Inside-out Tracking of Fastening Tools in Safety Relevant Applications

In any manufacturing process, quality assurance is of great importance to obtain functioning product. While this used to be a manual task, a lot of work is put into the automation of quality assurance. The reasons for reducing human interaction in this process are e.g. higher precision, less human error and cost reduction. Although these advantages were already known for a long time, it is still a lot of work to adapt methods for a specific use case. One such application is fastening screws[79]. This is a ubiquitous task in nearly any manufacturing process which makes it an interesting research topic. Besides the possibility to check if every screw is fastened, it is also important that they are fastened in the right order, e.g. to prevent unwanted forces on the material. Several different approaches to solving this task are conceivable. This work proposes one such approach using a simulated tool with a camera attached to it. To measure its movement, Simultaneous Localization and Mapping (SLAM) algorithms are used, fed with the camera data. Finally, an examination of an experiment is provided to that regard. Several SLAM implementations are adapted and tested on a new dataset recorded with an Azure Kinect camera as well as a Google Pixel 3 smartphone. To evaluate the results, the screws positions are calculated for the different recorded scenarios from the camera trajectories. Additionally, the deviation between the this trajectory and ground truth recorded with a measuring arm is computed as a measure for the global accuracy of the SLAM algorithms.

In jedem Herstellungsprozess ist die Qualitätssicherung von großer Bedeutung, um ein funktionierendes Produkt zu erhalten. Während sie früher manuell durchgeführt wurde, wird heute viel Arbeit in die Entwicklung ihrer Automatisierung gesteckt. Gründe für diesen Trend sind beispielsweise höhere Präzision ohne menschliche Fehler und die Einsparung von Lohnkosten. Auch wenn diese Vorteile schon lange bekannt sind, ist es immer noch ein großer Aufwand, Methoden für eine bestimmte Anwendung zu entwickeln, da die Anpassung für den einzelnen Anwendungsfall aufwendig ist. Eine dieser Anwendungen ist das Befestigen von Schrauben[79]. Da dies eine Aufgabe in fast jedem Fertigungsprozess ist, macht es sie zu einem interessanten Forschungsthema. Neben der Möglichkeit zu prüfen, ob jede Schraube befestigt ist, ist es auch sehr wichtig, dass sie in der richtigen Reihenfolge verschraubt werden, um e.g. unerwünschte Kräfte auf das Material zu vermeiden. Dies kann mit verschiedenen Ansätzen erfolgen. Diese Arbeit befasst sich mit dieser Herausforderung und nutzt dafür ein simuliertes Werkzeug mit einer angebrachten Kamera. Die Bewegung wird mit den Kameradaten mittels Simultaneous Localization and Mapping (SLAM) Algorithmen gemessen. Abschließend wird der Aufbau getestet und untersucht. Verschiedene SLAM Algorithmen werden angepasst und mit einem neuen Datensatz der Azure Kinect Kamera und des Google Pixel 3 Smartphones getestet. Um die Ergebnisse zu bewerten, wird ein Skript zur Verfügung gestellt, welches die Positonen der Schrauben und die Abweichung der geschätzten Trajektorie und des Ground Truth berechnet. Dieser Ground Truth wird mittels eines Messarms ermittelt, um die globale Genauigkeit der SLAM Algorithmen zu berechnen.