Comenzamos nuevamente lo iniciado en https://github.com/GERUNSJ/detecciondepersonas_opencv , esta vez para terminarlo.
Este es el informe (y los archivos relacionados) del trabajo integrador final de la materia Temas Específicos de Control I: Visión Artificial, dictada en la carrera Ingeniería Electrónica de la Universidad Nacional de San Juan. La consigna es llevar a cabo un proyecto que en el se apliquen todos los conocimientos adquiridos en la materia, asimilándolos con práctica y complementándolos con más conceptos.
Se planteó como objetivo principal del proyecto realizar la detección de personas desde un robot móvil con un grado aceptable de aciertos. Para ello se probaron la eficiencia y eficacia de distintos algoritmos que fueron implementados en OpenCV sobre un robot TurtleBot, equipado con una cámara RGB+D Microsoft Kinect y trabajando bajo el sistema ROS (Robot Operative System). El programa desarrollado fue luego adaptado para poder utilizarse en otras cámaras sin información de profundidad, como una webcam de una PC o una mini-computadora Raspberry Pi 2 con cámara.
El informe se extiende sobre algunas alternativas de trabajo, conceptos de los detectores utilizados y también sobre ROS, ya que fue una herramienta de uso constante. Se abordan también las pruebas realizadas, su evaluación e interpretación, terminando con algunas conclusiones obtenidas y posibles mejoras.
informe_Aguado_Emder.pdf— Informe del trabajo. https://github.com/GERUNSJ/deteccion-de-personas-con-turtlebot-y-opencv-1/raw/master/informe_Aguado_Emder.pdfevaluacion/— Lo referido a la evaluación de algoritmosevaluacion/clasificadores/— Los clasificadores utilizadosevaluacion/ejecutables/— Ejecutables compilados para Linux x64evaluacion/resultados/— Resultados sobre los sets de pruebaevaluacion/scripts/— Scripts de evaluaciónevaluacion/src/— Código fuente de los programas de evaluaciónimplementacion/— Nodos de ROS para funcionamiento en línea. Ver Apéndice Botros/calibracion_turtlebot/— Archivos de calibración de las cámarasotros/raspicam_node-master.zip— Nodo Raspicam para ROSresultados/— Imágenes y videos de los resultados sobre los sets de prueba y validación. Videos en Youtube
El workspace de ROS contiene el nodo de detección y un nodo publicador de video para la webcam. Para poder ejecutarlos, primero hay que compilarlos. DEPENDENCIAS: ROS INDIGO.
Los pasos a seguir:
- Modificar el código (
src/detpeople/src/ImageConverter.cpp, líneas 48 y 51) para que se suscriba a los mensajes de la Kinect o de la webcam o de la cámara de la Raspberry Pi. Por defecto está suscripto a los mensajes bajo el topic/camera/image, que son los de la webcam o de la cámara de la Raspberry. - Compilar:
- Situarse dentro de la carpeta implementacion
- Ejecutar
catkin_make. Esto compila los nodos. - Se le informa a ROS la existencia de esos paquetes con
source devel/setup.bash - Se ejecutan los nodos con rosrun
- [Opcional]
rosrun detpeople publicador_video— Ejecuta un nodo que publica video desde la webcam de la PC. rosrun detpeople detpeople— Ejecuta el detector.
Para recibir imágenes desde el TurtleBot, ver 7.2. Para transmitir imágenes desde la Raspberry Pi, referirse a 7.3; el nodo Raspicam se puede compilar de forma similar a lo realizado en el punto 2 anterior.
Pablo Aguado - ELO 23724
Fabricio Emder - ELO 23764
Ingeniería Electrónica - Universidad Nacional de San Juan
Abril de 2016