Research Hightlights
  Vision-based World Exploration
  Pseudo-Inverse Neural Networks
  Facial Feature Tracking

Home page Teaching Interests
Vision based World Modeling for Mobile Robot Exploration

Who's Who   |   Publications   |   Talks   |   Demos

  • Computer Vision for World Exploration,
  • Fusion of Uncertain Sensor Data
  • Occupancy Grids, World Model Representations
  • Vision (or other range sensor) Based Mobile Robot projects

    • Artificial Intelligence Lab Computer Vision and Robotics Lab Computing Science Department

    Overview of the project

    Demos (in mpeg)

  • Stereo-rig setup and range data acquisition (4.2Mb)
  • The robot autonomously finds its way to a goal (4.0Mb) - more

    Ph.D. Thesis

    In speciality Computer Vision and Artificial Intelligence. Department of Computing Science, University of Alberta, Edmonton, Canada. Defence planned: April 2000.

    "Vision-based World Modeling Using A Piecewise Linear Representation of The Occupancy Function"

    This thesis considers the task of building world models from uncertain range data. We study the occupancy approach, which is one of the most popular approaches used for this task. We identify three problems of this approach which prevent it from being used for building 3D world models. The thesis aims to resolve these problems.

    The first problem concerns the design of sensor models which assign the values of uncertainty to registered range data. Vision-based sensors are the most affordable sensors capable of registering 3D range data. However, their sensor models are not known or are very difficult to calculate using probability theory. In the thesis we propose a new approach for building visual sensor models which uses evidence theory. This approach allows one to efficiently build sensor models of unreliable, inexpensive video systems by employing stereo error analysis. We present the design of an inexpensive visual range sensor which consists of a single off-the-shelf video camera. This visual sensor is shown to be very suitable for world exploration problems.

    The second problem deals with the combination rule, which combines uncertainty values obtained from different range data. Approximations of the Bayesian and Dempster-Shafer rules, which are the common rules used in the occupancy approach, in many cases assume the independence of range data, contrary to the usual situation. In the thesis, we develop a new technique for combining range data which is based on linear regression. This technique does not make assumptions about the data and can therefore be applied to combining dependent range data like those provided by a single camera range sensor.

    Finally, the third problem concerns the redundancy of stored and processed data, which results from using the grid representation of the occupancy function. In the thesis we establish a new framework for representing the occupancy function in a parametric way using piecewise linear surfaces. This framework, which is the major thrust of the thesis, uses the developed techniques for registering and combining visual range data, and is tested on both simulated and real range data. The advantages and the limitations of the proposed framework are studied. Besides being more optimal space-wise, this framework is also shown to be more efficient for map extraction and world exploration.

    While much remains to be done in the area we believe that the proposed strategies for building sensor models, combining uncertain range data, and using parametrically represented occupancy functions provide the basis for new applications of the occupancy approach and will promote the development of this approach in both world modeling and robot navigation.

    		Dans la présente thèse, nous considerons la tâche de construire des modèles de l'espace à partir de données télémetriques incertaines. Nous étudions l'approche d'occupation, qui est l'approche la plus populaire pour cette tâche. Nous identifions trois problèmes propres à cette approche qui l'empêchent de pouvoir être utilisée pour construire des modéles de l'espace tridimensionels. Le but de cette thèse est de résoudre ces problèmes.

    Le premier problème est relié à la conception de modèles de capteur qui determinent les valeurs d'incertitude au données télémetriques registrées. Les capteurs qui sont basés sur les signaux optiques sont les capteurs les plus accessibles capables du registre des données télémetriques tridimensionelles. Cependant, leurs modèles de capteur ne sont pas connus ou sont très difficiles à calculer en utilisant la théorie des probabilités. Dans cette thèse, nous proposons une nouvelle approche pour construire des modèles de capteur optique basée sur la théorie de l'évidence. Cette approche permet de construire efficacement des modèles de capteur de systèmes optiques peux coûteux et peux fidèles en utilisant l'analyse de l'erreur du système stereo. Nous présentons la conception d'un capteur télémetrique fait à partir d'une videocamera générique. On fait la démonstration de l'adéquation de ce capteur optique pour des problèmes d'exploration de l'espace.

    Le deuxième problème a rapport avec la règle qui combine des incertitudes obtenues à partir de différentes données télémetriques. Des approximations aux règles bayésienne et de Dempster-Shafer, qui sont les règles générales utilisées dans l'approche d'occupation, assument souvent l'indépendence des données télémetriques, contrairement à la situation habituelle. Dans cette thèse, nous développons une nouvelle technique pour combiner des données télémetriques basée sur la règression. Cette technique n'assume pas l'indépendance des données et peut donc être appliquée pour combiner des données télémetriques telles que celles obtenues par le capteur fait à partir d'une vidéocamera.

    Finalement, le troisième problème est relié à la redondance des données enregistrées et traitées, qui résulte de l'utilisation de la représentation de grille de la fonction d'occupation. Dans cette thèse nous établissons un nouveau cadre pour représenter la fonction d'occupation d'une voie paramètrique en utilisant les surfaces linéaires. Ce cadre, qui est la principale contribution du présent travail, utilise les techniques développées pour régistrer et combiner des données télémetriques optiques, et est testé sur des données télémetriques simulées et réelles. En plus d'utiliser beaucoup moins de mémoire, on démontre aussi que ce cadre est plus efficace pour l'extraction de la carte de navigation.

    Si bien il reste beaucoup à faire dans ce domain, nous pensons que les stratégies présentées pour construire des modéles de capteur, tout en combinant des donnes télémetriques incertaines, et en utilisant des fonctions d'occupation à représentation paramétrique, fournissent la base pour de nouvelles applications de l'approche d'occupation et stimuleront le développement de cette approche dans la modelisation de l'espace et la navigation robotique.

    The dissertation (in English, gzip-ed postcript files):

    The Thesis in pfd format (2.5Mb)

    You may also see my old PhD Thesis Proposal (Feb 1998) which has Selected and sorted bibliography

    Who's Who: reference links, techniques and names (updated continuously)

    Depth Acquisition Demo

    Computer Vision (Problem 1)

    (Using the knowledge of the stereo for calculating confidence values) GUI of 'Boticelli'

    Fusion of Uncertain Sensor Data (Problem 2)

    (Source of uncertainty in vision - lense distortion & limited resolution)
    (Data are dependent due to sensor models and using the same sensor)

    Occupancy (aka Evidence, Certainty) World Models (Problem 3)

    Grids (Maps) and other Occupancy-based World Models (Representations)

    • Vision (or other range sensor) Based Mobile Robot projects

    Boticelli exploring the room

    Publications

    Last Modified: 7.IV.00
    Visitor number (to research pages):