [deg] z [mm] Yaw [deg] Traiettoria di posizione (a sinistra) e orientamento (a destra) dell oggetto sull oggetto sono stati scelti quattro punti caratteristici alle misure delle proiezioni dei punti caratteristici sul piano immagine è stato aggiunto rumore gaussiano bianco indipendente la varianza del rumore è stata scelta pari a ( m è la dimensione del pixel) per simulare l errore di campionamento spaziale
15 Matrici di covarianza scelta in modo da tener conto approssimativamente dell errore dovuto alle semplificazioni introdotte nel modello (velocità costante) considerando solo disturbi di velocità calcolata sulla base delle statistiche degli errori di calibrazione
16 Primo caso di studio: condizioni operative standard x [mm] Roll [deg] y [mm] 2 2 Pitch [deg] z [mm] 2 2 Yaw [deg] Errore di posizione (a sinistra) e di orientamento (a destra) a causa dell asimmetria nella disposizione delle telecamere l errore di posizione appartiene all intervallo mm per la componente mentre appartiene all intervallo mm per le componenti e per la stessa ragione l errore di orientamento appartiene all intervallo per l angolo di Yaw e all intervallo per gli angoli di Roll e di Pitch quando l oggetto si ferma è presente un errore residuo dovuto al rumore e alle incertezze di modello
17 Secondo caso di studio: perdita casuale di punti caratteristici dovuta a una scelta errata della finestra del piano immagine da processare o a posizioni e/o orientamenti particolari dell oggetto rispetto alla telecamera La presenza di misure ridondanti consente di continuare il processo di stima purchè le misure disponibili siano sufficienti a caratterizzare posizione e orientamento dell oggetto le varianze corrispondenti alle misure mancanti (elementi diagonali della matrice di covarianza ) possono essere incrementate fino a eliminare l influenza di tali misure sulla stima quando una misura è di nuovo disponibile la corrispondente varianza viene riportata al valore normale
18 Perdita casuale di punti caratteristici orientation [deg] position [mm] time [sec] time [sec] indicati con x : istanti di tempo corrispondenti alla perdita contemporanea di un punto caratteristico per ciascuna telecamera ( % di probabilità) indicati con o : istanti di tempo corrispondenti alla perdita contemporanea di due punti caratteristici per ciascuna telecamera ( % di probabilità) La norma dell errore di posizione rimane inferiore a mm e la norma dell errore di orientamento rimane inferiore a gradi
19 Perdita completa dell immagine orientation [deg] position [mm] time [sec] time [sec] le telecamere, e perdono completamente l immagine dopo s, s e s rispettivamente; il normale funzionamento viene ripristinato dopo s per tutte le telecamere Le prestazioni rimangono soddisfacenti
20 CONCLUSIONE Stima di posizione e orientamento di un oggetto in movimento da misure visuali filtro di Kalman esteso di una sequenza di immagini stereo per il calcolo ricorsivo di una soluzione delle equazioni prospettiche la stima è calcolata direttamente in terna base e non sono richieste ulteriori trasformazioni delle variabili di moto stimate l approccio può essere applicato a qualsivoglia numero di telecamere fisse nello spazio di lavoro robustezza in presenza di rumore, distorsione geometrica delle lenti, errori di calibrazione e perdita temporanea di punti caratteristici
21 Sviluppi futuri utilizzo di tecniche di modellazione geometrica di oggetti basate su strutture BSP (Binary Space Transition) per migliorare l efficienza dell approccio basato sul filtro di Kalman sperimentazione su un sistema di visione costituito da due telecamere analogiche SONY 85CE con frame grabber e DSP MATROX Genesis sviluppo e sperimentazione di algoritmi di controllo del moto con feedback visuale sviluppo e sperimentazione di algoritmi di controllo dell interazione con feedback di forza e visuale
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliRobotica: Errata corrige
Robotica: Errata corrige Capitolo 1: Introduzione pag. 13: Nella nota 2, la frase Il dispositivo che ripartisce adeguatamente la velocità è il differenziale. va modificata come segue: Il dispositivo che
DettagliVideo Parte 4a. Stabilizzazione. Multimedia
Video Parte 4a Stabilizzazione Stabilizzazione Un sistema di stabilizzazione dell immagine ha come scopo quello di rimuovere i movimenti da una sequenza di immagini Padding: movimenti intenzionali Jitter:
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II Facoltà di INGEGNERIA Registro delle Lezioni del Corso di CONTROLLO DEI ROBOT Corso di Laurea Specialistica di Ingegneria dell Automazione Dettate dal Prof.
