Vis enkel innførsel

dc.contributor.advisorLars Tingelstad
dc.contributor.authorEirik Wik Haug
dc.date.accessioned2019-10-19T14:01:03Z
dc.date.available2019-10-19T14:01:03Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2623328
dc.description.abstractDen presenterte oppgaven omhandler 6D pose-estimering for punktskyer, samt bin picking og konseptutvikling av robot-system. Materialet dekker beste praksis for pose-estimering og gir innsikt i kvaliteten til open-source og komersielle løs- ninger i fagfeltet. Litteratursøket kommer frem til at metoder basert på Point Pair Features er de beste alternativene for bin picking-applikasjoner per dags dato. I sammenligning med en rekke metoder på omfattende datasett, utkonkurrerer disse metodene de andre med klar margin. Oppgaven presenterer pose-estimeringsresultater for et datasett bestående av plane industrielle metalldeler med lite overflatetekstur. De to algoritmene som blir brukt er inkludert i maskinsyn-programvaren HALCON fra MVTec. Den ene av metodene bruker multimodale Point Pair Features ved å hente kantinformasjon i 2D bilder i tillegg til dybdedata. Den andre metoden bruker kun dybdedata. Datasettet er tatt opp i et laboratorie med en 3D scanner basert på strukturert lys. Delene er fra Glamox AS, en produksjonsbedrift i Molde. Resultatene fra pose-estimerings-eksperimentene viser at algoritmene er i stand til å finne et høyt antall riktige matcher. Denne høye suksessraten anses å være et produkt av høyk- valitets 3D data fra Zivid One, i kombinasjon med robuste implementasjoner av algoritmene. Eksperimentene viser også at ved å justere parametere for både 3D kameraet og pose-estimeringsalgoritmene, kan man forvente et robust og repeter- bart resultat. Oppgaven presenterer også et konseptuelt systemdesign for bin picking baset på ROS og SMACH state machines. En programvareløsning er designet for kontroll av alle komponentene i robotcellen. Løsningen er testet, og eksperimentene viser at logikken og kommunikasjonen i systemet virker som forventet. Oppgaven dan- ner et solid grunnlag for videre utvikling og arbeid på en komplett bin-picking celle. Systemet er designet for at moduler og komponenter enkelt kan settes inn, under ROS og SMACH rammeverk.
dc.description.abstractThe presented Master’s thesis is about 6D pose estimation for point clouds, bin picking and conceptual robot cell design. The material covers state of the art methods of 6D pose estimation and provides insight about the performance of open-source and commercial algorithm implementations on the topic. The liter- ature review finds that methods based on Point Pair Features is the best cur- rent approach for random bin picking applications. In comparison to a range of methods on an extensive dataset, these outperform other approaches with a clear margin. The thesis presents experimental results for a dataset consisting of planar, low texture industrial parts. The two algorithms used are included in the HALCON machine vision library from MVTec. One of these two methods, Drost-10-edge uses multimodality by edge information in 2D images in addition to the depth data. The other one, Drost-10, uses only depth data. The dataset is captured in a laboratory setup with a 3D structured light scanner. The parts are provided by Glamox AS. The results from the pose estimation experiments show that the algorithms are capable of providing a high number correct matches. The high success rate is most likely a product of high quality 3D data provided by the Zivid One camera, in combination with robust implementations of the pose es- timation algorithms. The experiments also show that by tuning the parameters for both the 3D scanner and the algorithms, robust and repeatable results can be excpected. The thesis also proposes a conceptual system design for bin picking, based on ROS and SMACH state machines. A software solution is designed for integration of the control of all the elements of the robotic cell. This solution is tested, and the experiments show that the communication and logic of the system works as desired. The thesis provides as solid base for further development and research on the random bin picking cell. The system is designed so that m
dc.languageeng
dc.publisherNTNU
dc.titleRandom Bin Picking of Low-Texture Planar Industrial Parts Using 3D Machine Vision
dc.typeMaster thesis


Tilhørende fil(er)

FilerStørrelseFormatVis

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel