Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Heuristisches Suchverfahren zur Objektlageerkennung aus Punktewolken für industrielle Zuführsysteme

Heuristic method for object pose detection using point clouds for automated feeding systems
 
: Palzkill, Matthias
: Verl, Alexander; Pott, Andreas

:
Volltext urn:nbn:de:bsz:93-opus-95517 (3.7 MByte PDF)
MD5 Fingerprint: 951d3adfe365ca4a1fdb3d0a8cac51d0
Erstellt am: 6.11.2014

:

Stuttgart: Fraunhofer Verlag, 2014, XV, 142 S.
Zugl.: Stuttgart, Univ., Diss., 2014
Stuttgarter Beiträge zur Produktionsforschung, 37
ISBN: 978-3-8396-0784-8
ISBN: 3-8396-0784-1
Deutsch
Dissertation, Elektronische Publikation
Fraunhofer IPA ()
Griff in die Kiste; Punktewolke; Roboter; Bildverarbeitung; Objekterkennung; Ingenieur

Abstract
In dieser Arbeit wird ein heuristisches Verfahren zur Objektlageerkennung für automatisierte Zuführsysteme vorgestellt, das erfolgreich im industriellen Einsatz an zehn automatisierten Zuführsystemen erprobt werden konnte.
Zur Erfassung der Szene, einem mit chaotisch gelagerten Werkstücken gefüllten Ladungsträger, kann ein beliebiges Sensorsystem zur Tiefenmessung genutzt werden, aus der eine Punktewolke erhalten wird. Die Objektlageerkennung wird dann als kombinatorisches Optimierungsproblem betrachtet und hierfür eine Konstruktionsheuristik angewendet. Für diese heuristische Baumsuche wird aus dem kontinuierlichen Suchraum zunächst eine endliche Menge an möglichen Werkstücklagen gebildet.
Für die Verwendung eines Entscheidungsbaums werden die Elemente der Suchmenge in zwei Komponenten aufgespaltet. Die erste Komponente beschreibt einen interessanten Punkt innerhalb des Suchraums, der sich auf der Werkstückoberfläche befindet. Die zweite Komponente beschreibt eine mögliche Werkstücklage relativ zu einem interessanten Punkt. Die hierdurch erhaltenen Teilsuchmengen weisen eine signifikant geringere Komplexität gegenüber der ursprünglichen Suchmenge auf, da die interessanten Punkte eine Zwangsbedingung an die relativen Werkstücklagen stellen können und hierüber deren Bewegungsfreiheit einschränken.
Als Suchstrategie der Baumsuche wird eine Bestensuche verwendet. Die Bestensuche zeichnet sich dadurch aus, dass sie eine heuristische Schätzung zu jedem Baumknoten abgeben kann, wie weit die Entfernung des Baumknotens von einer Lösung ist und stets denjenigen Weg weiterverfolgt, der am kürzesten erscheint.
Die abschließende Evaluierung der Werkstücklagen erfolgt durch eine sechsdimensionale Hough-Abstimmung, die auch als Generalisierte Hough-Transformation bezeichnet wird. Die verwendeten Merkmale für die Hough-Abstimmung sind Sensormesswerte, die relativ zu einem interessanten Punkt betrachtet werden. Für jede Konstellation eines Sensormesswerts zu einem interessanten Punkt kann eine wahrscheinlichkeitsbasierte Aussage über mögliche zugehörige Werkstücklagen getroffen werden. Durch die Superpositionierung aller wahrscheinlichkeitsbasierten Aussagen können Lösungskandidaten gebildet werden, die anhand eines statistischen Tests einer Gütebewertung unterzogen werden. Mit Hilfe der erhaltenen Prüfgröße wird unter Berücksichtigung einer geforderten Signifikanz über die Annahme einer Werkstücklage entschieden.

 

In this dissertation, a heuristic method for object pose detection for automated feeding systems is presented, which was successfully tested in industrial applications. Testing of the procedure is done on the basis of extensive data from industrial applications, which were obtained at ten automated feeding systems, with three families of parts and a total of 15 types of workpieces.
To detect the scene, typically a carrier filled randomly with workpieces, any sensor system can be used for depth measurement from which a point cloud is obtained. The object pose detection then is considered as a combinatorial optimization problem, for which a construction heuristic is applied. For this heuristic tree search, a finite set of possible workpiece poses is initially derived from the continuous search space.
In order to use a decision tree, the elements of the search set are split into two components. The first component describes an interesting point in the search space, which is part of the workpiece surface. The second component describes possible workpiece poses relative to an interesting point. The partial search quantities obtained thereby have a significantly lower complexity compared to the original search set, since the interesting points can provide a constraint on the relative workpiece poses, thus restricting its freedom of movement.
The applied tree search strategy is best-first search. Best-first search explores the search tree by always expanding the most promising nodes first. These nodes are chosen according to a heuristic evaluation score, representing the estimated distance from the node to a solution.
Final evaluation of the workpiece poses is provided by a six-dimensional Hough voting procedure, which is also known as Generalized Hough Transform. The features used for Hough voting are sensor measurements considered relatively to an interesting point. For all possible constellations of a sensor measurement relative to an interesting point, a probabilistic statement about possible workpiece poses can be made. Through the superposition of all probability statements, solution candidates can be formed, which are subjected to a statistical test based on a quality rating. The obtained quality rating along with a given level of significance is used in order to decide about the acceptance of a workpiece pose. The method is able to locate three to four workpieces on average within 0.5 and 3 seconds, using a standard desktop computer.

: http://publica.fraunhofer.de/dokumente/N-310641.html