- -

Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial

Mostrar el registro completo del ítem

De La Fuente López, E.; Miguel Trespaderne, F. (2012). Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial. Revista Iberoamericana de Automática e Informática industrial. 9(4):419-428. https://doi.org/10.1016/j.riai.2012.09.005

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/144403

Ficheros en el ítem

Thumbnail
Nombre: de;Miguel - Detección ...
Tamaño: 1.219Mb
Formato: PDF
Descripción: Versión editorial
Abrir/Preview

Metadatos del ítem

Título: Detección Eficiente de Elipses en Imágenes. Aplicación al Posicionamiento 3D de un Robot Industrial
Otro titulo: Efficient ellipse detection. Application to the 3D pose estimation of an industrial robot
Autor: de la Fuente López, Eusebio Miguel Trespaderne, Felix
Fecha difusión:
Resumen:
[ES] En este artículo se presenta un algoritmo para la detección de elipses en imágenes, cuyo objetivo es el cálculo d e la posición 3D de una característica circular en una aplicación robótica. El algoritmo emplea un ...[+]


[EN] In this paper, we present a ellipse detection algorithm developed to measure the 3-D position of a circular feature in a robotic application. The algorithm uses a RANSAC stochastic procedure whose efficiency has been ...[+]
Palabras clave: Visual Pattern Recognition , Robust Estimation , Robot Vision , Industrial Robots , Reconocimiento de Patrones , Estimación Robusta , Visión para Robots , Robots Industriales
Derechos de uso: Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
Fuente:
Revista Iberoamericana de Automática e Informática industrial. (issn: 1697-7912 ) (eissn: 1697-7920 )
DOI: 10.1016/j.riai.2012.09.005
Editorial:
Universitat Politècnica de València
Versión del editor: https://doi.org/10.1016/j.riai.2012.09.005
Tipo: Artículo

References

Bouguet, J.Y., 2010. Camera calibration toolbox for matlab. Disponible en: http://www.vision.caltech.edu/bouguetj/calib_doc/.

Chum, O., Matas,J., 2005. Matching with PROSAC - progressive sampling concensus. In Proc. of the CVPR 2005.

Desouza, G. N., & Kak, A. C. (2002). Vision for mobile robot navigation: a survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(2), 237-267. doi:10.1109/34.982903 [+]
Bouguet, J.Y., 2010. Camera calibration toolbox for matlab. Disponible en: http://www.vision.caltech.edu/bouguetj/calib_doc/.

Chum, O., Matas,J., 2005. Matching with PROSAC - progressive sampling concensus. In Proc. of the CVPR 2005.

Desouza, G. N., & Kak, A. C. (2002). Vision for mobile robot navigation: a survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(2), 237-267. doi:10.1109/34.982903

Fischler, M. A., & Bolles, R. C. (1981). Random sample consensus. Communications of the ACM, 24(6), 381-395. doi:10.1145/358669.358692

Fitzgibbon, A., Pilu, M., & Fisher, R. B. (1999). Direct least square fitting of ellipses. IEEE Transactions on Pattern Analysis and Machine Intelligence, 21(5), 476-480. doi:10.1109/34.765658

Fuente, E. de la, 2011. Robot guiado por visión. Video disponible en http://www.youtube.com/watch?v=RGyxOSdhNm8.

Gracia L., Pérez C., 2010. Revisión de esquemas de control visual y propuesta de mejora. Revista Iberoamericana de Automática e Informática Industrial, 7, 2, 57-67.

Hahn, K., Jung, S., Han, Y., & Hahn, H. (2008). A new algorithm for ellipse detection by curve segments. Pattern Recognition Letters, 29(13), 1836-1841. doi:10.1016/j.patrec.2008.05.025

Hartley R., Zisserman R., 2004. Multiple View Geometry in Computer Vision. Cambridge University Press.

Hermann, S., Klette, R., 2006. A comparative study on 2d curvature estimators. Research report CITR-TR-183, CITR, The University of Auckland, New Zealand.

Hough, P.V.C., 1962. Method and means for recognizing complex patterns. U.S. Patent 3069654.