DettagliTelecamere per la vision artificiale. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Telecamere per la vision artificiale Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Immagini monocromatiche Ogni cella corrisponde ad un bit. Y Row 1 1 1 1 q X 0: nero 1: bianco
DettagliCompito d esame 14/11/2005
COGNOME NOME Compito d esame 14/11/2005 modulo 01CFI Robotica AA 2004/05 modulo 01CFI Robotica AA 2003/04 modulo 01BTT Modellistica dei manipolatori industriali modulo 01ALB Controllo dei Manipolatori
DettagliESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calibrazione intrinseca Spesso risulta utile calibrare la sola componente intrinseca di un sistema di visione (matrice K), e non si dispone di oggetti di forma
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II Facoltà di INGEGNERIA Registro delle Lezioni del Corso di CONTROLLO DEI ROBOT Corso di Laurea Magistrale in Ingegneria dell Automazione Dettate dal Prof. Bruno
DettagliCAPITOLO 5. Stima della frequenza dei segnali dovuta al 40 K
CAPITOLO 5 Stima della frequenza dei segnali dovuta al 40 K 5.1 Simulazione dei segnali registrabili con i fotomoltiplicatori. Nei capitoli precedenti, dopo aver illustrato brevemente la motivazione per
DettagliCorso di Percezione Robotica Modulo B. Fondamenti di Robotica
Corso di Percezione Robotica Modulo B. Fondamenti di Robotica Fondamenti di meccanica e cinematica dei robot Cecilia Laschi cecilia.laschi@sssup.it Modulo B. Fondamenti di Robotica Fondamenti di meccanica
DettagliInversione della cinematica differenziale
CINEMATICA DIFFERENZIALE relazioni tra velocità dei giunti e velocità dell organo terminale Jacobiano geometrico Jacobiano analitico Singolarità cinematiche Analisi della ridondanza Inversione della cinematica
DettagliGeometria epipolare. Filippo L.M. Milotta. Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania
Filippo LM Milotta Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania milotta@dmiunictit 16 aprile 2015 Alcune considerazioni geometriche ci possono aiutare
DettagliCorso di Percezione Robotica (PRo) Modulo B. Fondamenti di Robotica
Corso di Percezione Robotica (PRo) Modulo B. Fondamenti di Robotica Fondamenti di meccanica e cinematica dei robot Cecilia Laschi cecilia.laschi@sssup.it Modulo B. Fondamenti di Robotica Fondamenti di
DettagliModello di Wind-Shear Proveniente da Dati di Volo per Velivolo Ultraleggero Preceptor N3-PUP
FACOLTÀ DI INGEGNERIA Corso di Laurea Magistrale in Ingegneria Aerospaziale Modello di Wind-Shear Proveniente da Dati di Volo per Velivolo Ultraleggero Preceptor N3-PUP RELATORI Ch.mo Prof. Caterina Grillo
DettagliGeometria epipolare. Marco Moltisanti. Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania
Marco Moltisanti Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania moltisanti@dmi.unict.it www.dmi.unict.it/~moltisanti 16 aprile 2013 Alcune considerazioni
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
Dettagliuniversità DEGLI STUDI DI NAPOLI FEDERICO II
università DEGLI STUDI DI NAPOLI FEDERICO II Facoltà di INGEGNERIA Registro delle Lezioni del Corso di CONTROLLO DEI ROBOT Dettate dal Prof. Bruno SICILIANO nell Anno Accademico 2006-2007 Visto: IL PRESIDE
DettagliModello Generale della Telecamera
A.a. 2009/2010 Modello Generale della Telecamera Proiezione prospettica Consideriamo un punto dello spazio 3D, M=[x,,z] T, le cui coordinate sono espresse nel sistema di riferimento (sdr) solidale con
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
DettagliRobotica I. Test 2 18 Dicembre 2009
Robotica I Test 8 Dicembre 9 Si consideri il robot con quattro giunti rotatori in Figura. Le terne di Denavit-Hartenberg sono già assegnate, con la terna posta all intersezione tra primo e secondo asse
