Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Using Evolutionary Algorithms to Personalize Controllers in Ambient Intelligence Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Flying Depth Camera for Indoor Mapping and Localization

verfasst von : Lidia María Belmonte, José Carlos Castillo, Antonio Fernández-Caballero, Sergio Almansa-Valverde, R. Morales

Erschienen in: Ambient Intelligence - Software and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper introduces a flying robot mapping and localization proposal from an onboard depth camera. The miniature flying robot is part of an ongoing project related to ambient assisted living and home health. The flying depth camera is used with a double function; firstly, as a range sensor for mapping from scratch during navigation, and secondly, as a gray-scale camera for localization. The Harris corner detection algorithm is implemented as key point detector for the creation and/or identification of indoor spatial relations. During the localization phase, the spatial relations created from detected corners in the mapping phase are compared to the corners identified in the map. The flying robot position is estimated by matching these spatial relations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel My Kinect Is Looking at Me - Application to Rehabilitation
Nächstes Kapitel Emotion Detection in Ageing Adults from Physiological Sensors
Literatur
1.
D. Iwakura, K. Nonami, Indoor localization of flying robot by means of infrared sensors. J. Robot. Mechatron. 25, 201–210 (2013)
2.
A. Fernández-Caballero, J.M. Latorre, J.M. Pastor, A. Fernández-Sotos, Improvement of the elderly quality of life and care through smart emotion regulation, Ambient Assisted Living and Daily Activities, pp. 348–355, 2014
3.
J.C. Castillo, D. Carneiro, J. Serrano-Cuerda, P. Novais, A. Fernández-Caballero, J. Neves, A multi-modal approach for activity classification and fall detection. Int. J. Syst. Sci. 45, 810–824 (2014)CrossRef
4.
D. Carneiro, J.C. Castillo, P. Novais, A. Fernández-Caballero, J. Neves, Multimodal behavioral analysis for non-invasive stress detection. Expert Syst. Appl. 39, 13376–13389 (2012)CrossRef
5.
M. Oliver, F. Montero, A. Fernández-Caballero, P. González, J.P. Molina, RGB-D assistive technologies for acquired brain injury: description and assessment of user experience. Expert Syst. (2014). doi:10.​1111/​exsy.​12096
6.
A. Briod, P. Kornatowski, J.-C. Zufferey, D. Floreano, A collision-resilient flying robot. J. Field Robot. 31, 496–509 (2014)CrossRef
7.
K.M. Wurm, C. Stachniss, G. Grisetti, Bridging the gap between feature- and grid-based SLAM. Robot. Auton. Syst. 58, 140–148 (2010)CrossRef
8.
J. Martínez-Gómez, A. Fernández-Caballero, I. García-Varea, L. Rodríuez, C. Romero-González, A taxonomy of vision systems for ground mobile robots. Int. J. Adv. Robot. Syst. 11, 111 (2014)
9.
T. Collins, Occupancy grid learning using contextual forward modelling. J. Intell. Robot. Syst. 64, 505–542 (2011)CrossRef
10.
S. Almansa-Valverde, J.C. Castillo, A. Fernández-Caballero, Mobile robot map building from time-of-flight camera. Expert Syst. Appl. 39, 8835–8843 (2012)CrossRef
11.
A. Ramisa, A. Goldhoorn, D. Aldavert, R. Toledo, R. Lopez de Mantaras, Combining invariant features and the ALV homing method for autonomous robot navigation based on panoramas. J. Intell. Robot. Syst. 64, 625–649 (2011)CrossRef
12.
M. Bosse, R. Zlot, Keypoint design and evaluation for place recognition in 2D lidar maps. Robot. Auton. Syst. 57, 1211–1224 (2009)CrossRef
13.
M. Cummins, P. Newman, FAB-MAP: probabilistic localization and mapping in the space of appearance. Int. J. Robot. Res. 27, 647–665 (2008)CrossRef
14.
D.G. Lowe, Distinctive image features from scale-invariant keypoints. Int. J. Comput. Vis. 60, 91–110 (2004)CrossRef
15.
G. Arbeiter, J. Fischer, A. Verl, 3D perception and modeling for manipulation on Care-O-Bot 3, in 2010 IEEE International Conference on Robotics and Automation, p. 5, 2010
16.
H. Bay, A. Ess, T. Tuytelaars, L. Van Gool, SURF: speeded up robust features. Comput. Vis. Image Underst. 110, 346–359 (2008)CrossRef
17.
J. Li, N.M. Allinson, A comprehensive review of current local features for computer vision. Neurocomputing 71, 1771–1787 (2008)CrossRef
18.
S. Smith, J. Brady, Susan: a new approach to low-level image-processing. Int. J. Comput. Vis. 23, 45–78 (1997)CrossRef
19.
C. Harris, M. Stephens, A combined corner and edge detector, in The Fourth Alvey Vision Conference, pp. 147–151, 1988
20.
J. Lee, H. Ko, Gradient-based local affine invariant feature extraction for mobile robot localization in indoor environments. Pattern Recogn. Lett. 29, 1934–1940 (2008)CrossRef
21.
A. Fernández-Caballero, M.T. López, S. Saiz-Valverde, Dynamic stereoscopic selective visual attention (DSSVA): integrating motion and shape with depth in video segmentation. Expert Syst. Appl. 34, 1394–1402 (2008)CrossRef
22.
G. Bennett, Probability inequalities for the sum of independent random variables. J. Am. Stat. Assoc. 57, 33–45 (1962)CrossRefMATH
Metadaten
Titel
Flying Depth Camera for Indoor Mapping and Localization
verfasst von
Lidia María Belmonte
José Carlos Castillo
Antonio Fernández-Caballero
Sergio Almansa-Valverde
R. Morales
Copyright-Jahr
2015
Buch
Ambient Intelligence - Software and Applications

Print ISBN: 978-3-319-19694-7

Electronic ISBN: 978-3-319-19695-4

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-19695-4_25