Localizzazione di oggetti a partire da immagini di profondità

L'uomo è in grado di riconoscere e localizzare una moltitudine di oggetti in pochi istanti e con uno sforzo contenuto. Lo scopo della visione artificiale è quello di replicare questa intelligenza in modo da poterla portare in un sistema artificiale. Il rilevamento di oggetti nella visione artificiale è la capacità di trovare un determinato oggetto in una sequenza di immagini o video. Solitamente per ottenere risultati significativi si utilizzano algoritmi che sfruttano il machine learning o il deep learning. Tuttavia queste tecniche di machine learning hanno i seguenti problemi: richiedono molto tempo per l'addestramento e sono troppo pesanti per piattaforme robotiche/embedded/mobile per poter permettere una localizzazione fluida (con un numero di frame per secondo accettabile). L'obiettivo di questo elaborato di tesi è la progettazione e lo sviluppo di un sistema in grado di localizzare uno specifico oggetto in una sequenza di immagini o video in tempi soddisfacenti, in modo tale da poterlo utilizzare anche in tempo reale. Tale sistema è proposto come evoluzione e sostituzione di quello attualmente utilizzato in CoRe50, dove viene utilizzata una finestra fissa in cui un utente umano deve necessariamente posizionarvi l'oggetto. In questa tesi si approfondiranno i motivi che rendono la localizzazione di oggetti importante nella computer science, gli ambiti dove viene utilizzata, le metodologie che si possono adottare, i dispositivi che vengono impiegati per la raccolta delle immagini o dei video ed alcuni datasets utilizzati. Infine si esplorerà la soluzione adottata.