Dettagligenerazione degli ingressi di riferimento per il sistema di controllo del moto
PIANIFICAZIONE DI TRAIETTORIE generazione degli ingressi di riferimento per il sistema di controllo del moto Percorso e traiettoria Traiettorie nello spazio dei giunti Traiettorie nello spazio operativo
DettagliESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Visione Stereo Scopo della visione stereo è ricostruire la struttura di una scena 3D statica a partire da n >= 2 viste diverse - il caso n=2 è l argomento
Dettagli1 Alcuni risultati sulle variabili Gaussiane multivariate
Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor
Dettagli5 DETERMINAZIONE DELL'INCERTEZZA TIPO COMPOSTA Grandezze d'ingresso incorrelate Grandezze d'ingresso correlate...
INDICE PREMESSA 1 0 INTRODUZIONE 3 1 SCOPO E CAMPO DI APPLICAZIONE 4 DEFINIZIONI 5.1 Termini metrologici generali... 5. Il termine "incertezza"... 6.3 Termini specifici della presente Guida... 6 3 CONCETTI
DettagliControllo Digitale. Riassumendo. I sistemi di controllo digitale hanno alcuni vantaggi rispetto ai sistemi di controllo a tempo continuo:
Parte 12, 1 Motivazioni Parte 12, 2 I sistemi di controllo digitale hanno alcuni vantaggi rispetto ai sistemi di controllo a tempo continuo: Controllo Digitale Flessibilità del SW rispetto all HW Compatibilità
DettagliDiario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta
Diario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta 1. (1/10 Lu.) Generalità sugli insiemi, operazioni di unione, intersezione e prodotto cartesiano. Insiemi numerici: naturali,
DettagliLaboratorio di Automatica Alcuni temi per tesi BIAR in Automazione e Robotica
Laboratorio di Automatica Alcuni temi per tesi BIAR in Automazione e Robotica Prof. Alessandro De Luca deluca@diag.uniroma1.it Laboratorio di Automatica 25.2.2016 Sommario - 1! esperimenti con un sensore
DettagliCONTROLLI AUTOMATICI LS Ingegneria Informatica. Analisi modale
CONTROLLI AUTOMATICI LS Ingegneria Informatica Analisi modale Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 5 9334 e-mail: claudio.melchiorri@unibo.it http://www-lar.deis.unibo.it/~cmelchiorri
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
Dettagli1 PROCESSI STOCASTICI... 11
1 PROCESSI STOCASTICI... 11 Introduzione... 11 Rappresentazione dei dati biomedici... 11 Aleatorietà delle misure temporali... 14 Medie definite sul processo aleatorio... 16 Valore atteso... 16 Esercitazione
DettagliElenco dei simboli 9. Prefazione 10
Indice Elenco dei simboli 9 Prefazione 10 1 Analisi nel dominio del tempo 11 1.1 Segnali tempo discreto... 11 1.1.1 Segnali notevoli tempo discreto... 13 1.1.2 Alcuni criteri di classificazione di segnali
DettagliLaboratorio di Meccanica (can C) A.A. 2014/15
Laboratorio di Meccanica (can C) A.A. 2014/15 Diario Tipo: PII: prova in itinere E: esercizi V: vacanza Lo scorso anno N Data Tipo Argomento N Data Tipo Argomento 1W No Lab 1W No Lab 1 mercoledì 4 marzo
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliUNITÀ DI GOVERNO. Architettura funzionale. Ambiente di programmazione. Architettura hardware
UNITÀ DI GOVERNO Architettura funzionale Ambiente di programmazione Architettura hardware ARCHITETTURA FUNZIONALE Unità di governo abilità di muovere oggetti fisici nell ambiente di lavoro, (capacità di
DettagliIntroduzione al controllo
Corso di Robotica 2 Introduzione al controllo Prof. Alessandro De Luca A. De Luca Cosa vuol dire controllare un robot? si possono dare diversi livelli di definizione completare con successo un programma
