ROBOTIKA 4. Vlastnosti robotů a manipulátorů Strojové rozpoznávání objektů M3A 2017/2018

Transkript

1 ROBOTIKA 4. Vlastnosti robotů a manipulátorů Strojové rozpoznávání objektů hodina M3A 2017/2018 ING. VLADIMÍR VYHŇÁK

2 Tématické celky Historie robotiky 1. až 5. hodina - historie, vývoj a trendy v oblasti robotiky 2. Základní pojmy z oblasti průmyslových robotů a manipulátorů 6. až 23. hodina - pojem robot a manipulátor - blokové schéma obecného robotu - blokové schéma průmyslového robotu a manipulátoru - popis jednotlivých částí - spolehlivost robotů a manipulátorů 3. Členění manipulačních zařízení 24. až 32. hodina - členění manipulátorů a robotů dle prováděné práce - generace robotů - jednoúčelové manipulátory, programovatelné manipulátory - průmyslové roboty - generace - inteligentní roboty

3 5. Základní typy robotů robot v provedení TTT robot v provedení RTT robot v provedení RRT robot v provedení RRR 6. Vlastnosti robotů a manipulátorů hlediska posuzování robotů a manipulátorů manipulační schopnost počet stupňů volnosti manipulační hmotnost břemene přesnost manipulace 7. Konstrukce robotů pojezdové ústrojí řešení přímočarých pohybů řešení rotačních pohybů řešení kývavých pohybů

4 Robot a umělá intelicence Strojové ROZPOZNÁVÁNÍ

5 Co je rozpoznávání / strojové učení? Epistemologie, česky též gnozeologie, je část filozofie zabývající se původem, podstatou, metodami a možnostmi poznání/znalosti. Rozpoznávání je jednou z metod. Rozpoznávání / strojové učení (jsou téměř synonyma) je vědecká disciplína vytvářející a studující algoritmy, které se učí vytvářením statistických modelů z dat a používají se pro rozhodování a předvídání. Rozpoznávání přiřazuje skutečný objekt nebo událost do jedné nebo více předem stanovených tříd Vzor je objekt, proces nebo událost, které lze pojmenovat. Třída vzorů (nebo kategorie) je množina M X vzorů, jejíž prvky sdílejí podobné rysy, tj. konečné rozpoznatelné vlastnosti (popsané příznaky). Klasifikace (nebo rozpoznávání) přiřazuje daný objekt do předem daných tříd. Klasifikátor je stroj (program), který klasifikaci realizuje.

6 Třída vzorů, příklady Třída syntakticky správných aritmetických výrazů, např.2x(a+ 3b)-6y+ (x-y)/7 M je podmnožinou množiny X všech konečných řetězů nad nějakou abecedou. M lze popsat bezkontextovou gramatikou. Třída binárních obrazů obsahující nepřekrývající a sebe se nedotýkající obdélníkové rámečky s jednopixelovou tloušťkou. M je podmnožinou množiny X všech pravoúhlých binárních obrazů.

7 Třída vzorů, příklady

8 Základní pojmy, ilustrace

9 Rozpoznávání, motivační příklad

10 Celkový pohled, části

11 Dávná vědecká úloha, gnozeologie

12 Klasifikace/kategorizace (nebo popis podle toho, k čemu objekt slouží)

13 Typy možných rozhodnutí / predikčních úloh

14 Další obory sdílející podobné hlavní myšlenky

15 Bilogická motivace

16 Složité jevy a systémové myšlení

17 Pojmy z teorie systémů

18 Generativní a diskriminativní reprezentace objektu

19 Matematické modelování

20 Alternativou k modelování je rozpoznávání

21

22

23 Cíle umělé inteligence Sestrojit stroje (programy), které: se chovají jako lidé přemýšlí jako lidé se chovají racionálně přemýšlí racionálně

24 Umělá inteligence? Filosofická definice Technická definice

25 Umělá inteligence? Filosofická definice: věda, která zkoumá zákonitosti lidského uvažovaní tím, že se ho snaží modelovat pomocí počítačových programů Technická definice

26 Umělá inteligence? Filosofická definice: Technická definice: vědecká disciplína, která navrhuje tzv. inteligentní systémy, které řeší komplexní problémy

27 Umělá inteligence? Filosofická definice: věda, která zkoumá zákonitosti lidského uvažovaní tim, že se snaží ji modelovat pomocí počítačových programů Technická definice

28 Síla umělé inteligence? Silná Slabá

29 Síla umělé inteligence? Silná: výpočetní model veškerých projevů lidského uvažování a mentálních stavů člověka Slabá

30 Síla umělé inteligence? Silná Slabá: schopnost naprogramovat takový stroj, jehož jednání bude navenek od člověka nerozpoznatelné

31 Síla umělé inteligence? Silná Slabá: schopnost naprogramovat takový stroj, jehož jednání bude navenek od člověka nerozpoznatelné Turingův test:

32 Síla umělé inteligence? Silná Slabá: schopnost naprogramovat takový stroj, jehož jednání bude navenek od člověka nerozpoznatelné Turingův test: existuje?

