Titelaufnahme

Titel
Object recognition for robotic grasping applications / by Thomas Muttenthaler
Weitere Titel
Object Modelling and Recognition for the Shadow Hand/Robot (Thesis together with Shadow robotics, London)
VerfasserMuttenthaler, Thomas
Begutachter / BegutachterinPrankl, Johann ; Vincze, Markus
ErschienenWien, 2017
UmfangVIII, 66 Blätter : Illustrationen, Diagramme
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2017
Anmerkung
Zusammenfassung in deutscher Sprache
Anmerkung
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)object recognition / computer vision / installation of vision methods on the Shadow robot
URNurn:nbn:at:at-ubtuw:1-101909 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Object recognition for robotic grasping applications [10.48 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Neueste Entwicklungen in der modernen Robotik zeigen, dass autonom arbeitende Roboter zusehends an Bedeutung gewinnen. Stellen Sie sich eine einfache Tätigkeit aus ihrem Alltag vor. Zum Beispiel sie wollen eine Tasse Kaffee vom Küchentisch in die Abwasch stellen. Das sollte keine große Herausforderung darstellen, zumindest nicht für einen Menschen. Soll diese Tätigkeit aber von einem Roboter erledigt werden, müssen einige Probleme gelöst werden. Zuerst muss der Tisch gefunden werden und auch die Tasse auf dem Tisch erkannt werden. Danach muss der Roboter noch eine passende Greiftrajektorie berechnen, um die Tasse richtig greifen zu können. Das Ziel dieser Arbeit ist es, ein Objekterkennungssystem in ein existierendes Robotersystem zu integrieren. Der verwendete Roboterarm ist schon in der Lage selbstständig Objekte zu greifen, aber derzeit müssen noch die Positionsdaten des zu greifenden Objektes manuell übergeben werden. Das ist natürlich zeitaufwendig und stellt eine Einschränkung dar. In dieser Arbeit habe ich verschiedene Objekterkennungsalgorithmen untersucht und diese auf die Roboterumgebung angepasst. Die ganze Objekterkennung beinhaltet auch die Modellierung von zu erkennenden Objekten. Zu guter Letzt wurde die Benutzeroberfläche des Modellierungsund Erkennungssystems überarbeitet, um eine einfache Bedienung der Software gewährleisten zu können.

Zusammenfassung (Englisch)

Recent developments in modern robotics show that making robots more autonomous is an important, but difficult task for the robotic industry. Imagine a simple pick and place scenario from our daily life. For example, taking a cup of coffee from the kitchen table and putting it in the sink. This seems like a fairly simple task, at least for a human being. If we want to teach a robot to deal with this situation autonomously, some advanced problems need to be solved. First of all the robot needs to find the table and recognize the cup of coffee. Furthermore, the robot needs to bring its arm and fingers in the right position to grasp the object properly. The goal of this thesis is to integrate an object recognition system into the framework of an existing robotic arm, which has already smart grasping algorithms implemented. Combining the vision system with these grasping algorithms enables the robotic arm to recognize and grasp objects, like a cup of coffee, autonomously. Till now the user of the robot needed to provide the location and orientation information of objects manually. Typing in this data takes time and makes the robot less autonomous. In this thesis, we tested and evaluated existing general purpose object recognition algorithms and optimized the results with respect to speed and accuracy for basic table top situations. The whole recognition process is divided into different steps, from modeling real objects to extracting location and pose of recognized objects in a given scene. Finally, we created simple interfaces of the modeling and recognition system to make it easily operable for users who are new to computer vision.