As câmeras duais olho-de-peixe compactas existem há quase dez anos e oferecem um campo de visão sem limites de 360 graus. Sua resolução, sempre em crescimento, atinge hoje até 70 milhões de pixels e proporciona um excelente campo de visão para diferentes tipos de robôs.
Mas como essas imagens de 360 graus são projetadas em um plano para serem processadas, elas induzem a muitas distorções, da mesma maneira que quando queremos achatar um mapa do mundo a partir de um globo terrestre. O processamento dessas distorções pode revelar-se particularmente pesado para aplicações em tempo real.
O corte da esfera em células, assim como suas projeções na imagem.
© Antoine André
Pesquisadores do Joint Robotics Laboratory (JRL, AIST/CNRS) e do laboratório Modelagem, Informação & Sistemas (MIS, Universidade de Picardia Jules Verne) propuseram um novo tipo de representação esférica, chamado Uniform spherical mapping of omnidirectional images (UniphorM), onde eles transformam as imagens adquiridas para um tipo de malha esférica regular de uma geometria até então marginal no estado da arte.
Eles assim mostraram que uma redução significativa da resolução, para menos de 1000 pixels apenas, permite a um robô estimar sua orientação no espaço e reconhecer locais tão bem quanto em resoluções bem superiores, para uma complexidade algorítmica e uma ocupação de memória mínimas.
Os cientistas obtiveram esse resultado aplicando seus cálculos diretamente sobre a esfera, subdividindo-a e atribuindo cada pixel como um de seus vértices. A esfera é para isso aproximada em um icosaedro, um sólido de vinte faces. Essa abordagem foi validada em vários tipos de robôs. Contam-se assim dois drones aéreos, um hexacóptero e uma asa voadora, um braço robótico de seis graus de liberdade, e robôs móveis.
Essas diferentes máquinas foram capazes de realizar duas tarefas importantes em robótica, que são estimar sua orientação no espaço e reconhecer locais. A primeira consiste em realinhar suas duas imagens esféricas para recuperar um conjunto correto, o que aqui foi feito com 95% de sucesso. O reconhecimento de locais consiste em ser capaz de reconhecer as imagens de um percurso em condições diferentes de iluminação, horário, clima... Uma tarefa onde o novo algoritmo revelou-se 40% mais eficaz que o estado da arte. A baixa resolução empregada é aliás compatível com o respeito à privacidade, já que não permite reconhecer rostos.
Os pesquisadores interessam-se agora por uma nova tarefa importante em robótica: a servovisão. Trata-se de tirar uma imagem em uma posição desejada, e controlar o movimento do robô para alcançar essa posição a partir de outra.