to.cam = transformare relativa care descrie pozitia si orientarea (sistemul de coordonate atasat 
	planului imaginii fata de SC atasat RI); leaga lumea imaginii, exprimata in pixeli, de lumea
	robotului, exprimata in mm;  
vis.loc = amplasamentul atasat obiectului(piesa locaizata in scena), este SC atasat in centru de masa; 
	calculul in timp real;
grip.tras = amplasamentul SC din varful robotului, in functie de unde se afla piesa; stilul de 
	prindere impus; leaga SC din varful robotului de cel din baza;
piesa.loc = reprezinta amplasamentul din varful robotului fata de pct fix(piesa); compunerea celor 3;
look and move = folosita in peste 90% din aplicatii din cauza simplitatii;
Imagine analogica = reprezinta o functie f(x,y) > 0 de intensitatea luminoasa unde x, y sunt coordonate
	spatiale ale pixelululi(pct in care analizam intensitatea);
Imagina digitala = f*(x,y) se obtine prin esantionare spatiala si cuantificare a semnalului spatial;
binarizare : 
{
	prag de binarizare = default = 63, se foloseste pent	ru a obtine max de info din img analizata;
	binarizarea = transforma nivelurile de gri in binar;
}

======================================================================================================

EFT =? look and move;
Camera fizica = obiectul fizic, traductor;
Camera virtuala = concept informational(set de date); fiecare camera fizica poate avea cate 2 
	camere virtuale; La adept avem 4 fizice cu 8 virtuale;
Iluminare = functionare buna este determinata de un sistem de iluminat in proportie de 65%;
	luminarea trebuie sa fie invarianta, de aceea trebuie izolata camera la lumina naturala;
	luminarea trebuie sa fie uniforma, adica jaluzele trase si cat mai multe neoane aprinse;
	luminarea poate fi frontala(gen neoane) sau in diascopie(lumina vine de jos, gen piesele 
	sunt puse pe sursa de lumina);
Metoda de recunoastere explicita = bazata pe valorile numerice ale unor trasaturi definit pentru clase 
				de obiecte(gen o trasatura poate fii nurmarul de gauri);
Metoda de recunoastere implicita = bazata pe invatarea unui model(VPICTURE);

======================================================================================================

Pasi de lucru:
{
	1. Ajustare parametrii fizici ai camerei;
	2. Calibrare camera;
	3. Calibrare camera - robot;
	4. Invatarea modelelor de piese;
	5. Invatam offset de prindere;
}
Modalitati de a folosi VA:
{
	1. Look and move
	2. Visual Servoing - se foloseste vederea in timp ce miscam robotu;
}

======================================================================================================

Camera virtuala:
{
	1. Switches
	2. Parameters
	3. Modele
	4. VQUEUE
}

Modele:
{
	1. Model camera - robot aka. calibrare -- obligatoriu!!;
	2. Model scena - robot aka. recunoastere de obiecte;
	{
		explicita = bazata pe parametrii(arie, perimetru, nr de gauri, etc);
		implicita = bazata oe modele ale claselor de obiecte;
	}
	3. Model robot - obiect aka. de prindere(exprima amplasamentul unui SC);
	4. Modelul gripper - scena aka. evitare coliziuni;
}

VQUEUE = zona de memorie in care se depune informatia despre toate obiectele detectate si eventual 
	recunoscute;
Histograma = contine nivelurile de gri calculate sAU frecventa de aparitie a nivelurilor de gri
		de aici se extrage minimul absolut si este folosit ca si prag de binarizare;


======================================================================================================

Metoda de recunoasterea a obiectelor explicit:
{
	1. Se selecteaza setul de trasaturi care face discriminarea intre clase;
	2. Se invata valorile numerice ale trasaturilor pentru fiecare clasa;
	3. Se retin valorile min si max pentru trasaturi;
}
Metoda de recunoastere a obiectelor implicit:
{
	1. Training = invatare de modele pentru fiecare clasa; etapa se face offline printr-o 
		comanda monitor;
	2. Planning = planificarea recunoasterii; offline pentru fiecare  model fara schimbarea 
		iluminarii;
	3. Search = recunoasterea; in timp real;
}

======================================================================================================