A FAST AND ROBUST ALGORITHM FOR COLOR-BLOB TRACKING IN MULTI-ROBOT COORDINATED TASKS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, a fast and robust algorithm is presented for color-blob tracking, which is applicable in a multi-robot cooperative control system. The algorithm, which is immune to uneven illumination, identifies the current poses (positions and orientations) of a robot and the manipulated object (a rectangle box) from a color image, in real time. Two main challenges are faced in the multi-robot task considered in the paper. The first one concerns the response speed of the vision subsystem. The second challenge comes from uneven lighting, which makes it very difficult for the vision subsystem to trace a specific color blob in different positions. A fast computer vision algorithm is presented to cope with these challenges. First, an image in the RGB (Red-Green-Blue) color space is converted into the HSI (Hue-Saturation-Intensity) color space. Then the Saturation and the Intensity components of the image are removed and only the Hue component is retained. Second, filtering and template matching technologies are employed to remove the disturbances from the background and other objects in the image. Finally, coordinate transformations are used to reconstruct the poses of the robot and the object when they are moving. A multi-robot route planning approach is presented, which uses the information acquired by the color-blob tracking algorithm. The experimental results are presented to show the feasibility and the effectiveness of the algorithm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle