Robot-assisted reconstruction of objects based on iterative geometric approximation

Abstract

In dieser Arbeit wird ein robotergestütztes 3D Rekonstruktionssystem für einen experimentellen Aufbau an der TU Wien entwickelt. Dieser Aufbau besteht aus einer Tiefenkamera, einem siebenachsigen kollaborativen Roboter und zwei Linearachsen. Einerseits können mit dem entwickelten Rekonstruktionssystem Objekte von zuvor manuell definierten Kameraposen gescannt werden. Hierfür wird eine automatische Reihenfolgeoptimierung vorgestellt, um die Dauer des Rekonstruktionsprozesses zu minimieren. Des Weiteren wird ein autonomer Betriebsmodus entwickelt. Dazu wird ein neuartiger View Planning-Algorithmus präsentiert, der geeignete Kameraposen anhand einer iterativ verbesserten geometrischen Approximation des zu scannenden Objekts wählt. Konzepte der Reihenfolgeoptimierung werden wieder aufgegriffen, um die nächstbeste Kamerapose zu selektieren. Der View Planning-Algorithmus eliminiert die Notwendigkeit, Kameraposen manuell festzulegen und ermöglicht somit eine Rekonstruktion unbekannter Objekte mit minimaler menschlicher Interaktion. Simulationsstudien demonstrieren die Eignung der implementierten Algorithmen. Darüber hinaus wird das entwickelte Rekonstruktionssystem an einem bestehenden robotischen System ohne Linearachsen getestet, um diese Arbeit in Experimenten zu validieren. Es zeigt sich, dass der vorgeschlagene View Planning-Algorithmus in der Lage ist, unbekannte Objekte mit hoher Genauigkeit zu erfassen.

In this work, a robotic 3D reconstruction system is developed for an experimental setup at TU Wien. This setup consists of a 3D camera, a seven-axis collaborative robot and two linear axes. On the one hand, the developed reconstruction system can scan objects from manually predefined views. An automatic sequence optimization is presented to minimize the duration of the reconstruction process. Furthermore, an autonomous mode of operation is developed. For this purpose, a novel view planning algorithm is presented that determines suitable views based on an iteratively refined geometric approximation of the object to be scanned. Concepts of sequence optimization are revisited to select the next best view. The view planning algorithm eliminates the need to specify views manually, enabling a reconstruction of unknown objects with minimal human interaction. Simulation studies demonstrate the suitability of the implemented algorithms. In addition, the developed reconstruction system is tested on an existing robotic system without linear axes to validate this work in experiments. It is shown that the proposed view planning algorithm is capable of scanning unknown objects with high accuracy.