Volumen- und abmessungsbasierte Objektunterscheidung mit einem Kinect 3D-Sensor für ein eingebettetes System

Abstract

Die Arbeit befasst sich mit der Anwendung eines Kinect 3D-Sensors für eine industrielle Anwendung, bei der auf einem Förderband vorbeifahrende Objekte mit den Daten des Sensors gelernt und wiedererkannt werden. Es wird dafür eine Software entworfen, welche Objekte zwischen 5 × 5 × 5[cm hoch 3] und 15 × 15 × 15[cm hoch 3] nach ihrem Volumen und ihren Abmessungen lernt und als Muster speichert.<br />Anschließend werden vorbeifahrende Objekte diesen Mustern zugeordnet.<br />Ein Aspekt der Software soll die Anwendbarkeit auf einem eingebetteten System sein, was in Bezug auf Rechenaufwand und Speicherverbrauch berücksichtigt werden muss. Zur Lösung wird zuerst auf die unterschiedlichen Möglichkeiten der Datengewinnung von dem 3D-Sensor eingegangen bzw. wird dargestellt, wie diese in 3D-Koordinaten umgewandelt werden können. Aus diesen 3D-Daten werden dann mit möglichst wenig Rechenaufwand die zu bestimmenden Objektgrößen ermittelt, wobei auf einige bei der Berechnung zu berücksichtigende hardwarespezifische Eigenheiten der 3D-Daten des Sensors eingegangen wird.<br />Nach der Beschreibung der Implementierung der Software wird die Genauigkeit und Zuverlässigkeit des Sensors bei der Darstellung einzelner Objekte angegeben, wobei auf den Einfluss der Entfernung und der Objektmaterialien eingegangen wird. Abschließend wird das Verhalten der Kombinaten aus dem 3D-Sensor und der entwickelten Software mit einer Testreihe mit 24 verschiedenen Objekten analysiert.<br />Die verschiedenen Tests definieren die Anforderungen an die Beschaffenheit der Objekte sowie die Art der Montage des Sensors. Werden diese Anforderungen eingehalten ist die Lösung der Aufgabe mit dieser Hardware möglich, sogar die Erkennung kleinerer Objekte denkbar. Um im angegebenen Größenbereich eine gute Unterscheidbarkeit der Objekte zu erreichen, müssen die Objektkriterien der gelernten Muster einen Unterschied von mindestens 5% aufweisen.<br />

This master thesis deals with the question of using the Kinect 3D-Sensor in the industrial application of learning and recognizing objects moving on a band conveyor. Therefore a software is implemented, which first learns objects from 5 × 5 × 5[cm hoch 3] to 15 × 15 × 15[cm hoch 3] by their volume and size. These characteristics are kept as patterns and further used for recognizing repeatedly passing objects. An aspect of the software should be the usability on an embedded system, which defines limitations to the complexity of the software. Different types of acquiring data from the 3D-Sensor and the transformation to 3D-Coordinates are shown. The further calculations of the object characteristics are kept modest to be able to be handled by an embedded system. Also hardware-specific characteristics of the acquired 3D-Data are taken into account in all calculations.<br />The performance of the sensor in case of different object materials and distances is estimated. Also the performance and reliability of the combination of the sensor and the software are tested. Therefore the process of learning and recognizing 24 different objects by the software is analyzed.<br />The results are interpreted to define requirements for the objects to guarantee a proper usage of the sensor for this application. If these requirements are kept in mind, the recognition of objects of the given size is possible, even smaller objects could be used. In the given range, objects which differ in their characteristics bigger than 5% are well distinguishable.