Mastodon
Connect with us

Robotics

Νέα τεχνική απεικόνισης αποκαλύπτει κρυφά αντικείμενα

Νέα τεχνική απεικόνισης από το MIT αποκαλύπτει κρυφά αντικείμενα με ακρίβεια 96% χρησιμοποιώντας mmWave σήματα.

Published

on

Νέα τεχνική απεικόνισης αποκαλύπτει κρυφά αντικείμενα

Μια νέα τεχνική απεικόνισης που αναπτύχθηκε από ερευνητές του MIT μπορεί να επιτρέψει σε ρομπότ ποιοτικού ελέγχου σε αποθήκες να βλέπουν μέσα από ένα χαρτοκιβώτιο και να εντοπίζουν αν η λαβή μιας κούπας που είναι θαμμένη κάτω από συσκευαστικά υλικά είναι σπασμένη. Η προσέγγισή τους εκμεταλλεύεται τα σήματα χιλιοστομετρικών κυμάτων (mmWave), τα ίδια που χρησιμοποιούνται στο Wi-Fi, για να δημιουργήσει ακριβείς τρισδιάστατες ανακατασκευές αντικειμένων που είναι κρυμμένα από την οπτική γωνία.

Η τεχνολογία πίσω από την καινοτομία

Τα mmWave κύματα μπορούν να διαπεράσουν κοινά εμπόδια, όπως πλαστικά δοχεία ή εσωτερικούς τοίχους, και να ανακλώνται από κρυμμένα αντικείμενα. Το σύστημα, που ονομάζεται mmNorm, συλλέγει αυτές τις ανακλάσεις και τις εισάγει σε έναν αλγόριθμο που εκτιμά το σχήμα της επιφάνειας του αντικειμένου.

Αποτελεσματικότητα και εφαρμογές

Αυτή η νέα προσέγγιση πέτυχε 96% ακρίβεια στην ανακατασκευή μιας σειράς καθημερινών αντικειμένων με πολύπλοκα, καμπυλωτά σχήματα, όπως μαχαιροπίρουνα και ηλεκτρικά εργαλεία. Οι υπάρχουσες μέθοδοι πέτυχαν μόνο 78% ακρίβεια. Επιπλέον, το mmNorm δεν απαιτεί επιπλέον εύρος ζώνης για να επιτύχει τέτοια υψηλή ακρίβεια, γεγονός που το καθιστά ιδανικό για χρήση σε διάφορους τομείς, από εργοστάσια μέχρι εγκαταστάσεις υποβοηθούμενης διαβίωσης.

Η πρόκληση της ανακάλυψης

Ο Fadel Adib, αναπληρωτής καθηγητής στο Τμήμα Ηλεκτρολογίας και Επιστήμης Υπολογιστών και διευθυντής της ομάδας Signal Kinetics στο MIT Media Lab, αναφέρει: “Ενδιαφερόμαστε για αυτό το πρόβλημα εδώ και αρκετό καιρό, αλλά συναντούσαμε εμπόδια επειδή οι προηγούμενες μέθοδοι, αν και μαθηματικά κομψές, δεν μας οδηγούσαν εκεί που θέλαμε. Χρειαζόμασταν μια εντελώς διαφορετική προσέγγιση στη χρήση αυτών των σημάτων για να ξεκλειδώσουμε νέες εφαρμογές.”

Ανακλάσεις και επιφάνειες

Οι παραδοσιακές τεχνικές ραντάρ στέλνουν σήματα mmWave και λαμβάνουν ανακλάσεις από το περιβάλλον για να ανιχνεύσουν κρυμμένα ή απομακρυσμένα αντικείμενα, μια τεχνική γνωστή ως οπίσθια προβολή. Ωστόσο, η ανάλυση εικόνας είναι πολύ χονδροειδής για μικρά αντικείμενα όπως κουζινικά εργαλεία που μπορεί να χρειαστεί να αναγνωρίσει ένα ρομπότ.

