haku: @supervisor Kyrki, Ville / yhteensä: 45
viite: 1 / 45
« edellinen | seuraava »
| Tekijä: | Ålander, Aleksi |
| Työn nimi: | Kohteiden tunnistus ja paikannus 2D-laserkeilaimella |
| Object detection with 2D-laserscanner | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2016 |
| Sivut: | (7) + 75 Kieli: fin |
| Koulu/Laitos/Osasto: | Sähkötekniikan korkeakoulu |
| Oppiaine: | Automaation tietotekniikka ja -järjestelmät (ETA3005) |
| Valvoja: | Kyrki, Ville |
| Ohjaaja: | Sievilä, Jouni |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201611025460 |
| Sijainti: | P1 Ark Aalto 5044 | Arkisto |
| Avainsanat: | 2D laser scanner safety scanner object detection pallet 2D-laserkeilain kohteiden tunnistus kuormalava turvaskanneri |
| Tiivistelmä (fin): | Työssä tutkittiin kohteiden tunnistamista autonomisen laitteen turvaskanneriksi tarkoitetulla 2D-laserkeilaimella. Ongelma jaettiin kolmeen osaan, jotka olivat mittausten esikäsittely, segmentointi ja piirteiden tunnistus. Työn alkuosassa esiteltiin erilaisia menetelmiä kunkin osaongelman ratkaisemiseksi. Kirjallisuuden pohjalta toteutettiin FFLSM-algoritmi ja lisäksi työn aikana kehitettiin oma algoritmi. Algoritmit tunnistavat kohteen annetun mallin perusteella ja antavat lopputuloksena kohteen paikan ja kulman suhteessa laserkeilaimeen. Algoritmien suorituskykyä verrattiin keskenään. Kokeissa käytettiin Sick S300 laserkeilainta ja kohteena erikokoisia kuormalavoja. Algoritmien laskemaa tulosta verrattiin lavan käsin laskettuun paikkaan ja kulmaan. Algoritmien tarkkuus ideaalitilanteessa oli keskenään tasainen ja molempien tarkkuus osoittautui kohinasta huolimatta hyväksi. FFLSM-algoritmi oli nopeampi, mutta myös oma algoritmi oli riittävän nopea reaaliaikaiseen kohteen paikantamiseen. Oma algoritmi suoriutui ongelmatilanteissa paremmin kuin FFLSM-algoritmi, joka ei monessa tilanteessa tunnistanut lavaa lainkaan. Kun kohteen paikka on ennalta suurin piirtein tiedossa, itse kehitetty algoritmi toimii luotettavammin, mutta jos kohteen paikasta ei ole tietoa tai mittauksista haluttaisiin etsiä useampia kohteita samalla kertaa, FFLSM-algoritmi olisi parempi. |
| Tiivistelmä (eng): | This thesis was about detecting objects with safety laser scanner for autonomous devices. The problem was divided into three areas, which were preprocessing of the measurements, segmentation and feature detection. In the first part of the thesis, several techniques for solving the subproblems were introduced. During the research, two algorithms were implemented. FFLSM was selected from the literature and the another algorithm was self-developed. Both of the algorithms detect the object with the aid of a model given to them. The result is the location and angle of the object in relation to the laser scanner. The performance of the algorithms was tested and compared against each other using Sick S300 safety scanner. Several pallets with different dimensions were used. The results of the algorithms were compared against manually calculated location and angle of the detected pallet. In the ideal test case the accuracy of the algorithms was almost even and both of them were accurate enough, despite the noise. FFLSM was faster, but both of the algorithms were fast enough for detecting objects in real time. The self-developed algorithm was more reliable than FFLSM throughout the test cases. If the location of the object is roughly known beforehand, the self-developed algorithm is recommended. If the location of the object isn't known, or multiple objects should be detected from the same point cloud, FFLSM is the better option. |
| ED: | 2016-11-13 |
INSSI tietueen numero: 54991
+ lisää koriin
« edellinen | seuraava »
INSSI