Botsingsdetectie: Difference between revisions
No edit summary |
No edit summary |
||
| Line 1: | Line 1: | ||
De drone is verantwoordelijk voor het detecteren van de robots, en analyseren of ze een overtreding begaan | De drone is verantwoordelijk voor het detecteren van de robots, en analyseren of ze een overtreding begaan. | ||
= Analyse Methode = | |||
Er wordt gebruik gemaakt van een kleurdetectie. Het 'rugnummer' van de robot heeft een bepaalde kleur, zodat deze als robot gezien wordt en in een team ingedeeld kan worden. <br> | |||
Verder wordt de verwachte richting per robotwordt berekend. Hier kan dus al een richtingsvector aan verbonden worden. <br> | |||
Dit geeft een opzet naar de snelheidsvectoren en het vergelijken van opeenvolgende vectoren. Als hier een grote sprong in zit, is er een duw geweest van een robot. | |||
vooralsnog is het erg ruw in het detecteren van objecten, maar dit kan nog verbeterd worden met een blobanalyse en morphologie. | vooralsnog is het erg ruw in het detecteren van objecten, maar dit kan nog verbeterd worden met een blobanalyse en morphologie. | ||
[[File:Exampsle.jpg]] | |||
== Kalman Filter == | |||
De bewegende beelden van de camera onder de drone bevatten veel signalen en zodoende veel ruis. | |||
Om het juiste eruit te filteren, de bewegende robots, wordt een Kalman-filter gebruikt. De Kalman-filter is een methode om de ruis uit meetgegevens te verwijderen. De Kalman-filter gaat uit van een proces dat wiskundig te modelleren is. De uitkomst van het model voorspelt de te bepalen waarde op elk gewenst moment. De daadwerkelijke meting wordt met de voorspelde waarde verrekend tot een gewogen gemiddelde. Deze uitkomst is de gefilterde waarde en wordt meteen ook gebruikt om het procesmodel aan te passen. | |||
= Path Prediction = | |||
Het MatLab script bepaalt waar de waarschijnlijk nieuwe positie van de bal is | |||
---- | ---- | ||
Terug naar: [[PRE2015_2_Groep2]] | Terug naar: [[PRE2015_2_Groep2]] | ||
Revision as of 19:20, 13 December 2015
De drone is verantwoordelijk voor het detecteren van de robots, en analyseren of ze een overtreding begaan.
Analyse Methode
Er wordt gebruik gemaakt van een kleurdetectie. Het 'rugnummer' van de robot heeft een bepaalde kleur, zodat deze als robot gezien wordt en in een team ingedeeld kan worden.
Verder wordt de verwachte richting per robotwordt berekend. Hier kan dus al een richtingsvector aan verbonden worden.
Dit geeft een opzet naar de snelheidsvectoren en het vergelijken van opeenvolgende vectoren. Als hier een grote sprong in zit, is er een duw geweest van een robot.
vooralsnog is het erg ruw in het detecteren van objecten, maar dit kan nog verbeterd worden met een blobanalyse en morphologie.
Kalman Filter
De bewegende beelden van de camera onder de drone bevatten veel signalen en zodoende veel ruis. Om het juiste eruit te filteren, de bewegende robots, wordt een Kalman-filter gebruikt. De Kalman-filter is een methode om de ruis uit meetgegevens te verwijderen. De Kalman-filter gaat uit van een proces dat wiskundig te modelleren is. De uitkomst van het model voorspelt de te bepalen waarde op elk gewenst moment. De daadwerkelijke meting wordt met de voorspelde waarde verrekend tot een gewogen gemiddelde. Deze uitkomst is de gefilterde waarde en wordt meteen ook gebruikt om het procesmodel aan te passen.
Path Prediction
Het MatLab script bepaalt waar de waarschijnlijk nieuwe positie van de bal is
Terug naar: PRE2015_2_Groep2