Παρακολούθηση πολλαπλών αντικειμένων σε πραγματικό χρόνο

Abstract

Αποτελεί μια πρόκληση στον οπτικό υπολογιστή η παρακολούθηση των τυχαίων αντικειμένων σε φυσικά περιβάλλοντα. Η ανάγκη να προσαρμοστεί σε μεταβαλλόμενες εμφανίσεις κάτω από έντονη απόφραξη και μεταμόρφωση, αποτελεί ένα κεντρικό πρόβλημα. Ταυτόχρονα με τις τυχόν βελτιστοποιήσεις, για να αναπτυχθεί ένα πλαίσιο σε κατανεμημένες συσκευές και ανθρωποειδή ρομπότ, κάτι τέτοιο μπορεί να δείξει πόσο βιώσιμη μπορεί να είναι η έρευνα στην αναπτυξιακή ρομποτική. Ο διαχωρισμός των εργασιών της συνεργατικής χειραγώγησης μπορεί να χωριστεί στα επιμέρους καθήκοντα της διατήρησης της αντίληψης και της παρακολούθησης της τροχιάς αντικειμένου. Οι δύο αυτές εργασίες συνήθως θέτουν μεμονωμένες απαιτήσεις σχετικές με τον έλεγχο του υποκείμενου στόχου, σε σχέση με την ακρίβεια και την ανθεκτικότητα στις παρεμβολές. Στις περιοχές οι οποίες απαιτούν να εκτελεστεί ένα ευρύ φάσμα διαφορετικών εργασιών, η χρήση αυτόματων ρομπότ, επί του παρόντος, παρεμποδίζεται από την υψηλή πολυπλοκότητα του λογισμικού, το οποίο προσαρμόζει τον ελεγκτή σε διαφορετικές καταστάσεις που θα αντιμετωπίσει το ρομπότ. Δε μπορεί να γίνει διευκόλυνση της υλοποίησης των ελεγκτών με τα τρέχοντα πλαίσια λογισμικού ρομποτικής για μεμονωμένες εργασίες, οι οποίες παρουσιάζουν κάποια μεταβλητότητα. Οι δυνατότητες των ελεγκτών τους, ωστόσο, στο να προσαρμοστούν στις απαιτήσεις κατά τη διάρκεια του χρόνου εκτέλεσης θεωρούνται περιορισμένες, ενώ δεν μπορούν να κλιμακωθούν με τις απαιτήσεις ενός ευέλικτου αυτόνομο ρομπότ. Προτείνεται λοιπόν ένα πλαίσιο παρακολούθησης το οποίο χρησιμοποιεί τη δύναμη των Συνελικτικών Νευρωνικών Δικτύων για τη δημιουργία ενός προσαρμοστικού και ισχυρού μοντέλου του αντικειμένου από δεδομένα εκπαίδευσης, τα οποία παράγονται κατά την παρακολούθηση. Μειώνεται το υπολογιστικό κόστος και παρέχεται αυξημένη απόδοση από έναν μηχανισμό σταδιακής ενημέρωσης, επιτρέποντας με αυτό τον τρόπο την παρακολούθηση σε πραγματικό χρόνο με κορυφαίες επιδόσεις.