视频
加载玩家…
  • 提供配置文件
  • 福特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。该实验室进行认知机器人、团队寻路和导航以及敏捷机器人平台的研究。
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，并与真实图像进行比较。在这种方法中，识别真实图像和图像中的显著点，并生成映射真实场景到合成场景的仿射图像变换。提出了一种图像差分操作，确保两幅图像中的匹配点产生零差。通过这种方式，可以减少同步差异，增强内容差异。
    • 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
    现有的大多数视觉跟踪系统都不能很好地处理拥挤的场景。我们的目标是开发从视频中获取多种感官线索(例如，目标位置、颜色、形状等)的算法，并融合这些信息来在拥挤的场景中稳健地跟踪。我们关注的是遮挡目标的问题，因为这是视觉跟踪的困难所在。我们使用感觉融合来消除遮挡目标的歧义。这是一个困难的问题，因为遮挡的过程会引起特征值的剧烈和非线性的变化。我们利用一种方法，通过观察特征测量值对候选目标的分布来决定使用哪些线索，以及如何最好地结合它们——所谓的排名得分行为。实验表明，这种方法，我们称为秩和融合方法改进加权和或马氏和融合。

    多相机资源的自动化管理。
    我们的目标是在(手动或自动)跟踪目标时，自动在多个相机之间切换的过程。这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套软件库，以自动学习(使用NN)候选切换相机的每个摄像头在一栋建筑。摄像头不需要有重叠的视角，存在和入口可以在视野中的任何地方，不需要地图。未来的工作将包括软件，定期更新切换信息，以适应相机或建筑物的变化。

    识别与跟踪相结合:PTZ目标的离散事件建模
    大多数PTZ跟踪系统决定何时平移、倾斜或变焦，只基于提供对目标的最佳操作视图。虽然算子视图显然是跟踪的一个重要的最终目标，但它不是需要承认的唯一约束。第二个约束是跟踪器能够稳健地识别目标。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员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形状和颜色，这样我们就可以确定何时需要缩放来保持对目标的识别以及保持操作员视图。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。