Applicazioni di visione stereoscopica per sistemi embedded in agenti autonomi

I principali problemi da risolvere sono due: la localizzazione e il rilevamento degli ostacoli. Il sistema autonomo, percepisce l'ambiente circostante mediante l'impiego di sensori ed utilizza queste informazioni per determinare la sua posa nel mondo e per riconoscere possibili ostacoli. Tra i sensori più utilizzati in ambito automotive, droni, etc.. vi sono le telecamere: queste sono, generalmente, più economiche di soluzioni come lidar e laser scanner, e hanno il vantaggio di restituire una informazione ricca e densa, seppur rumorosa. \ Tuttavia l’elaborazione dei dati ottenuti con questo tipo di sensore risulta molto complessa e le soluzioni proposte allo stato dell’arte richiedono hardware specializzato e caratterizzato da consumi energetici elevati.\ Questa tesi ha come obiettivo la presentazione di due algoritmi basati su mappe di disparità: un supporto alla localizzazione basato su keyframe e un rilevatore di ostacoli. In particolare gli approcci sviluppati sono stati realizzati per essere eseguiti su chip caratterizzati da un ridotto consumo energetico. Tali chip sono stati realizzati dall’azienda Ambarella per la quale è stato svolto il dottorato. \ L’algoritmo di keyframe localization realizzato utilizza nello specifico una coppia di immagini 4K a 30fps e una disparità sparsa per dare supporto ad un filtro di localizzazione e consentire l'atterraggio in determinati basi con un errore inferiore ai 15cm. L’algoritmo di rilevazione degli ostacoli utilizza una mappa di disparità densa con una risoluzione di 4K per riuscire a individuare oggetti piccoli (dai 7cm ai 40cm) quali ad esempio coni stradali alti 30cm, rilevabili ad una distanza di 92m, e oggetti di grandi dimensioni come pedoni a una distanza di 150m.