导航:EXPO21XX>自动化21 xx>H05:大学和机器人研究纽约福德汉姆大学
福特汉姆大学,纽约
视频
载入播放器…
  • 提供配置文件
  • 福德汉姆机器人与计算机视觉实验室成立于2002年夏天,由达米安·莱昂斯博士指导。该实验室在认知机器人、团队寻路和导航以及敏捷机器人平台方面进行研究。
产品组合
  • 机器人

  • 我们开发了一种跟踪具有复杂行为的目标的方法,利用3D模拟引擎生成预测图像,并将其与真实图像进行比较。该方法通过识别真实图像和成像图像中的显著点,生成将真实场景映射到合成场景的仿射图像变换。开发了一种图像差分运算,以确保两个图像中的匹配点产生零差分。通过这种方式,同步差异减小,内容差异增强。
    • 椅子地标图像
    • 差异图
    • 地形Spatiogram
  • 自动监测

  • 多目标跟踪的感觉融合
    大多数现有的视觉跟踪系统不能很好地处理拥挤的场景。我们的目标是开发一种算法,从视频中获取多种感官线索(例如,目标位置、颜色、形状等),并将这些信息融合到拥挤的场景中进行稳健跟踪。我们专注于遮挡目标的问题——因为这是视觉跟踪中出现很多困难的地方。我们使用感官融合来消除遮挡目标的歧义。这是一个困难的问题,因为遮挡的过程会导致特征值发生戏剧性的非线性变化。我们利用一种方法,通过观察特征测量值到候选目标的分布来确定使用哪些线索,以及如何最好地组合它们——所谓的排名-得分行为。实验表明,这种方法,我们称之为秩和融合方法改进了加权和或马氏和融合。

    自动化管理多个相机资源。
    我们的目标是实现(手动或自动)跟踪目标时在多个摄像头之间切换的过程的自动化。其中的一个主要问题是理解相机视图之间的连通性。我们已经开发了算法和一组软件库来自动学习(使用神经网络)建筑物中每个摄像头的候选切换摄像头。摄像头不需要有重叠的视图,存在和入口可以在视野的任何地方,不需要地图。未来的工作将包括定期更新转换信息的软件,以考虑摄像头或建筑的变化。

    识别与跟踪相结合:PTZ目标的离散事件建模
    大多数PTZ跟踪系统决定什么时候平移、倾斜或缩放,只基于提供最佳的操作人员对目标的看法。虽然操作符视图显然是跟踪的一个重要的最终目标,但它并不是需要承认的唯一约束。第二个约束是跟踪器必须能够鲁棒地识别目标。这两个约束没有理由总是一致的,忽略第二个约束意味着操作者可能会得到错误目标的绝佳视角!我们开发了一种离散事件控制方法来建模目标的形状和颜色,这样我们就可以确定何时需要缩放以保持对目标的识别,同时保持操作员视图。未来的工作包括将离散事件模型扩展到混合模型,以实现对PTZ的精细控制。