Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Industrial Internet of Things >> Sensor

Filter Baru Meningkatkan Penglihatan Robot untuk Estimasi Posisi 6-D Akurat

Robot baik dalam membuat gerakan repetitif identik seperti tugas sederhana di barisan perakitan. Namun mereka tidak memiliki kemampuan untuk memaparkan objek saat mereka bergerak melalui lingkungan. Studi terbaru dilakukan oleh peneliti dari University of Illinois at Urbana-Champaign, NVIDIA, University of Washington, dan Stanford University tentang estimasi pose objek 6D untuk mengembangkan filter yang memberikan robot persepsi spasial yang lebih besar, sehingga mereka dapat memanipulasi objek dan menavigasi melalui ruang dengan lebih akurat.

Filter Baru Meningkatkan Penglihatan Robot untuk Estimasi Posisi 6-D Akurat

Sementara pose 3D memberikan informasi lokasi pada sumbu X, Y, dan Z — lokasi relatif objek terhadap kamera — pose 6D memberikan gambar yang jauh lebih lengkap. Sama seperti menggambarkan pesawat terbang dalam penerbangan, robot perlu mengetahui tiga dimensi orientasi objek: yaw, pitch, dan roll. Dalam lingkungan nyata, semua enam dimensi itu terus berubah.

Filter dikembangkan untuk membantu robot menganalisis data spasial. Filter memeriksa setiap partikel, atau potongan informasi citra yang dikumpulkan oleh kamera yang diarahkan ke objek untuk membantu mengurangi kesalahan penilaian.

Dalam kerangka estimasi pose 6D berbasis citra, partikel filter menggunakan sampel untuk memperkirakan posisi dan orientasi. Setiap partikel seperti hipotesis — tebakan tentang posisi dan orientasi yang memerlukan estimasi. Partikel filter menggunakan observasi untuk menghitung nilai penting dari informasi dari partikel lain dan menghilangkan estimasi yang salah.

Sebelumnya, tidak ada sistem untuk memperkirakan distribusi penuh dari orientasi objek. Ini memberikan informasi ketidakpastian yang penting untuk manipulasi robot. Filter baru menggunakan pelacakan pose objek 6D dalam kerangka partikel filtering Rao-Blackwel-lized, di mana rotasi 3D dan translasi 3D dari objek dipisahkan. Ini memungkinkan pendekatan baru, disebut PoseRBPF, untuk secara efisien memperkirakan translasi 3D dari objek bersama dengan distribusi penuh atas rotasi 3D. Sebagai hasilnya, Pose-RBPF dapat melacak objek dengan simetri sembarambil sambil tetap mempertahankan distribusi posterior yang memadai.

Untuk informasi lebih lanjut, hubungi Lois Yok-soulian di This email address is being protected from spambots. You need JavaScript enabled to view it.; 217-244-2788.


Sensor

  1. Penglihatan Robot di Industri: Dari Penglihatan ke Pemrograman Mandiri
  2. Memahami Rangkaian Filter: Dari Audio hingga Kondisi Daya
  3. Pelacakan Objek Berbasis Visi Otomatis dengan Raspberry Pi dan OpenCV
  4. Robot Mobile Penghindar Rintangan Berbasis Visi pada Raspberry Pi
  5. AI Memberdayakan Robot untuk Mengidentifikasi 90+ Objek dengan Sentuhan
  6. Optimalkan Alur Kerja dengan Cobot Seri TM Omron: Integrasi Mulus dan Pemrograman Intuitif
  7. Insinyur Stanford Membangun Robot Seperti Burung yang Berposisi dengan Presisi
  8. Robot Kolaboratif Diberi Tangan: Standar Keselamatan Dijelaskan
  9. Robot Otonom Menguasai Masuk Pintu – Perkembangan Besar untuk Robot Pelayanan
  10. Tingkatkan Operasi Robot dengan Teknologi Gerak Servo Tepat