Детектирование и определение позиции 3D-объектов в облаке точек на примере задачи подбора паллеты автономным вилочным погрузчиком

Введение 8
1. Обзор литературы 11
2. Объект и методы исследования 19
2.1. Постановка задачи 19
2.2. Используемые алгоритмы 19
3. Расчеты и аналитика 25
3.1. Определение регистрации 25

5. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 37
6. Социальная ответственность 63
Заключение 64
Список публикаций студента 66
Список использованных источников 67
Приложение A. Обзор литературы на английском языке 70
Приложение B. Исходный код программы 78
Купить

Цель работы – исследование, реализация и анализ алгоритмов для
решения задачи детектирования и определения положения 3D-объектов в
облаках точек на примере задачи подбора паллеты автономным вилочным
погрузчиком на основе данных, полученных при помощи сенсора Kinect.
В процессе выполнения ВКР проводилось исследование, реализация и
анализ алгоритмов для решения задачи детектирования и определения позиции
3D объектов в облаках точек.
В ходе работы выявлены основные алгоритмы, применяемые для решения
поставленной задачи, выполнено сравнение и анализ реализованных
алгоритмов.
Область применения: полученные результаты с учетом возможных
улучшений могут быть использованы для распознавания 3D-объектов в облаках
точек, например, для автоматизации подбора паллеты автономным вилочным
погрузчиком.
Экономическая эффективность/значимость работы заключается в том что
результаты работы могут быть применены для автоматизации процесса подбора
паллеты автономными вилочными погрузчиками, что позволит снизить затраты
на персонал, сделать склады более эффективными, уменьшить человеческий
фактор.
В будущем планируется улучшить полученные алгоритмы и
протестировать на данных реального склада.

Введение
В решении задач по распознаванию изображений произошел большой прорыв в последние несколько лет всвязи с развитием глубинного обучения (deep learning) и повышением вычислительных мощностей,
доступных исследователям по всему миру. Одной из проблем при применении алгоритмов распознавания изображений является неравномерность освещенности. При этом часто используются локальные признаки
изображений, зависящих не от значения яркости конкретного пикселя,
а от разницы значений яркостей пикселей в некоторой локальной области изображения (градиенты изображения). Однако даже в этом случае
невозможно распознать что-либо в полной темноте. В этой ситуации информации только о цвете пикселя в конкретной точке недостаточно и
одним из решений этой проблемы является использование карты глубины (насколько далеко от камеры расположены точки, соответствующие
пикселям) и, соответственно, решение новой задачи - распознавания и
определения положения 3D объектов в облаках точек (облако точек -
совокупность глубины точки, координаты и цвета пикселя).
Одной из многочисленных областей применения алгоритмов определения позиции 3D-объектов является робототехника, а в частности
автономные вилочные погрузчики - индустриальные грузовые машины, используемые для подбора и перемещения грузов на короткие расстояния (рис. 1). Они активно используются на различных предприятиях. Для того, чтобы уменьшить расходы на зарплаты сотрудников, сократить накладные расходы и улучшить продуктивность предприятия,
современные вилочные погрузчики могут быть сделаны автономными.
Для этого необходимо реализовать несколько программных модулей,
одним из которых является модуль определения положения объектов,
которые перемещает погрузчик. В нашем случае объектом является европаллета (рис. 2). Этот модуль необходим для того, чтобы распознать
паллету и определить как она расположена по отношению к камере.
Купить