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Structure From Motion Date m immagini di n punti 3D (fissi) Stimare le m matrici di proiezione P i e gli n vettori X j date le mn corrispondenze x ij SFM
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliModello dinamico dei robot: approccio di Newton-Eulero
Corso di Robotica 2 Modello dinamico dei robot: approccio di Newton-Eulero Prof. Alessandro De Luca A. De Luca Approcci alla modellistica dinamica (reprise) approccio energetico (eq. di Eulero-Lagrange)
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliModellistica dei Manipolatori Industriali 01BTT Esame del 23/11/2001 Soluzione
Modellistica dei Manipolatori Industriali 1BTT Esame del 23/11/21 Soluzione 1 Sistemi di riferimento e cinematica di posizione In Figura 1 il manipolatore è stato ridisegnato per mettere in evidenza variabili
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliESERCIZI VI TARATURA DI SISTEMI INERZIALI
Esercizi VI 1 ESERCIZI VI TARATURA DI SISTEMI INERZIALI Esercizio I.1. Introduzione Lo scopo della presente esercitazione è di implementare diverse tecniche di taratura per i sensori inerziali che equipaggiano
DettagliModellistica dei Manipolatori Industriali 01BTT Esame del 18/02/2002 Soluzione
Modellistica dei Manipolatori Industriali BTT Esame del 8/2/22 Soluzione Sistemi di riferimento e cinematica di posizione In Figura a) il manipolatore è stato ridisegnato per mettere in evidenza variabili
DettagliIL GPS sistema di satelliti segmento di terra segnali elettromagnetici ricevitori
IL GPS Il GPS Global Positioning System è costituito da un sistema di satelliti orbitanti all altezza di circa 20.000 km, controllati da un segmento di terra che ne determina con precisione le orbite.
DettagliDisparity Inverse Perspective Image
Disparity Inverse Perspective Image Paolo Medici Dipartimento di Ingegneria dell Informazione di Parma 19 maggio 2008 1 Il problema Dati due punti in 3 dimensioni definiti come à = (,, 0)T e B = (,, Z)
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliProgettazione Statistica dell Innovazione Continua di Prodotto
Riunione PRIN Bologna, 16 febbraio 2007 Progettazione Statistica dell Innovazione Continua di Prodotto Esperimenti fisico-numerici e meta-modelli kriging: loro utilizzo nell innovazione prodotto-processo
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliStereovisione. Marco Moltisanti. Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania
Stereovisione Marco Moltisanti Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania moltisanti@dmi.unict.it www.dmi.unict.it/~moltisanti 11 aprile 2013 Introduzione
DettagliTesi di Laurea TELECAMERA OMNIDIREZIONALE CON SENSORE RETINICO CMOS
Università degli Studi di Padova Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica TELECAMERA OMNIDIREZIONALE CON SENSORE RETINICO CMOS Relatore: Prof. Enrico Pagello 20 Dicembre 2004 Correlatore:
DettagliCENTRO DI MASSA. il punto geometrico le cui coordinate, in un dato sistema di riferimento, sono date da:
CENTRO DI MASSA il punto geometrico le cui coordinate, in un dato sistema di riferimento, sono date da: dove M = m 1 + m 2 +... + m N è la massa totale del sistema e le quantità r i sono i raggi vettori
DettagliArchitettura Software di un Sistema di Controllo per Multirotore
Architettura Software di un Sistema di Controllo per Multirotore ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it
DettagliCinematica e Controllo di un robot mobile
Cinematica e Controllo di un robot mobile ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione
Dettagliy 5z = 7 y +8z = 10 +3z = 3
Sistemi lineari Sistemi lineari in tre incognite; esempi tipici Tre equazioni incognite x, y, z Consideriamo il seguente sistema di tre equazioni lineari nelle tre x 2y +6z = 11 x +3y 11z = 18 2x 5y +20z
