Pica 0 Mejoras

Ayer estuve haciendo algunas mejoras al programa. Incorporé información de color a los puntos 3d que se dibujan y además añadí una restricción de que la diferencia entre los parches no puede tener más de un cierto valor, así me quito falsas correspondencias. Como se puede ver en el vídeo, el color no lo representa del todo bien. En el pato sí que salen puntos amarillos, pero salen también muchos blancos. No se si es por la escala de la imagen que es demasiado grande al representarla (aunque ya he intentado cambiarla sin éxito) o que coge el color de otros puntos como el cielo.

Práctica 2 (Pica 0, Depuración)

He depurado todo el código para que se haga más rápido todo el proceso. Lo primero que he hecho ha sido separar la parte de procesado de la imagen de la de dibujado en el mundo. Ahora el procesado se hace en el thread de ejecución y el dibujado en el de gráficos.
En la parte en la cual recorría las dos lineas de retroproyección para encontrar el punto de menor distancia entre ambas rectas, he modificado el código de forma que he eliminado un bucle for y un condicional if.
En la parte en la cual busco correspondiencias entre puntos, he decidido poner una disparidad máxima y he cambiado la función de comparación de OpenCv (matchtemplate) por una propia en la que hago la diferencia absoluta de los dos Roi pixel a pixel y sumo todas las diferencias para obtener un único valor.
Para terminar he eliminado algunas variables que tenían datos redundantes.
Ahora el cálculo de puntos se hace mucho más rápido como puede verse en el vídeo. Lo que más tarda es el dibujado, que creo que podré mejorarlo utilizando otra función de pintado de los puntos.

Practica 2 (pica 0)

Para que el robot coja él solo los puntos interesantes, he hecho un filtro de canny y he cogido sólo el borde (valor 255). He tenido muchos problemas en esta parte, ya que los valores que me devolvía la función Mat.at no eran correctos. He probado con muchos tipos de datos y con ninguno parecía darme valores adecuados. Al final he tenido que usar IplImage en vez de Mat y usar un ejemplo de introrob.

Como me funciona muy lento el algoritmo, en vez de hacer dos bucles for cada vez que entra una nueva imagen para recorrerla, he hecho que con cada nueva imagen coja un punto distinto.

Practica 2 (Pica 1)

He incorporado la búsqueda de correspondencias del punto clickado en la imagen izquierda con la derecha. Para ello, voy buscando mdiante una función de distancia, el parecido entre una Roi extraída alrededor del punto clikado en la imagen izquierda con la imagen derecha.  Para que la búsqueda sea más rápida, extraigo la línea epipolar  de la imagen derecha para después hacer la búsqueda alrededor de ésta.
Además he corregido un error que tenía a la hora de sacar la línea de retroproyección. No sacaba la línea de retroproyección del punto que más se parecía, sino el de la esquina superior izquierda de la Roi a la que pertenecía.

Práctica 2 (Pica 2)

He incorporado la búsqueda de correspondencias del punto clickado en la imagen izquierda con la derecha. Para ello, voy buscando mdiante una función de distancia, el parecido entre una Roi extraída alrededor del punto clikado en la imagen izquierda con la imagen derecha.  Para que la búsqueda sea más rápida, extraigo la línea epipolar  de la imagen derecha para después hacer la búsqueda alrededor de ésta.
Además he corregido un error que tenía a la hora de sacar la línea de retroproyección. No sacaba la línea de retroproyección del punto que más se parecía, sino el de la esquina superior izquierda de la Roi a la que pertenecía.

Práctica 1(parte 4)

Alex y Fran me han comentado que medir el tiempo que tarda el robot en dar la vuelta con un cronómetro externo no es muy acertado, ya que mi ordenador es un poco lento y los tiempos real y simulado no concuerdan. Así que he vuelto a cronometrar al robot pero con el tiempo simulado que da gazebo. El robot tarda 3 minutos y 15 segundos en dar la vuelta, por lo que el tiempo es mejor de lo que pensaba.

Práctica 1 (parte 3)

Después de implementar el control con derivada para que el robot zigzaguee menos y de subir un poco las líneas del error para el giro, he implementado otras dos líneas por encima de las que ya tenía, de forma que puedo medir el error de lo que vendrá y anticiparse un poco más.
Con el error de estas líneas consigo saber hacia dónde irá la próxima curva y lo cerrada que es. De esta forma puedo adaptar la velocidad y el giro del robot.

Ahora la función que dice cuánto debe girar el robot, depende del error de giro de las dos líneas del principio, de la derivada de este error y del error de las nuevas líneas.
La velocidad del robot depende de la línea vertical que tenía desde un principio y del error de las nuevas líneas. De esta forma si lo que se aproxima es una curva muy cerrada, (hay mucho error en la anticipación) el robot empezará a ir más lento o a frenar.
Además he definido una serie de circunstancias para definir cuánto debe contribuir cada uno de los errores para el giro. Si las dos líneas superiores de error (las nuevas que tienen que dar la anticipación) no consiguen ver el camino, es porque el robot probablemente está en una curva muy cerrada. Lo que interesa es que el robot gire muy deprisa para perder el menor tiempo posible, por lo que la contribución al giro del error de las dos líneas inferiores (las del principio) es muy grande.
Cuando el robot va en línea recta, la contribución de este error es menor pero se tienen también en cuenta el error de las líneas superiores, para que el robot empiece a girar un poco antes de estar en la curva, y la derivada, para que no zigzaguee demasiado.
Cuando el robot va lento suele ser porque está en una curva no muy cerrada. Como me interesa que resuelva estas de forma rápida, cuando el robot va lento, la contribución de las líneas superiores al giro es mayor que cuando va deprisa (en línea recta).