ALGORITMO DE APRENDIZAGEM SUPERVISADO PARA AUXILIAR O RECONHECIMENTO DE OBJETOS USANDO DADOS DO SENSOR KINECT
Resumo
No dia a dia, as pessoas se interagem no ambiente em que vivem, trabalham ou estudam em
ambientes com diversos objetos que são, inconscientemente, reconhecidos e interpretados. As
máquinas e os computadores quando ensinados podem reconhecer objetos criados pelos seres
humanos e como consequência, um grande número de aplicações necessita dessa identificação
como, auxiliar controles de processos industriais (em diversas áreas: automobilísticas,
aeronáuticas, alimentícias, entre outras), facilitar a navegação tridimensionalmente de robôs em
ambientes indoor, navegação de veículos autônomos, sistema de segurança, entre outras. Preparar
o computador para reconhecer objetos é um trabalho complexo em sua realização, que depende
de algoritmos sofisticados da área de Visão Computacional e aprendizagem computacional que
podem ser aplicados em dados obtidos de diversos sensores, é o caso do Kinect que propicia uma
sinergia entre imagens RGB e de profundidade. Em conjunto com a abordagem sobre
reconhecimento de objetos a partir de dados advindos do sensor Kinect, tem-se como objetivo,
utilizar um modelo de probabilidade matemática que permita classificar dados para o processo de
reconhecimento de objetos utilizando o algoritmo de aprendizagem supervisado-SVM (Support
Vector Machine) para extrair informações de conjuntos de dados, auxiliando na classificação e
analise de imagens para reconhecimento de objetos. Este trabalho, utilizou a Linguagem de
Programação C++ juntamente com o Ambiente de Desenvolvimento Visual Studio versão Ultimate
2013, as ferramentas de desenvolvimento do Kinect (Toolkit 1.8), a biblioteca de Visão
Computacional OpenCV (Open Source Computer Vision Library), a biblioteca Point Cloud Library
(PCL) que é um projeto opensource desenvolvido em C++ que disponibiliza ferramentas para
capturar, manipular, visualizar e processar nuvens de pontos 3D que são obtidas, pelo sensor
Kinect (informação 3D e de cor RGB) e alguns objetos.Com os resultados obtidos, foi apresentada
a funcionalidade da proposta, sendo identificado os objetos armazenados num banco de dados. No
entanto, os objetos impõem alguns desafios, como a identificação de cores para diferentes
materiais, variações na forma e valores de intensidade, entre outros. Portando verifica-se que o
reconhecimento ainda é uma tarefa desafiadora, sendo um tema importante e relevante que
possibilita maiores investigações. De acordo com os resultados, verificou-se que o algoritmo do
SVM obteve classificação correta dos objetos. Sendo assim, pode-se concluir que a identificação
dos mesmos tem tudo para tornar esse processo ainda mais robusto em atividades complexas, por
exemplo, em mapeamentos móveis de ambientes internos feitos por robôs, oferecendo validação
de obstáculos que se assemelham muito a percepção dos seres humanos.
ambientes com diversos objetos que são, inconscientemente, reconhecidos e interpretados. As
máquinas e os computadores quando ensinados podem reconhecer objetos criados pelos seres
humanos e como consequência, um grande número de aplicações necessita dessa identificação
como, auxiliar controles de processos industriais (em diversas áreas: automobilísticas,
aeronáuticas, alimentícias, entre outras), facilitar a navegação tridimensionalmente de robôs em
ambientes indoor, navegação de veículos autônomos, sistema de segurança, entre outras. Preparar
o computador para reconhecer objetos é um trabalho complexo em sua realização, que depende
de algoritmos sofisticados da área de Visão Computacional e aprendizagem computacional que
podem ser aplicados em dados obtidos de diversos sensores, é o caso do Kinect que propicia uma
sinergia entre imagens RGB e de profundidade. Em conjunto com a abordagem sobre
reconhecimento de objetos a partir de dados advindos do sensor Kinect, tem-se como objetivo,
utilizar um modelo de probabilidade matemática que permita classificar dados para o processo de
reconhecimento de objetos utilizando o algoritmo de aprendizagem supervisado-SVM (Support
Vector Machine) para extrair informações de conjuntos de dados, auxiliando na classificação e
analise de imagens para reconhecimento de objetos. Este trabalho, utilizou a Linguagem de
Programação C++ juntamente com o Ambiente de Desenvolvimento Visual Studio versão Ultimate
2013, as ferramentas de desenvolvimento do Kinect (Toolkit 1.8), a biblioteca de Visão
Computacional OpenCV (Open Source Computer Vision Library), a biblioteca Point Cloud Library
(PCL) que é um projeto opensource desenvolvido em C++ que disponibiliza ferramentas para
capturar, manipular, visualizar e processar nuvens de pontos 3D que são obtidas, pelo sensor
Kinect (informação 3D e de cor RGB) e alguns objetos.Com os resultados obtidos, foi apresentada
a funcionalidade da proposta, sendo identificado os objetos armazenados num banco de dados. No
entanto, os objetos impõem alguns desafios, como a identificação de cores para diferentes
materiais, variações na forma e valores de intensidade, entre outros. Portando verifica-se que o
reconhecimento ainda é uma tarefa desafiadora, sendo um tema importante e relevante que
possibilita maiores investigações. De acordo com os resultados, verificou-se que o algoritmo do
SVM obteve classificação correta dos objetos. Sendo assim, pode-se concluir que a identificação
dos mesmos tem tudo para tornar esse processo ainda mais robusto em atividades complexas, por
exemplo, em mapeamentos móveis de ambientes internos feitos por robôs, oferecendo validação
de obstáculos que se assemelham muito a percepção dos seres humanos.