National Repository of Grey Literature 2 records found  Search took 0.00 seconds. 
3D point cloud segmentation for industrial bin-picking
Šooš, Marek ; Škrabánek, Pavel (referee) ; Shehadeh, Mhd Ali (advisor)
Diplomová práca sa zaoberá segmentáciou 3D mračna bodov pre priemyselné výbery zo zásobníkov, čo je kľúčová výzva v oblasti priemyselnej robotiky. Cieľom práce je navrhnúť a implementovať efektívny algoritmus na segmentáciu a registráciu 3D bodov mračien, a tým vylepšiť presnosť, rýchlosť a efektívnosť bin-picking operácií. Prínosom diplomovej práce je prezentácia autorovho vlastného riešenia vytvárania umelo generovaných dát potrebných na trénovanie. Výsledkom práce je symbióza výhod rýchleho segmentáčného algoritmu založeného na strojovom učení, a kvalitného, robustného ale pomalého registračného algoritmu založeného na geometrickom princípe. Funkčnosť, spoľahlivosť a kvalitu vytvoreného algoritmu boli verifikované aj experimentálne na rôznych typoch objektov a rôznych datasetoch. Výsledky práce ukazujú, že navrhnutý algoritmus prináša rýchle, spoľahlivé, a komplexné riešenie problému bin-picking. Generovanie dát na mieru znižuje čas a náklady na aplikáciu takéhoto systému. V spojení s komplexným systémom riešenia problému, je možné jednoducho vytvárať riešenia pre rozmanite a špecializovane úlohy bin-pickingu. Dosiahnutými výsledkami prispieva k rozvoju metód segmentácie bodových mračien a ich aplikácií v rôznych priemyselných a vedeckých oblastiach. Zavedením navrhnutého systému do praxe, výrazne prispeje k zvýšeniu výkonnosti a spoľahlivosti navrhovanej automatickej linky.
Vehicle Classification Using Radar
Gottwald, Vilém ; Zemčík, Pavel (referee) ; Maršík, Lukáš (advisor)
Cílem této práce je rozpoznávání vozidel z radarových mračen bodů. Radar poskytuje informace o vzdálenosti a úhlu každého detekovaného cíle. Tyto informace lze převést do kartézského souřadnicového systému a získat tak 3D reprezentaci scény ve formě mračna bodů. V této práci jsou představeny stávající přístupy k rozpoznávání objektů v mračnech bodů. Metoda zvolená pro tuto práci spočívá v detekci objektů pomocí shlukování bodů a následné klasifikaci pomocí rekurentní neuronové sítě. Shluky bodů reprezentující objekty jsou vytvářeny z mračen bodů pomocí modifikovaného algoritmu DBSCAN. Z jednotlivých objektů jsou extrahovány příznaky, které jsou využity pro klasifikaci na různé typy vozidel pomocí neuronové sítě s dlouhodobou krátkodobou pamětí (LSTM). Pro trénování a vyhodnocení modelu byla vytvořena datová sada obsahující 57 345 anotovaných objektů. Vyvinutý model dosáhl na těchto datech 83% přesnosti metriky F1-skóre.

Interested in being notified about new results for this query?
Subscribe to the RSS feed.