6-DOF lokalizace objektů v průmyslových aplikacích

Loading...
Thumbnail Image
Date
ORCID
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Cílem práce je navrhnout metodu, která lokalizuje objekt v bodovém mračně a co nejpřesněji odhadne 6D pózu předem známých objektů v průmyslové scéně pro bin picking. Návrh řešení je inspirován sítí PoseCNN. Součástí řešení je i simulátor scén, který generuje umělá data. Simulátor je použit k vygenerování trénovací datové sady obsahující 2 objekty pro trénování konvoluční neuronové sítě. Síť je otestována na anotovaných reálných scénách a dosahuje nízké úspěšnosti, pouze 23.8 % a 31.6 % úspěšnosti pro odhad translace a rotace pro jeden typ a pro druhý objekt 12.4 % a 21.6 %, přičemž tolerance pro správný odhad je 5 mm a 15°. Avšak použitím algoritmu ICP na odhadnuté výsledky je dosažena úspěšnost odhadu translace 81.5 % a rotace 51.8 % a pro druhý objekt 51.9 % a 48.7 %. Přínosem této práce je vytvoření generátoru a otestování funkčnosti sítě na malé objekty. 
The aim of this work is to design a method for the object localization in the point could and as accurately as possible estimates the 6D pose of known objects in the industrial scene for bin picking. The design of the solution is inspired by the PoseCNN network. The solution also includes a scene simulator that generates artificial data. The simulator is used to generate a training data set containing 2 objects for training a convolutional neural network. The network is tested on annotated real scenes and achieves low success, only 23.8 % and 31.6 % success for estimating translation and rotation for one type of obejct and for another 12.4 % and 21.6 %, while the tolerance for correct estimation is 5 mm and 15°. However, by using the ICP algorithm on the estimated results, the success of the translation estimate is 81.5 % and the rotation is 51.8 % and for the second object 51.9 % and 48.7 %. The benefit of this work is the creation of a generator and testing the functionality of the network on small objects
Description
Citation
MACUROVÁ, N. 6-DOF lokalizace objektů v průmyslových aplikacích [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a multimédia
Comittee
doc. RNDr. Pavel Smrž, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) prof. RNDr. Milan Češka, CSc. (člen) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Peter Chudý, Ph.D., MBA (člen) Ing. Igor Szőke, Ph.D. (člen)
Date of acceptance
2021-06-21
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Z jakého důvodu používá simulátor ortogonální a nikoliv perspektivní projekci? Soubory Data.ply (reálný nebo simulovaný výstup 3D senzoru) obsahují velké množství 3D bodů s hodnotou NAN. Jak s takovými hodnotami dále pracujete v konvoluční síti? Proč je chyba pro x-souřadnici v Tabulce 7.2 výrazně vyšší než pro y-souřadnici? Proč je úspěšnost pro "mix" vyšší než u čistých sad Metal nebo Opener (Tabulka 7.4)? Dotaz na tvorbu simulátoru.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO