Learning and Probabilistic Methods for Visual Servoing and Tracking
A robotikai kutatás hosszú távú álma, hogy olyan rendszereket fejlesszenek ki, amelyek képesek feladatokat végrehajtani rendkívül összetett és dinamikus mindennapi környezetben, például otthon vagy az irodában. Ennek az álomnak a megvalósításához fontos a robotok érzékelési képességeinek javítása.
A robotikai alkalmazásokban a látás bizonyult a legsokoldalúbb érzékelőnek. A számítógépes látás algoritmusait sikeresen alkalmazták különböző dinamikus rendszerek, köztük manipulátorkarok, mobil robotok, autonóm és víz alatti járművek vezérlésére. A vizuális visszajelzés használatát a robotkar szabályozási hurokjának lezárására ma már vizuális szervónak nevezik.
A vizuális követés képsorozatokban a vizuális szervoing és az általános robotlátó alkalmazások fontos kutatási témája. A vizuális jelzések robusztus kinyerése és valós idejű vizuális követése valóban az egyik kulcsa a vizuális szervófeladatok sikerének.
Ez a könyv valószínűségi és tanulási technikákon alapuló vizuális szervó- és követési algoritmusokat mutat be. Először is, a különböző típusú, 2D-s és 3D-s információkat integráljuk a jellemzőtérbe és a cselekvéstérbe.
Másodszor, vizuális követési algoritmusok kerülnek bemutatásra, amelyek robusztus vizuális jelzéseken keresztül vizuális visszajelzést biztosítanak.