|
|
Bin Picking a robotické vidění
Múčka, Jan ; Parák, Roman (oponent) ; Matoušek, Radomil (vedoucí práce)
Cílem této diplomové práce je popsat přístup robotického vidění pro aplikaci Bin Picking a vytvořit aplikaci pro realizaci této úlohy. Tato aplikace bude schopna rozlišit několik zvolených objektů na základě dat z kamery s hloubkovým vjemem a měla by umět hledaný objekt lokalizovat, rozeznat ho a v daném místě určit jeho polohu a orientaci. Řešení úlohy Bin Picking patří mezi největší výzvy v automatizaci a robotizaci dnešní doby.
|
|
|
6-DOF lokalizace objektů v průmyslových aplikacích
Macurová, Nela ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
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.
|
|
|
Využití "Bin pickingu" v průmyslu.
Jirků, Lukáš ; Jirgl, Miroslav (oponent) ; Baštán, Ondřej (vedoucí práce)
Tato bakalářská práce má za cíl seznámení se s technologií robotického výběru náhodně orientovaných objektů (bin picking) a následnou realizaci demonstrující úlohy. Dále se seznámíme s jednotlivými komponenty (robot, skener, PLC) a definujeme požadavky na komunikační rozhraní mezi jednotlivými komponenty. Poté popíšeme demonstrační úlohu a navrhneme komunikační rozhraní. Následně implementujeme navržené komunikační rozhraní a realizujeme demonstrační úlohu.
|
|
|
Bin Picking for 2D objects
Robota, Jakub ; Parák, Roman (oponent) ; Matoušek, Radomil (vedoucí práce)
The goal of this bachelor thesis was to process issues of bin picking and to design an aplication for 2D robot vision used for object identification with practical aplication with the use of moving object on axis. Theoretical part of thesis contains research of bin picking and detailed research of methods used in computer vision. Practical part of thesis describes the program which was developed in MATLAB and algorithms, which are used in this program. End of practical part of thesis also describes real use of this program for detecting an object which is moving on axis.
|
|
|
Identifikace 3D objektů pro robotické aplikace
Hujňák, Jaroslav ; Návrat, Aleš (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato diplomová práce se zabývá popisem přístupu robotického 3D vidění pro aplikaci bin picking. Práce se zaměřuje na identifikaci sfér v pointcloudech nasnímaných 3D skenerem a otestování nové metody založené na konformní geometrické algebře (CGA). Rychlost, přesnost a škálovatelnost této metody je porovnána s tradiční metodou založenou na deskriptorech. Testováním bylo prokázáno, že CGA dosahuje pro testované pointcloudy obdobné přesnosti jako metoda založená na deskriptorech, ale za významně kratší čas. Přístup pomocí metody CGA se jeví slibně pro budoucí použití v robotickém 3D vidění pro identifikaci a lokalizaci sfér.
|
|
|
Differentiable Depth Estimation for Bin Picking
Černý, Marek ; Klusáček, David (vedoucí práce) ; Šikudová, Elena (oponent)
Tato práce zkoumá možnosti rekonstrukce povrchu pro bin picking pomocí neuronových sítí. Při zkoumání článků z 2014-2018 se ukázalo, že stávající metody nejsou použitelné. Proto jsme vytvořili vlastní nízkourovnový přístup nazvaný EmfNet. Sít používá pyramidové zjemnování rozlišení, kde se na každé urovni pyramidy výpoctu úcastní tři oddělené sítě s jasne definovaným učelem, coz umožnuje témer kompletní pochopení fungování sítě. Model EmfNet byl již částecně použitelný, ale byl rozšířen na EmfNet-v2. Jednak dostal novou meřící vrstvu, aby nezávisel na zbytečném hyperparametru, hlavne ale bylo využito geometrických omezení k tomu, aby sit nemátly okluze (případy, kdy je určitá část povrchu vidět jen z jedné kamery). Obě sítě jsme implementovali a testovali na vlastnim korpusu jak renderovaných tak realných dat. Process párování korespondencí uvnitř sítě lze sledovat po- mocí vizualizace. Navrhli jsme způsob, jak využít robotickou ruku a SMF software k tomu, abychom relativně rychle získali potřebne mnozství dat pro natrénování modelu. Zatím nejlepší model zvládne zrekonstruovat 80% povrchu s chybou menší než 2 mm za čas pod 1 sekundu. 1
|
|
|
6-DOF lokalizace objektů v průmyslových aplikacích
Macurová, Nela ; Španěl, Michal (oponent) ; Hradiš, Michal (vedoucí práce)
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.
|
|
|
Identifikace 3D objektů pro robotické aplikace
Hujňák, Jaroslav ; Návrat, Aleš (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato diplomová práce se zabývá popisem přístupu robotického 3D vidění pro aplikaci bin picking. Práce se zaměřuje na identifikaci sfér v pointcloudech nasnímaných 3D skenerem a otestování nové metody založené na konformní geometrické algebře (CGA). Rychlost, přesnost a škálovatelnost této metody je porovnána s tradiční metodou založenou na deskriptorech. Testováním bylo prokázáno, že CGA dosahuje pro testované pointcloudy obdobné přesnosti jako metoda založená na deskriptorech, ale za významně kratší čas. Přístup pomocí metody CGA se jeví slibně pro budoucí použití v robotickém 3D vidění pro identifikaci a lokalizaci sfér.
|
|
|
Využití "Bin pickingu" v průmyslu.
Jirků, Lukáš ; Jirgl, Miroslav (oponent) ; Baštán, Ondřej (vedoucí práce)
Tato bakalářská práce má za cíl seznámení se s technologií robotického výběru náhodně orientovaných objektů (bin picking) a následnou realizaci demonstrující úlohy. Dále se seznámíme s jednotlivými komponenty (robot, skener, PLC) a definujeme požadavky na komunikační rozhraní mezi jednotlivými komponenty. Poté popíšeme demonstrační úlohu a navrhneme komunikační rozhraní. Následně implementujeme navržené komunikační rozhraní a realizujeme demonstrační úlohu.
|
|
|
Differentiable Depth Estimation for Bin Picking
Černý, Marek ; Klusáček, David (vedoucí práce) ; Šikudová, Elena (oponent)
Tato práce zkoumá možnosti rekonstrukce povrchu pro bin picking pomocí neuronových sítí. Při zkoumání článků z 2014-2018 se ukázalo, že stávající metody nejsou použitelné. Proto jsme vytvořili vlastní nízkourovnový přístup nazvaný EmfNet. Sít používá pyramidové zjemnování rozlišení, kde se na každé urovni pyramidy výpoctu úcastní tři oddělené sítě s jasne definovaným učelem, coz umožnuje témer kompletní pochopení fungování sítě. Model EmfNet byl již částecně použitelný, ale byl rozšířen na EmfNet-v2. Jednak dostal novou meřící vrstvu, aby nezávisel na zbytečném hyperparametru, hlavne ale bylo využito geometrických omezení k tomu, aby sit nemátly okluze (případy, kdy je určitá část povrchu vidět jen z jedné kamery). Obě sítě jsme implementovali a testovali na vlastnim korpusu jak renderovaných tak realných dat. Process párování korespondencí uvnitř sítě lze sledovat po- mocí vizualizace. Navrhli jsme způsob, jak využít robotickou ruku a SMF software k tomu, abychom relativně rychle získali potřebne mnozství dat pro natrénování modelu. Zatím nejlepší model zvládne zrekonstruovat 80% povrchu s chybou menší než 2 mm za čas pod 1 sekundu. 1
|
host ::
RSS.