Automatische optimaleparameterbepaling van random bin picking visiealgoritmen

Abstract

De industrie automatiseert almaar meer menselijke taken door automatische handelingen. Machinevisie speelt hierin een steeds belangrijkere rol. Bijna alle machinevisietoepassingen gebruiken parameters die typisch door de gebruiker ingesteld moeten worden. Dit vereist kennis en ervaring, en het is bovendien een tijdsintensieve procedure met vaak suboptimale resultaten.

Deze masterproef onderzoekt methodes voor automatische optimaleparameterbepaling van visiealgoritmes voor random bin picking. Een visiealgoritme zoekt objecten in de bin picking scene. Dit algoritme verwacht parameters waarvan de waarden afhankelijk zijn van de scene en het te zoeken object. Het automatisch bepalen van de parameterwaarden is een uitdaging in vele ingenieurstoepassingen, maar het lijkt zelden toegepast te zijn in machinevisie.

Deze masterproef voorziet een algoritme zodat deze parameters automatisch bepaald worden. Dit algoritme werkt aan de hand van trainingsscenes en testscenes. Het algoritme evalueert exhaustief alle parameterwaarden op de trainingsscenes aan de hand van geneste for-lussen. Indien er een correcte overeenkomst gevonden wordt tussen het model en een object in de scene, wordt deze parameterset opgeslagen. Deze setting wordt vervolgens gebruikt op testscenes waarin geen informatie van de objecten gekend is.

Door het automatisch bepalen van de parameters resulteert deze masterproef enerzijds in het verhogen van de nauwkeurigheid in het zoeken naar correcte matches van minimaal 80% en anderzijds in tijdsbesparing.