Englische Übersetzung des Titels: Methods for 6 DoF Object Recognition from Depth Images

Vorschau

PDF, Deutsch Download (11MB) | Nutzungsbedingungen

Abstract

Im Rahmen der vorliegenden Arbeit wurde ein neues Software-System zur Objektlageerkennung aus Tiefenbildern unter teilweiser Hinzunahme bekannter Einzelalgorithmen komplett implementiert. Es umfasst die Bildaufnahme und Tiefenbildrekonstruktion aus den Daten einer Stereokamera mit Musterprojektion, die Segmentierung der Objektpunkte vom Hintergrund sowie die Grob- und Feinlageerkennung. Ein zusätzlich integriertes Modelltraining erlaubt es, alle für die Lageerkennung eines Bauteiletyps notwendigen Grunddaten automatisch und innerhalb kurzer Zeit zu erfassen. Die Evaluation des implementierten Gesamtsystem anhand eines für die Produktion bei der Robert Bosch GmbH repräsentativen Bauteilespektrums zeigte, dass mehr als 40% der Bauteiletypen mit der erforderlichen Genauigkeit erkannt und damit im üblichen Anwendungsfall von einem Montageroboter zuverlässig gegriffen werden können. Die Taktzeitvorgabe von durchschnittlich 0,5 Sekunden pro Objektlage-Erkennungsvorgang wird ohne Hardwarebeschleunigung eingehalten. Mit dem Ziel, das Spektrum der erkennbaren Bauteiletypen zu erweitern, wurden die verbliebenen Hauptursachen für Fehl-Erkennungen herausgearbeitet. An erster Stelle steht demnach eine unzureichende Tiefenbildrekonstruktion, die insbesondere im Falle von Glanzpunkten auf der Oberfläche der beleuchteten Objekte auftreten kann. Im abschließenden Kapitel wird dargestellt, dass Lichtfelder ein zielführendes Konzept zur Tiefenbildrekonstruktion bieten, das gegenüber Glanzflecken robust ist und darüber hinaus durch Übertragung der in der Stereotiefenbildrekonstruktion angewandten Methode der Musterprojektion wesentlich verbessert und weiter ausgebaut werden kann.

Übersetzung des Abstracts (Englisch)

This thesis describes a emph{new software system for object position recognition from depth images}. It was completely implemented during the course of this work partially taking proven algorithms into account. The system comprises image acquisition and depth image reconstruction from data taken by a stereo camera with pattern projection, segmentation of object points from background and finally course and fine position recognition. In addition a fast model training has been integrated which provides an automatic acquisition of all data needed for an arbitrary object type. Due to the evaluation of the system on a component spectrum representative for assembly lines at Robert Bosch GmbH shows more than 40% of the object types being recognized precisely enough to be reliably picked up by a robot. Cycle time requirements of 0.5 seconds have been met without hardware acceleration. Primary causes of deviation in position accuracy were elaborated in order to broaden the spectrum of detectable components. In particular, insufficient depth image reconstruction causes position deviations, mostly due to highlighted surface points on the illuminated object. The concept of light fields is introduced which not only avoids any impact of highlighted surface points but also can be improved substantially by pattern projection.