Roboter-Perzeption mittels lokaler planarer Volumenmodelle

Titelangaben

Rohner, Dorian:
Roboter-Perzeption mittels lokaler planarer Volumenmodelle.
Bayreuth , 2025 . - 153 S.
( Dissertation, 2025 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

	Format: PDF Name: Dissertation.Rohner.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (22MB)

Abstract

Für die Verwendung von Robotern in unbekannten Umgebungen ist eine Wahrnehmung der Umwelt erforderlich, um eine erfolgreiche Interaktion mit dieser sicherzustellen. Unter Nutzung unterschiedlicher Sensorik kann ein Verständnis der Welt erlangt werden, beginnend mit einer allgemeinen Rekonstruktion über erkannte Objekte bis hin zu Zusammenhängen in der Welt. Dabei treten unterschiedliche Herausforderungen auf, beispielsweise durch Verdeckungen in der Szene oder Veränderungen an der Umwelt. Diese Arbeit setzt sich zum Ziel, die unterschiedlichen Schritte bis zum Verständnis der Umgebung zu untersuchen. Als Arbeitshypothese wird dabei eine Repräsentationsform der Sensordaten verwendet, die direkt Knoten, Kanten und Flächen verwaltet (Boundary Representation Models, B-Reps). Dabei ist von Interesse, welche Vor- und Nachteile sich durch die Nutzung dieser Umweltmodellierung ergeben. Die verwendete Sensorik wird in dieser Arbeit auf eine robotergehaltene Tiefenkamera (Eye-in-Hand) eingeschränkt, um Hardwarekosten und die Mächtigkeit der verfügbaren Eingabedaten zu reduzieren. Als erster Schritt zum Verständnis der Umwelt müssen die Objekte in der Szene wiedererkannt werden. Der entwickelte oberflächenbasierte, segmentierungsunabhängige Ansatz verwendet dazu ausschließlich die geometrischen Elemente der B-Reps. Ausgehend von einer Objektdatenbank werden Hypothesen erzeugt und die am besten geeigneten ausgewählt. In der Evaluation dieses Ansatzes zeigt sich, dass Verdeckungen von Objekten sowie ungünstige Positionen die Wiedererkennungsrate negativ beeinflussen. Dafür wird ein Active Vision Ansatz vorgestellt, der sowohl die Szene weiterhin exploriert als auch bestehende Hypothesen validiert. Durch unterschiedliche Typen von Kanten in der Umweltrepräsentation können diese Sichten szenenspezifisch zur Verbesserung der Wiedererkennung bestimmt werden. Da eine Veränderung der Szene möglich ist, beispielsweise durch menschliche Koarbeiter, ist eine Erkennung und Verarbeitung dieser Änderungen erforderlich. Für die geometrischen Elemente von B-Reps werden alle möglichen Arten von Änderungen definiert und in der globalen Umweltrepräsentation erkannt. Unter Einbeziehung potentieller Hypothesen werden die Änderungen schließlich verarbeitet. Als letzter Schritt zum Verständnis der Umwelt wird untersucht, was unter Semantik im Rahmen der Robotik zu verstehen ist und wie diese systematisch definiert und beschrieben werden kann. Neben der individuellen Evaluation jedes Ansatzes werden schließlich mehrere Aufgaben und Anwendungen vorgestellt: Zum einen Pick-and-Place Aufgaben, bei denen die Umweltrepräsentation aufgrund der verwendeten B-Reps nach jeder Aktion automatisch konsistent gehalten wird. Zum anderen die Erzeugung von Präzedenzgraphen für die Mensch-Roboter-Kollaboration. Abschließend wird ein Ansatz zur automatischen Erzeugung neuer Einträge für die Objektdatenbank vorgestellt.

Abstract in weiterer Sprache

In order to ensure successful interaction of robots in unknown surroundings, it is necessary to perceive these environments. Different sensors can be used to achieve an understanding of the surroundings, from a reconstruction of the scene, to recognizing objects and identifying interrelations. However, different challenges arise, like obstructions in the scene or changes in the environment. This work aims to investigate the different sub-steps involved in understanding the environment. As a working hypothesis a representation of the sensor data directly mapping vertices, edges and faces is used (Boundary Representation Models, B-Reps). Especially advantages and disadvantages of using this representation are of interest. The used sensor in this work is limited to a robot-mounted depth-sensor (Eye-in-Hand) in order to reduce hardware cost and informative value. A first step to understanding the surroundings is recognising all objects in the scene. The surface-based, segmentation-independent approach developed here uses only geometric features of B-Reps. Based on an object database, several hypotheses are generated and the bestfitting subset is selected. During evaluation, obstructions and poor views on the scenes are identified as limiting factors of the recognition rate. To tackle this, an Active Vision approach is developed, exploring the scene further and simultaneously validating existing hypotheses. Different kinds of edges in the reconstruction are used to determine new views scenedependent to improve the object recognition. As the scene can be modified, for example by a human co-worker, detecting and handling these changes is necessary. For the geometric elements of a B-Rep all possible changes are defined and recognized within the global world representation. The changes are processed using the existing object hypotheses. As a last step towards understanding the environment the meaning of Semantics in robotics is investigated and how it can be systematically defined and modelled. In addition to individual evaluations, different tasks and applications are discussed: On the one hand Pick-and-Place tasks, which can maintain a valid world representation after every step due to the used B-Reps. On the other hand a way to automatically generate precedence graphs for the human-robot-collaboration is discussed. Finally, an approach to automatically generate new models for the object database is presented.