Biegelbauer, G. (2006). Efficient part feature and object detection by fitting geometric models to range image data [Dissertation, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-20018
E376 - Institut für Automatisierungs- und Regelungstechnik
-
Date (published):
2006
-
Number of Pages:
140
-
Keywords:
industrial automation; object detection; 3D image processing; range image /geometry; sensor-guided robotics; laser range sensor; superquadric
en
Industrielle Automation; Objekt Detektion; 3D Bildverarbeitung; Tiefenbild; Geometrie; sensorgeführte Robotik; Laserabstandsensor; Superquadric
de
Abstract:
In der industriellen Automation ermöglicht der Gebrauch von Robotern die Produktion von großen Stückzahlen. Allerdings versuchte man im letzten Jahrzehnt, durch den flexiblen Einsatz des Roboters, die Stückzahlen zu reduzieren oder gar die Losgröße Eins zu erreichen. In diesem Zusammenhang spielen jedoch Sensoren für das eigenständige Verhalten des Roboters eine wichtige Rolle, wobei den bildgebenden Verfahren für das Erfassen der Roboterumgebung eine besondere Bedeutung zukommt. Laser Sensoren sind dafür besonders gut geeignet, da diese die zu handhabenden Objekte präzise erfassen können. Allerdings ist es in den industriellen Anwendungen oft nur möglich die Objekte von einer Seite zu scannen, wobei die dadurch enstehenden Abschattungen für die Bildverarbeitung eine besondere Herausforderung darstellen. Deshalb ist eine verlässliche Objektdetektion für den flexiblen Robotereinsatz, besonders aber für Greifoperationen, notwendig. Aufgrund der Tatsache, dass die Objekte nur von einer Seite gescannt werden, fehlt die Information der Rückseite und ein modellbasierter Ansatz zur Objektdetektion is notwendig. In der Literatur findet man viele aufwendige Methoden volumetrische Objektbeschreibungen in Tiefenbilddaten einzupassen, jedoch verlangen industrielle Anforderungen schnelle und robuste Objektdetektionen. Deswegen beschäftigt sich diese Dissertation mit industriell einsetzbaren und effizienten Methoden zur Teile- und Objektdetektion durch Einpassen von geometrischen Modellen in Tiefenbilddaten.<br />
de
Industrial automation is characterized through the use of robots utilizing large batch size productions. Indeed, the trend in the last decade points towards the flexible use of the robot for pure customization up to lot size one production. Sensors plays in this content a major role for an autonomous behaviour, where vision sensors get more and more important to acquire the robot's environment. Laser range sensors are predestinated to precisely obtain range images of the objects to be handled. In industrial applications mainly single-view range images can only be obtained and therefore, the challenging image processing task is to handle the object- and self-occlusions. Therefore, reliable object detection is necessary for flexible robot handling, especially for grasping tasks. Due to the one-view characteristic of the range images the rear side of the objects is not present and dealing with this restriction a model-based approach is desired for an object detection in 3D space. In the literature there are a lot of expensive methods fitting volumetric object descriptions to range data, but industrial requirements need fast and robust detections. Hence, this thesis investigates efficient part feature and object detection methods by fitting geometric models to range image data, suited for industrial use.