Illingworth, J., & Kittler, J. (1988). A survey of the hough transform. Computer Vision, Graphics, and Image Processing, 44(1), 87-116. doi:10.1016/s0734-189x(88)80033-1

Kanatani, K., & Liu, W. (1993). 3D Interpretation of Conics and Orthogonality. CVGIP: Image Understanding, 58(3), 286-301. doi:10.1006/ciun.1993.1043

KANATANI, K., & OHTA, N. (2004). AUTOMATIC DETECTION OF CIRCULAR OBJECTS BY ELLIPSE GROWING. International Journal of Image and Graphics, 04(01), 35-50. doi:10.1142/s0219467804001282

Liu, Z.-Y., & Qiao, H. (2009). Multiple ellipses detection in noisy environments: A hierarchical approach. Pattern Recognition, 42(11), 2421-2433. doi:10.1016/j.patcog.2009.01.028

Mai, F., Hung, Y. S., Zhong, H., & Sze, W. F. (2008). A hierarchical approach for fast and robust ellipse extraction. Pattern Recognition, 41(8), 2512-2524. doi:10.1016/j.patcog.2008.01.027

Marji, M., 2003. On the detection of dominant points on digital planar curves PhD thesis, Wayne State University, Detroit, Michigan.

McLaughlin, R. A. (1998). Randomized Hough Transform: Improved ellipse detection with comparison. Pattern Recognition Letters, 19(3-4), 299-305. doi:10.1016/s0167-8655(98)00010-5

McLaughlin, R. A., & Alder, M. D. (1998). The Hough transform versus the UpWrite. IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(4), 396-400. doi:10.1109/34.677267

Miguel Trespaderne, F., Fuente, E. de la, 2009. Visually guided robot for radiator sealing. IEEE International Conference on Emergent Technologies and Factory Automation.

Myatt, D.R., Torr, P.H.S., Nasuto, S.J., Bishop, J.M., Craddock. R., (2002). Napsac: High noise, high dimensional robust estimation - it's in the bag. BMVC02, 2, 458-467.

Mundy, J.L., Zisserman, A., (1992). Eds., Geometric Invariance in Computer Vision. MIT Press, Cambridge, Massachusetts, USA.

OpenCV, (2011). Open Source Computer Vision Library. Disponible en: http://sourceforge.net/projects/opencvlibrary/.

Rosenhahn B., Perwass C., Sommer G., 2004. CVonline: Foundations about. 2D-3D pose estimation. Disponible en: http://homepages.inf.ed.ac.uk/rbf/CVonline/.

Rosin, P. L., & West, G. A. W. (1995). Nonparametric segmentation of curves into various representations. IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(12), 1140-1153. doi:10.1109/34.476507

Rousseeuw, P.J., Leroy, A.M., 1987. Robust Regression and Outlier Detection. Wiley.

Soria, C., Roberti, F., Carelli, R., & Sebastián, J. M. (2008). Control Servo-Visual de un Robot Manipulador Planar Basado en Pasividad. Revista Iberoamericana de Automática e Informática Industrial RIAI, 5(4), 54-61. doi:10.1016/s1697-7912(08)70177-8

Thanh N. M., Ahuja S., Wu Q. M. J., 2009. A real-time ellipse detection based on edge grouping. IEEE International Conference on Systems, Man, and Cybernetics, 3280-3286.

Tordoff, B., Murray, D.W., 2002. Guided sampling and consensus for motion estimation. In Proc 7th European Conf on Computer Vision, Copenhagen, 82-98.

Xu, L., Oja, E., & Kultanen, P. (1990). A new curve detection method: Randomized Hough transform (RHT). Pattern Recognition Letters, 11(5), 331-338. doi:10.1016/0167-8655(90)90042-z

Zhang Z., 1997. Parameter estimation techniques: a tutorial with application to conic fitting. Image and Vision Computing 15, 59-76.

Zhang Z., 1998. A Flexible New Technique for Camera Calibration. Microsoft Research Technical Report MSR-TR-98-71, Microsoft Corporation.

[-]

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem