Αυτόματη ταυτοποίηση και προσδιορισμός θέσης μηχανουργικών τεμαχίων με τη βοήθεια μηχανικής όρασης

Παρασκευάς, Παύλος; Paraskevas, Pavlos

dc.contributor.author	Παρασκευάς, Παύλος	el
dc.contributor.author	Paraskevas, Pavlos	en
dc.date.accessioned	2018-07-02T09:42:03Z
dc.date.available	2018-07-02T09:42:03Z
dc.date.issued	2018-07-02
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47170
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8471
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Συστήματα Αυτοματισμού”	el
dc.rights	Default License
dc.subject	Μηχανική όραση	el
dc.subject	Επεξεργασία εικόνας	el
dc.subject	Αναγνώριση μοτίβου	el
dc.subject	Αντιστοίχιση αντικειμένων	el
dc.subject	Template matching	en
dc.subject	Object detection	en
dc.subject	Pattern recognition	en
dc.subject	Computer vision	en
dc.subject	Machine vision	en
dc.title	Αυτόματη ταυτοποίηση και προσδιορισμός θέσης μηχανουργικών τεμαχίων με τη βοήθεια μηχανικής όρασης	el
dc.title	Automatic identification and position determination of manufactured objects using machine vision	en
heal.type	masterThesis
heal.classification	Computer Vision in industrial applications	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-04-30
heal.abstract	Η παρούσα μεταπτυχιακή εργασία πραγματεύεται τη μελέτη και την ανάλυση των μεθόδων αναγνώρισης και εύρεσης αντικειμένων σε εικόνα μέσω μεθόδων μηχανικής όρασης. Απώτερος σκοπός της εργασίας είναι η επιλογή και υλοποίηση της κατάλληλης μεθόδου για την αναγνώριση μηχανουργικών αντικειμένων τοποθετημένα σε ένα επίπεδο εργασίας. Τα μηχανουργικά αντικείμενα που εξετάζονται δεν είναι «επίπεδα», καθώς όλες οι πλευρές είναι συγκρίσιμες μεταξύ τους. Στο επίπεδο εργασίας η πλευρά τοποθέτησης των αντικειμένων είναι τυχαία. Μετά την επιτυχή αναγνώριση πρέπει να εξάγονται οι συντεταγμένες και ο προσανατολισμός του εκάστοτε αντικειμένου με σκοπό την παραλαβή του από έναν ρομποτικό βραχίονα για περαιτέρω επεξεργασία. Αρχικά παρουσιάζονται οι μέθοδοι αναγνώρισης που θα χρησιμοποιηθούν και δίνεται ένα μαθηματικό και θεωρητικό υπόβαθρο της καθεμιάς. Με αυτόν τον τρόπο γίνονται σαφή τα πλεονεκτήματα και μειονεκτήματα κάθε μεθόδου, καθώς επίσης οι δυνατότητες και περιορισμοί τους. Συγκεκριμένα, αναλύονται μέθοδοι αναγνώρισης μέσω γεωμετρικών μετασχηματισμών, μέθοδοι αναγνώρισης μοτίβου καθώς και ανιχνευτές χαρακτηριστικών. Εν συνεχεία γίνεται μια εφαρμογή των μεθόδων δυαδικής επεξεργασίας εικόνας για την περίπτωση που εξετάζεται, με σκοπό την απομόνωση ενός αντικειμένου από ένα πλήθος αντικειμένων σε μια εικόνα και την εξαγωγή σημαντικών μεγεθών. Η επεξεργασία έγινε με τη χρήση του λογισμικού Μatlab. Η διαδικασία της απομόνωσης ενός αντικειμένου είναι σημαντική καθώς θα επιτρέψει τη σύγκριση του απομονωμένου αντικειμένου της εικόνας με ένα αντικείμενο γνωστό και καθορισμένο εξαρχής που βρίσκεται σε μια βάση δεδομένων. Εξετάζονται δύο διατάξεις λήψης εικόνας, η πρώτη μέσω κάμερας και η δεύτερη μέσω σκάνερ. Στην πρώτη τα αντικείμενα τοποθετούνται σε ένα μονόχρωμο επίπεδο εργασίας υψηλής χρωματικής αντίθεσης, ενώ στη δεύτερη οι εικόνες λαμβάνονται απευθείας από το επίπεδο σάρωσης. Ακολουθεί η υλοποίηση των μεθόδων, που προαναφέρθηκαν, στο λογισμικό Matlab, και η εξαγωγή αποτελεσμάτων σχετικά με την αξιοπιστία και την ταχύτητα εκτέλεσης του προγράμματος. Τέλος, αφού γίνει μια αξιολόγηση των αποτελεσμάτων επιλέγεται η μέθοδος που θα χρησιμοποιηθεί	el
heal.abstract	The present postgraduate thesis deals with the study and analysis of object detection and matching in image through machine vision techniques. The utter purpose of the current thesis is the choice and implementation of the appropriate method for the recognition of mechanical objects that are placed on a plane surface. The objects used are not considered as «flat», as every side is comparable to the others. The side that the object is placed on the surface is random. After the successful detection and recognition of the object, its coordinates and orientation should be exported by the system, in order to be received by a robot arm for further processing. At first, there is a presentation of the recognition methods that are going to be used. A theoretical and mathematical background is given for each one. In this way, the advantages and disadvantages as well as the capabilities and restrictions of each method become clearer. In particular the methods that are studied are methods of matching through geometrical transformations, template matching methods, as well as feature detectors. Furthermore, an object in the image is isolated among plenty of others through binary image processing. The processing was performed using the Matlab software. The isolation process is significant, because it will allow the comparison of the isolated object with another one which is defined in advance stored in a database. Two ways of image capturing are presented, one using a webcam and a second one using a document scanner. At the former the objects are placed on a single-colored, high contrast plane surface while at the latter the images are taken directly by the scanning surface. Subsequently the Matlab implementations of the aforementioned object recognition methods are presented. For each method there is an evaluation of the reliability, robustness and execution time based on the corresponding results. Finally, the fitting technique for our case is selected.	en
heal.advisorName	Βοσνιάκος, Γεώργιος Χριστόφορος	el
heal.committeeMemberName	Μανωλάκος, Δημήτριος	el
heal.committeeMemberName	Αντωνιάδης, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	136 σ.	el
heal.fullTextAvailability	true