PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Automatic system for creating 3D object models

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Automatyczny system generowania modeli 3D
Języki publikacji
EN
Abstrakty
EN
Three-dimensional models can be used in object recognition as references for the identification systems. The RoboEarth cloud-robotics platform contains additional algorithms both for object recognition and model creation. The article describes an automated system developed in order to improve the process of creating point cloud object models based on software provided with the RoboEarth platform. The process is performed using a special template with markers providing information about the localisation and orientation and recording the object from different angles. This can be done either by rotating the sensor or the template with the object. By incorporating a measuring table rotated by a stepper motor as well as rails for precise sensor mounting this process can be automated. All models were based on typical household items. In order to determine the necessary parameters for generating models, the distance between the sensor and the template, the number of steps of the motor, and the number of measurements per step was checked. The quality of the models was verified by measuring correspondences using object recognition software from both different angles and distances. The research performed showed that an automatic approach wields better results than manual registration and can be used to increase the quality of the 3D models.
PL
Trójwymiarowe modele znajdują zastosowanie w procesie detekcji jako obiekty referencyjne dla systemów identyfikacji. Platforma RoboEarth, której zadaniem jest obsługa chmur obliczeniowych dla zastosowań w robotyce, zawiera algorytmy umożliwiające zarówno rozpoznawanie obiektów, jak i generowanie ich modeli. W artykule przedstawiono zautomatyzowany system opracowany w celu poprawy procesu generowania modeli 3D obiektów, z wykorzystaniem oprogramowania platformy RoboEarth. Proces generowania modeli jest wykonywany z zastosowaniem specjalnych znaczników określających orientację i położenie obiektu oraz rejestrowaniu chmur punktów z różnych punktów odniesienia. Zmiana punktu odniesienia może być dokonana poprzez przemieszczenie sensora lub obrót obiektu. Opracowany system umożliwia automatyzację tego procesu poprzez zastosowanie obrotowego stolika pomiarowego napędzanego silnikiem krokowym. Ze względu na występowanie czynników, które mają wpływ na jakość generowanego modelu oraz w konsekwencji późniejszy proces detekcji obiektów, wykonano badania mające na celu określenie właściwych parametrów opracowanego systemu. Rezultaty przeprowadzonych badań zostały przedstawione w artykule wraz z przykładowymi wynikami detekcji obiektów.
Rocznik
Tom
Strony
25--36
Opis fizyczny
Bibliogr. 13 poz., fot., rys., tab.
Twórcy
autor
  • Institute for Sustainable Technologies – National Research Institute, Radom
autor
  • Institute for Sustainable Technologies – National Research Institute, Radom
autor
  • Institute for Sustainable Technologies – National Research Institute, Radom
Bibliografia
  • 1. Nascimento J.C., Marques J.S.: Performance Evaluation of Object Detection Algortithms for Video Surveillance, IEEE Transactions on Multimedia 8(4), 2006.
  • 2. Marszałek M., Schmid C.: Semantic Hierarchies for Visual Object Recognition: IEEE Conference on Computer Vision and Pattern Recognition, 2007.
  • 3. Krainin M., Curless B., Fox D.: Autonomous Generation of Clomplete 3D Object Models Using Next Best View Manipulation Planning, IEEE International Conference on Robotics and Automation (ICRA), 2011, pp. 5031–5037.
  • 4. RoboEarth website: http://www.roboearth.org.
  • 5. Waibel M., Beetz M., Civera J., D’Andrea R., Elfring J., Gálvez-López D., Häussermann K., Janssen R., Montiel J.M.M., Perzylo A., Schießle B., Tenorth M., Zweigle O., van de Molengraft R.: RoboEarth – a World Wide Web for Robots, IEEE Robotics and Automation Magazine (Volume: 18, Issue: 2), IEEE 2011.
  • 6. Gośliński J., Owczarek P., Rybarczyk D.: The use of Kinect sensor to control manipulator with electrohydraulic servodrives. Pomiary, Automatyka, Robotyka 17(2), 2013, pp. 481–486.
  • 7. Warade S., Aghav J., Petitpierre C., Udayagiri S.: Automated Training and Maintenance through Kinect. International Journal of Computer Science, Engineering and Applications 2(3), 2012.
  • 8. Le B., Nguyen A., Zhu Y.: Hand Detecting and Positioning Based on Depth Image of. International Journal of Information and Electronics Engineering 4(3), 2014, pp. 176–179.
  • 9. Zhang X., Yan J., Feng S., Lei Z., Yi D., Li S.: Water Filling: Unsupervised People Counting via Vertical Kinect Sensor: IEEE Ninth International Conference on Advanced Video and Signal-Based Surveillance, 2012, pp. 215–220.
  • 10. Holmquest L.: MSDN Magazine. 3D Sight with Kinect. http://msdn.microsoft.com/en-us/magazine/jj851072.aspx
  • 11. Kozono K., Aoki M., Ono M., Kamikawa Y., Arimura H., Toyofuku F.: Accuracy Evaluation of Depth Data in Microsoft Kinect: Medical Physics 6/39, 2012, pp. 36–46.
  • 12. Nima R.: Thesis: Industrial Applications of Microsoft Xbox Kinect Sensor., SOUTHERN ILLINOIS UNIVERSITY AT EDWARDSVILLE, 2013.
  • 13. Nanotech website: http://www.nanotech.com.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-6be9769c-9aca-4f01-9f62-a16162dd1399
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.