Online Motion-in-Depth Estimation using Event-Driven Cameras on the Humanoid Robot iCub

L'Online Motion-in-Depth Estimation rappresenta un'area di ricerca cruciale nell'ambito della robotica, in particolare per i robot umanoidi come l'iCub. Questo documento esplora l'importanza della percezione del movimento in profondità, che consente ai robot di navigare in ambienti dinamici. La percezione visiva del movimento è complessa per le telecamere tradizionali, che devono gestire grandi quantità di dati ridondanti. Le telecamere ispirate alla biologia, invece, rispondono solo ai cambiamenti di contrasto, riducendo significativamente il volume di dati da elaborare. Questo approccio innovativo è fondamentale per sviluppare pipeline di visione veloce e reattive, essenziali per il controllo dei robot in tempo reale. La tesi propone un sistema di stima del movimento in profondità online, capace di tracciare oggetti in uno spazio tridimensionale, calcolando la loro velocità lungo l'asse della profondità. L'integrazione di un tracker del centro di massa e di un estrattore di disparità è fondamentale per affrontare il problema di corrispondenza in scenari multi-oggetto.

I sistemi di motion-in-depth ispirati alla biologia offrono vantaggi significativi rispetto ai metodi tradizionali. Questi sistemi utilizzano telecamere a eventi che operano in modo asincrono, catturando solo i cambiamenti significativi nella scena. Questo approccio non solo riduce il carico computazionale, ma migliora anche la reattività del sistema. La tesi discute vari algoritmi di motion-in-depth, evidenziando l'importanza delle reti cooperative e dei sensori neuromorfici. Questi elementi sono essenziali per migliorare la precisione e l'efficienza nella percezione del movimento. L'analisi delle traiettorie di movimento e delle corrispondenze retiniche fornisce un quadro chiaro delle sfide e delle opportunità in questo campo. La capacità di tracciare più oggetti contemporaneamente è un aspetto cruciale per applicazioni pratiche, come la robotica assistiva e la navigazione autonoma.

L'applicazione del motion-in-depth nel contesto robotico è di grande rilevanza. La tesi presenta un'applicazione pratica attraverso lo sviluppo di un dimostratore di hockey su ghiaccio, che utilizza il robot iCub. Questo dimostratore non solo illustra le capacità del sistema di tracciare oggetti in movimento, ma serve anche come piattaforma per testare e validare le tecnologie sviluppate. Le esperienze pratiche dimostrano l'efficacia della pipeline di stima del movimento in profondità, evidenziando le prestazioni superiori rispetto ai metodi tradizionali. La capacità di gestire situazioni complesse, come il tracciamento di mani in movimento, sottolinea l'importanza di queste tecnologie per il futuro della robotica. Le conclusioni della tesi offrono spunti per ulteriori ricerche e sviluppi, suggerendo che l'integrazione di queste tecnologie potrebbe rivoluzionare il modo in cui i robot interagiscono con il loro ambiente.