DettagliUtilizzo di Matlab per l analisi di sistemi dinamici lineari
Intro a Matlab per sistemi LTI, 1 Utilizzo di Matlab per l analisi di sistemi dinamici lineari Sistemi dinamici lineari a tempo continuo ed a tempo discreto Indice del materiale Intro a Matlab per sistemi
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliMETODI DI STIMA DELL ORDINE p
METODI DI STIMA DELL ORDINE p Per la scelta dell ordine ottimo p per un modello AR, si definisce un criterio di errore che indichi qual è l ordine ottimo per quel modello. L approccio più semplice è quello
DettagliProva Scritta di Robotica I 9 Febbraio 2009
Esercizio Prova Scritta di Robotica I 9 Febbraio 9 Si consideri l estensione al secondo ordine in accelerazione dello schema di controllo cinematico di traiettoria cartesiana. A tale scopo, si assuma che
DettagliLa trasformazione di camera
La trasformazione di camera 1 Introduzione Per rappresentare un oggetto tridimensionale nello spazio (scena) in un piano bidimensionale (spazio delle immagini, quale il monitor o un foglio) è necessario
DettagliControllo dei Robot. Corso di Controllo dei Robot Unità di Governo. Paolo Lino. Dipartimento di Ing. Elettrica e dell Informazione (DEI)
Corso di Controllo dei Robot Unità di Governo Paolo Lino Dipartimento di Ing. Elettrica e dell Informazione (DEI) Componenti di un sistema robotico Un sistema robotico è un sistema complesso rappresentato
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliCinematica dei robot
Corso di Robotica 1 Cinematica dei robot Prof. Alessandro De Luca Robotica 1 1 Cinematica dei robot manipolatori Studio degli aspetti geometrici e temporali del moto delle strutture robotiche, senza riferimento
DettagliAsservimento visuale
Corso di Robotica 2 Asservimento visuale Prof. Alessandro De Luca A. De Luca Visual Servoing obiettivo usare informazioni acquisite tramite sensori di visione (telecamere) per controllare la posa/moto
DettagliL EQUAZIONE DI UNA RETTA CAPITOLO 3. IL PIANO CARTESIANO E LA RETTA
L EQUAZIONE DI UNA RETTA CAPITOLO 3. IL PIANO CARTESIANO E LA RETTA L EQUAZIONE DI UNA RETTA 2 /20 1. LE EQUAZIONI LINEARI DI DUE VARIABILI Un equazione lineare in due variabili x e y è un equazione di
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliCostruzione automatica della matrice jacobiana da impiegare nella simulazione dinamica
Elaborato finale per il conseguimento della Laurea in n Ingegneria meccanica (sede di Roma) Finito di elaborare il 10/12/2012 Costruzione automatica della matrice jacobiana da impiegare nella simulazione
DettagliIndice. Prefazione. Ringraziamenti
Indice Prefazione Ringraziamenti ix xii 1 Le grandezze fisiche 1 1.1 L indagine scientifica......................... 1 1.2 Le grandezze fisiche.......................... 3 1.3 Le dimensioni delle grandezze
DettagliVALIDAZIONE DEL MODELLO
VALIDAZIONE DEL MODELLO Validazione del Modello Non è sufficiente stimare il vettore θ per dichiarare concluso il processo di identificazione. E necessario ottenere una misura della sua affidabilità L
DettagliProva Scritta di Robotica II. 25 Marzo 2004
Prova Scritta di Robotica II 5 Marzo 004 Si consideri il robot planare RP in figura in moto in un piano verticale Siano: m 1 e m le masse dei due bracci; d 1 la distanza del baricentro del primo braccio
DettagliCalcolo numerico per utilizzare i residui di udito
Calcolo numerico per utilizzare i residui di udito Andrea Trucco, Ph.D. Dipartimento Ingegneria Biofisica ed Elettronica DIBE - Università di Genova trucco@ieee.org 1 Segnale audio Variazione della pressione
DettagliModelli di Moto. Incertezza nel movimento Modello Probabilistico Filtro Bayesiano