Η σημασία της κατευθυντικότητας

Οι ερευνητές του MIT συνειδητοποίησαν ότι οι υπάρχουσες τεχνικές οπίσθιας προβολής αγνοούν μια σημαντική ιδιότητα γνωστή ως κατευθυντικότητα (specularity). Όταν ένα σύστημα ραντάρ εκπέμπει mmWaves, σχεδόν κάθε επιφάνεια που χτυπούν τα κύματα λειτουργεί σαν καθρέφτης, δημιουργώντας κατευθυντικές ανακλάσεις. Αν μια επιφάνεια είναι στραμμένη προς την κεραία, το σήμα θα ανακλαστεί πίσω στην κεραία, αλλά αν είναι στραμμένη σε διαφορετική κατεύθυνση, η ανάκλαση δεν θα ληφθεί.

Η καινοτομία του mmNorm

Το mmNorm αναπτύχθηκε για να εκτιμά αυτό που ονομάζεται κανονική επιφάνεια, δηλαδή την κατεύθυνση μιας επιφάνειας σε ένα συγκεκριμένο σημείο στο χώρο, και χρησιμοποιεί αυτές τις εκτιμήσεις για να ανακατασκευάσει την καμπυλότητα της επιφάνειας σε αυτό το σημείο. Συνδυάζοντας τις εκτιμήσεις των κανονικών επιφανειών σε κάθε σημείο στο χώρο, το mmNorm χρησιμοποιεί μια ειδική μαθηματική διατύπωση για να ανακατασκευάσει το τρισδιάστατο αντικείμενο.

Πρωτότυπο και δοκιμές

Οι ερευνητές δημιούργησαν ένα πρωτότυπο mmNorm προσαρτώντας ένα ραντάρ σε έναν ρομποτικό βραχίονα, ο οποίος λαμβάνει συνεχώς μετρήσεις καθώς κινείται γύρω από ένα κρυμμένο αντικείμενο. Το σύστημα συγκρίνει την ισχύ των σημάτων που λαμβάνει σε διαφορετικές τοποθεσίες για να εκτιμήσει την καμπυλότητα της επιφάνειας του αντικειμένου.

Προοπτικές και μελλοντικές εφαρμογές

Η ομάδα δοκίμασε την ικανότητα του mmNorm να ανακατασκευάζει περισσότερα από 60 αντικείμενα με πολύπλοκα σχήματα, όπως η λαβή και η καμπύλη μιας κούπας. Δημιούργησε ανακατασκευές με περίπου 40% λιγότερο σφάλμα από τις υπάρχουσες προσεγγίσεις, ενώ επίσης εκτιμούσε τη θέση ενός αντικειμένου με μεγαλύτερη ακρίβεια. Αυτή η νέα τεχνική μπορεί επίσης να διακρίνει μεταξύ πολλών αντικειμένων, όπως ένα πιρούνι, ένα μαχαίρι και ένα κουτάλι κρυμμένα στο ίδιο κουτί. Επίσης, αποδίδει καλά για αντικείμενα κατασκευασμένα από διάφορα υλικά, αλλά δεν λειτουργεί για αντικείμενα κρυμμένα πίσω από μέταλλο ή πολύ παχιά τοιχώματα.

Η επόμενη μέρα της τεχνολογίας

Οι ερευνητές επιθυμούν να εξερευνήσουν αυτές και άλλες πιθανές εφαρμογές στο μέλλον. Επίσης, θέλουν να βελτιώσουν την ανάλυση της τεχνικής τους, να ενισχύσουν την απόδοσή της για λιγότερο ανακλαστικά αντικείμενα και να επιτρέψουν στα mmWaves να απεικονίζουν αποτελεσματικά μέσα από παχύτερες κρυψώνες. “Αυτή η εργασία πραγματικά αντιπροσωπεύει μια αλλαγή παραδείγματος στον τρόπο που σκεφτόμαστε αυτά τα σήματα και τη διαδικασία τρισδιάστατης ανακατασκευής. Είμαστε ενθουσιασμένοι να δούμε πώς οι γνώσεις που αποκτήσαμε εδώ μπορούν να έχουν ευρεία επίδραση,” δηλώνει η Dodds.

Αυτή η εργασία υποστηρίζεται, εν μέρει, από το National Science Foundation, το MIT Media Lab και τη Microsoft.

Advertisement