Vision-Based Localisation and Mapping for Marker-Guided Handheld CNC Systems

Abstract

Deze thesis presenteert een op visuele lokalisatie gebaseerd systeem voor het begeleiden van handheld CNC-gereedschap over een werkoppervlak met behulp van ArUcoE-fiduciële markers. Het systeem werkt in twee fasen: eerst wordt een globale markermap opgebouwd aan de hand van camerawaarnemingen. Vervolgens wordt de realtime pose van het gereedschap ten opzichte van deze kaart geschat om tijdens de beweging het pad te corrigeren. De methode maakt gebruik van gevestigde computervisie-technieken zoals markerdetectie, cameracalibratie en pose-estimatie. ArUcoE-markers worden gebruikt om de detectienauwkeurigheid te verbeteren, en het mappingproces kan optioneel worden verfijnd via Bundle Adjustment.

Het systeem wordt geëvalueerd via zowel Unity-gebaseerde simulaties als fysieke tests met een prototype. De experimenten onderzoeken het effect van markerdichtheid, lay-out en camerakwaliteit op de prestaties van mapping en tracking. De resultaten tonen aan dat lay-outs met een gemiddelde dichtheid en willekeurige spreiding een goede balans bieden tussen nauwkeurigheid en opzetgemak. Deze bevindingen bevestigen de haalbaarheid van marker-gebaseerde visuele tracking voor handheld CNC-gereedschappen, met betrouwbare prestaties in zowel gesimuleerde als fysieke omgevingen. Het systeem vormt een basis voor verder onderzoek naar visueel begeleide fabricage, waaronder SLAM-integratie en ondersteuning voor andere gereedschapstypes.