Modelli di Moto Incertezza nel movimento Modello Probabilistico Filtro Bayesiano Un modello possibile sono le reti bayesiane Azioni, Osservazioni, Transizioni Localizzazione: Tassonomia Locale vs Globale:
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliSISTEMI DI CONTROLLO CINEMATICA E DINAMICA DEI ROBOT
SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccanica e del Veicolo SISTEMI DI CONTROLLO CINEMATICA E DINAMICA DEI ROBOT Ing. Cristian Secchi Tel. 0522 522235 e-mail: secchi.cristian@unimore.it
DettagliMECCANICA DEI ROBOT E DELLE MACCHINE AUTOMATICHE LM Anno accademico (ing. M. Troncossi)
MECCANICA DEI ROBOT E DELLE MACCHINE AUTOMATICHE LM Anno accademico 2015-2016 (ing. M. Troncossi) Conoscenze e abilità da conseguire Lo studente acquisisce gli strumenti necessari per effettuare un'analisi
DettagliProva Scritta di Robotica I
Prova Scritta di Robotica I 11 Settembre 2008 Esercizio Si consideri il manipolatore mobile in figura, costituito da una base mobile su ruote car-like con a bordo un manipolatore 2R planare. Siano: (x,
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliProblemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo
Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Daniele Sepulcri ARPAV Dipartimento Provinciale di Venezia dsepulcri@arpa.veneto.it ARGOMENTI
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliApprendimento iterativo per la compensazione di gravità
Corso di Robotica 2 Apprendimento iterativo per la compensazione di gravità Prof. Alessandro De Luca A. De Luca Obiettivo regolazione di arbitrarie configurazioni di equilibrio in presenza di gravità senza
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA TESINA DI CONTROLLO DEI ROBOT
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA TESINA DI CONTROLLO DEI ROBOT Modellistica, pianiaicazione e controllo di un robot SCARA e di un braccio antropomorfo Candidati Davide
DettagliIl filtro di Kalman stazionario e il regolatore LQG
Il filtro di stazionario e il regolatore LQG P. Valigi Ottimizzazione e Controllo 30 Aprile 2014 L estensione di KF al caso stazionario/intervallo infinito Nell estensione del filtro di ad intervallo infinito
DettagliControllo Adattativo
Corso di Robotica 2 Controllo Adattativo Prof. Alessandro De Luca A. De Luca Motivazioni e approccio necessità dell adattamento nella legge di controllo incertezza sui parametri dinamici del robot scarsa
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliAUTORITÀ DI BACINO DEL FIUME TEVERE. Procedura operativa del modello pressioni-impatti-misure
AUTORITÀ DI BACINO DEL FIUME TEVERE Procedura operativa del modello pressioni-impatti-misure Generalità Il modello è articolato su due distinti livelli applicativi: il primo a scala di distretto/subdistretto
DettagliImportanza delle incertezze nelle misure fisiche
Importanza delle incertezze nelle misure fisiche La parola errore non significa equivoco o sbaglio Essa assume il significato di incertezza da associare alla misura Nessuna grandezza fisica può essere
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliSpazio dei giunti e spazio operativo
CINEMATICA relazioni tra posizioni dei giunti e posizione e orientamento dell organo terminale Matrice di rotazione Rappresentazioni dell orientamento Trasformazioni omogenee Cinematica diretta Spazio
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliSTUDIO DELLA BIOMECCANICA DEL MOVIMENTO TRAMITE I SISTEMI OPTOELETTRONICI MARKLERLESS
STUDIO DELLA BIOMECCANICA DEL MOVIMENTO TRAMITE I SISTEMI OPTOELETTRONICI MARKLERLESS CORSO DI STUDIO IN INGEGNERIA ELETTRONICA LAUREA MAGISTRALE IN BIOINGEGNERIA (LM21) CORSO DI BIOMECCANICA A.A. 2015/16
Dettagli