Discussion :

[neon29200]

Bonsoir,

Actuellement en 2ème année d'école d'ingénieurs, j'utilise, dans le cadre d'un projet robotique, OpenCV pour effectuer un suivi.

Concrètement, il s'agit pour notre ASV (Autonomous Surface Vessel) équipé d'une caméra et de deux propulseurs de suivre une bouée (rouge) tractée par un bateau à moteur, en devant rester à une certaine distance de celui-ci.

Pour l'instant, voici les étapes successives:

- Passage du domaine RGB à HSV
- Seuillage pour conserver les pixels rouges
- Application d'un filtre CV_GAUSSIAN pour éliminer le bruit
- Erosion pour supprimer les pixels isolés
- (éventuellement Dilatation)
- Calcul des moments de l'image qui me permet (si le filtre gaussien et l'érosion sont suffisants) de récupérer le barycentre de ma forme.

Ainsi, j'ai découpé mon image en 3 parties. Au milieu de l'image se trouve une zone où mes deux propulseurs tournent à la même vitesse et où l'on considère donc que le robot est "en face" de la cible. De part et d'autre de cette zone, on agit, suivant l'éloignement de la cible (calculé grâce au barycentre) par rapport à l'axe central de la caméra et via une régulation (non définie pour l'instant), sur les deux propulseurs.

Jusqu'ici çà va à peu près.

Comme vous l'aurez compris, le problème suivant l'axe des x (horizontal dans le plan de la caméra) est réglé (l'axe des y ne nous intéresse pas).

Cependant, ça se complique lorsque l'on s'intéresse à la distance entre la cible et la caméra (profondeur).

En effet, nous avions pensé à trouver une relation entre l'aire de la cible calculé par OpenCV et la distance réelle entre la cible et la caméra, en effectuant par exemple une régression (linéaire, puissance,...).

J'aurai donc aimé savoir si vous aviez un avis sur notre méthode et/ou si vous aviez d'autres méthodes à nous suggérer pour trouver la distance réelle entre la caméra et la cible.

Merci!

[TheGzD]

En effet, nous avions pensé à trouver une relation entre l'aire de la cible calculé par OpenCV et la distance réelle entre la cible et la caméra, en effectuant par exemple une régression (linéaire, puissance,...).

Bonjour,

Ça me parait pas mal. Soit vous faites un apprentissage basé sur des images de la bouée à différentes distances connues puis vous estimer la relation entre l'aire observée (ou le diamètre de la bouée qui me parait mieux (regarder du côté de l'ellipse-fitting)) comme vous le précisiez. Soit vous pouvez aussi partir d'un modèle/template de la bouée (établi sur des connaissances a priori de la géométrie de la bouée), vous déterminez au préalable les paramètres intrinsèques de la caméra puis vous calculez la distance à partir d'observations/images. Dans les 2 cas il y aura une phase d'apprentissage ou d’étalonnage si vous voulez être relativement précis.

Est-ce que ça répond à votre question ? est-ce que mes explications restent compréhensibles ?

[neon29200]

Merci beaucoup de votre réponse!

A l'heure actuelle, le soucis qui pourrait se poser est que si notre caméra détecte un autre objet rouge (bateau, autre bouée,...) le barycentre calculé sera faussé et donc le comportement du robot s'en trouvera altéré.

De plus, si la bouée n'est pas une sphère parfaite, lorsque qu'elle n'est pas parfaitement alignée avec l'axe de la caméra, l'angle sous lequel elle est vue modifiera la valeur de l'aire et faussera l'estimation de la distance.

La méthode que vous proposez, via le calcul du grand axe de l'ellipse et de son centre, répond donc parfaitement à notre besoin. De plus, pour éviter d'être perturbé par d'éventuels autres "cibles", il faudrait donc, au-delà de la couleur rouge, "reconnaître" la forme (sphère ou tore à priori), un peu à l'image de CamShift que j'ai récemment découvert.

Auriez-vous un algorithme, ou tout du moins les étapes nécessaires à cela?

Merci beaucoup!

[TheGzD]

Il faudra commencer par déterminer les contours des formes (qui potentiellement correspondent à la bouée), les évaluer selon les critères de formes et finalement appliquer l'ellipse-fitting sur celui qui est vraisemblablement celui de la bouée.
Une méthode de suivi (= en calculant les contours de la frame k en repartant des ceux de la frame k-1) peut faciliter le choix de la forme (par exemple en incluant un critère de distance (à minimiser) entre le contour de la bouée à k-1 et les formes candidates sur la frame k).

En espérant que ça vous inspire.

[neon29200]

Je vois grosso modo l'idée, mais n'étant que débutant en traitement d'images, je vois pas du tout comment faire.
Je posterai sous peu mon code actuel.

EDIT: CamShift pourrait-il faire l'affaire?

[fiberMan]

Bonjour,
C'est problème d'éstimation d'états
Tu pourra aussi utiliser (pour plus de précission)
- L'Algo Filtre De Kalman Discret
- Ou le Modèle Hidden Markov
Je pense que OpenCv implémente déjà le Kalman Filter