33 Síla umělé inteligence? Silná Slabá: schopnost naprogramovat takový stroj, jehož jednání bude navenek od člověka nerozpoznatelné Turingův test: existuje

34 Symbolická umělá inteligence Naprogramovat inteligentní systém s co možná nejpřesnějším modelem lidského uvažování a lidských znalostí

35 Umělá inteligence? Filosofická definice: Technická definice: technická disciplína, která navrhuje tzv. inteligentní systémy, které řeší racionálně komplexní problémy

36 Umělá inteligence? Filosofická definice: Technická definice: technická disciplína, která navrhuje tzv. inteligentní systémy, které řeší racionálně komplexní problémy výpočetní mechanismy takovýchto inteligentních systémů jsou založeny na metodách UI

37 Problémy umělé inteligence Rozpoznávání přirozené řeči Automatické vytváření důkazů Hraní dvou a vícehráčových her Rozpoznávání obrazu Strojové učení a adaptace Plánování a rozvrhování složitých procesů

38 Známé přístupy k umělé inteligenci Neuronové sítě

39 Známé přístupy k umělé inteligenci Prohledávání stavového prostoru

40 Známé přístupy k umělé inteligenci Multi-agentní systémy

41

42 Aplikace počítačového vidění

43 Definice počítačového vidění Systémy počítačového vidění systémy strojového vnímání systémy pro zpracování obrazu kamerové systémy vizuální systémy Disciplína, která se snaží technickými prostředky alespoň částečně napodobit lidské vidění kvalitu lidského senzoru (oka) a kvalitu analýzy obrazu (inteligence, znalosti, zkušenosti) Obor, který pomocí technických prostředků usiluje o získání smysluplného popisu objektů vyskytujících se v obraze

44 Příbuzné obory Umělá inteligence Teorie řízení Zpracování signálů Biologie, neurofyziologie Matematika statistika, geometrie Fyzika optika

45 Proč je vidění těžké? Ztráta informace díky perspektivní projekci, 3D => 2D Měřená jednotka = nejčastěji jas Jas bodu závisí na: poloze kamery poloze a typu světelného zdroje odrazivosti povrchu, barvě orientaci (natočení) povrchu Množství dat Příklad: statický obraz 512 x 512 bodů, 1 bod = 1B (256 jas. úrovní) => 256kB stejný barevný obraz, 1 bod = 3B => 768kB stejný barevný obraz při 25 snímcích za sekundu (TV signál) => 18,75MB/s Nejistota přítomnost šumu, zkreslení

46 Výhody Přesnost Spolehlivost, měření s konstantními parametry, neunavitelnost, nezkorumpovatelnost Rychlost Paralelně může probíhat více kontrolních úloh, třeba měření rozměrů a zároveň kontrola barvy Umožňují kontrolu prakticky jakéhokoliv parametru, který má optickou vazbu na vzhled nebo charakter snímané scény Měření je bezkontaktní, nedestruktivní Velké množství informací v podobě, která je pro člověka nejlépe srozumitelná - vizuální cestou člověk přijímá téměř 90 % informací Nastavení systému je rychlé a nevyžaduje složité mechanické konstrukce Možnost změnou konfigurace softwaru prakticky okamžitě přepínat mezi podobnými typy měření není nutné složitě a nákladně měnit hardwarovou konfiguraci Cena - vyšší počáteční náklady jsou kompenzovány nižšími náklady provozními a úsporami času i materiálu ve výrobě

47 Metodika vývoje zakázky Myšlenka aplikace kamerového systému (ze strany zákazníka) Kontaktování firmy zabývající se počítačovým viděním nebo systémového integrátora Hrubé posouzení realizovatelnosti projektu nejlépe návštěva provozu, pochopení problému, posouzení vhodnosti nasazení počítačového vidění, hrubý návrh metody měření odborníkem Podrobná analýza problému návrh řešení celého systému nejlépe v podobě podrobné studie diskuze s pracovníky (managery, technickými pracovníky, kontrolory kvality, výrobáři, ) - definice požadavků zákazníka experimenty s reálnými vzorky (např. výrobků s vadami i bez vad) - návrh a zhodnocení různých metod měření, odhad přesnosti měření, rychlosti, odhad potřebného HW a nutných úprav stávajícího zařízení, odhad náročnosti vývoje odhad ceny a časové náročnosti Řešení projektu výběr vhodného HW, návrh konkrétní mechaniky, výroba, instalace zařízení pořízení testovacích snímků, vývoj algoritmů vývoj a specifikace uživatelského rozhraní testy funkčnosti a spolehlivosti Zkušební provoz doladění detailů, vyhodnocení kvality měření (statistiky) Reálný provoz sledování stavu zařízení a kvality měření, servis

48 Volba způsobu měření rozměry zkoumaného předmětu a jeho vzdálenost požadovaná přesnost měření vlastnosti povrchu předmětu (nerovnost, drsnost, odrazivost světla) vlastnosti okolních zdrojů světla (intenzita, spektrum, koherence) možná doba měření X odhadovaná časová náročnost snímání a zpracování přístupnost k měřenému objektu a maximální možné rozměry měřicího systému (aby jej bylo možné například umístit na již fungující linku) způsob vystavení měřeného objektu do vhodné měřící pozice mechanické díly, polohování, dopravníky, - odhad potřebného HW a nutných úprav stávajícího zařízení možnost kalibrace systému možnost konfigurace systému i pro jiné, podobné výrobky přesná definice požadavků na systém a definice výstupů měření náročnost výzkumu a vývoje cena

49 Řetězec zpracování obrazu

50 Možné aplikace použití počítačového vidění Úlohy měření v rovině přesná měření rozměrů, polohy, orientace Detekce přítomnosti a kompletnosti výrobků, počítání objektů v obraze Střežení objektů Klasifikace - podle tvaru (obrysu), barvy, povrchových vlastností atd. Defektoskopie, inspekční systémy detekce povrchových vad výrobků, inspekce transparentních materiálů atd. OCR SPZ, čtení kódů, převod tištěné knihy do elektronické Měření 3D rozměrů, měření objemu, 3D digitální modely Navigace v prostoru, polohování robotů Pohyb detekce pohybu, detekce pohybujícího se objektu, sledování trajektorie Dopravní úlohy měření rychlosti, detekce vozidel projíždějících na červenou, detekce krizových stavů Analýza lékařských obrazů, měření biometrických údajů Bezkontaktní měření teploty (termokamery) Měření deformací (interferometrie) Analýza snímků hvězdné oblohy, analýza leteckých snímků Počítačové vidění ve spojení s počítačovou grafikou = virtualizovaná realita

51 Inspekce transparentních materiálů (pivních lahví) dno láhve hrdlo láhve zbytky etiket cizí objekty špína plíseň škrábance stěna láhve

52 Inspekce netkaných textilií díry výkapky hmyz

53 Inspekce SMD součástek špína, cizí předměty kvalita sváření, rozměry, pozice, struktura potisk kontrola, polarita, poškození kontakty rozměry, úhel natočení, ohyb, kvalita spoje detekce prasklin

54 Počítání objektů ve scéně - automatického počítání různě orientovaných náhodně rozmístěných skleněných broušených kamenů - návrh způsobu osvětlení, návrh software

55 Čtecí zařízení mikroteček - analýza optických vlastností mikroteček - návrh HW řešení čtečky - algoritmy pro lokalizaci mikrotečky ve snímku - algoritmy pro čtení znaků mikroteček

56 Kamerový systém do komory ionizujícího záření - sledování prováděných operací v komoře - záření nebezpečné jednak pro člověka, jednak pro elektroniku a optiku - návrh počtu a umístění kamer - návrh geometrického uspořádání optické soustavy zrcadel periskopu

57 Rychloběžná kamera - lokalizace pozice infračerveného laserového paprsku mířidla zbraně na projekční ploše - vyhodnocení správnosti míření vojáků při interaktivním tréninku při simulaci bojové scény - časový multiplex s 10 kanály (paralelně lze vyhodnocovat až 10 mířidel) - parametry kamery: 330 fps / 1280x1024 / 10 bit - paralelní vyhodnocení obrazu v FPGA (výstupem je poloha laserového svazku na plátně) zaměřovací IR laser

58 3D měření Detekce a klasifikace vozidel Kontrola kvality svarů automobilových disků Měření objemu kapky viskózního lepidla Pořízení 3D modelu kopyta klobouku

59 Metro počítání osob - počítání osob vstupujících a vystupujících z technických prostor metra - zlepšení kontrastu sledovaných objektů volbou pozadí

60 Dopravní úlohy detekce průjezdu na červenou - Lokalizace SPZ - OCR

61 Dopravní úlohy měření průměrné rychlosti v úseku

62 Dopravní úlohy laserový měřič rychlosti vozidel - algoritmy vyhodnocení dat - testy kvality vyhodnocení vzhledem k rozdílným vstupním podmínkám

63 Dopravní úlohy - detekce kritických stavů (nehoda, zácpa) - mobilní detekce kradená vozidla

64 Měření biometrických údajů Geometrie ruky Otisk prstu Duhovka oka Dentální obraz Sítnice oka Dynamické vlastnosti např. - chůze - podpis - gestikulace Podpis Obličej Termogram obličeje Tvar obličeje Tvar ucha

65 Lékařské aplikace -určování polohy chirurgických nástrojů z 3D ultrazvukového přístroje -3D měření dýchacích pohybů -geometrické srovnání odpovídajících si obrazů - z jiných přístrojů - před a po operaci (léčbě) -diagnostika ultrazvukových obrazů

66 Sledování pohybu -trasování pohybu člověka -sledování trajektorie pohybu plavající krysy -navádění robotů

67 Studování vesmíru Analýza snímků hvězdné oblohy objevování nových hvězd, galaxií, Tvář na Marsu Zkoumání okolních planet, vesmírné výpravy Specializovaný SW volně dostupný Sledování procesů ve vesmíru - vzplanutí mladé hvězdy (RTG snímek)

68 Letecké snímky, satelitní snímky Aktualizace map Vojenské, špionážní průzkumy Sledování počasí, předpovědi Klasifikace urbanizovaného území radarový snímek