ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

12
Содержание
том 63 / Декабрь, 2020
СТАТЬЯ

DOI 10.17586/0021-3454-2020-63-12-1066-1072

УДК 004.932.721

АЛГОРИТМ ОЦЕНКИ ПОЛОЖЕНИЯ ОБЪЕКТА С ПОМОЩЬЮ СИСТЕМЫ СТЕРЕОЗРЕНИЯ

Азбекян А. А.
Университет ИТМО; факультет систем управления и робототехники;


Пыркин А. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; профессор, декан


Аннотация. Представлен алгоритм оценивания положения и ориентации объекта на сцене при помощи системы стереозрения, что крайне актуально в современном робототехническом производстве при построении систем управления с элементами искусственного интеллекта. Особенностью предложенного решения является анализ трехмерной геометрии объектов по информации, полученной из двумерных изображений. Разработанный алгоритм может быть применен в задачах неразрушающего контроля трубопроводов с помощью роботизированных дефектоскопов, оснащенных видеокамерами. Подобные роботизированные дефектоскопы используют различные методы диагностирования: Использование разработанного алгоритма стереозрения может обеспечивать сплошной контроль поверхности трубопровода (покрытие 100 %), а также автономное маневрирование и прохождение элементов трубопроводной обвязки.
Ключевые слова: стереозрение, стереоскопия, облако точек, компьютерное зрение, оценка положения

Список литературы:
  1. Wang C. et al. Densefusion: 6d object pose estimation by iterative dense fusion // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2019. Р. 3343—3352.
  2. Michel F. et al. Global hypothesis generation for 6D object pose estimation // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2017. Р. 462—471.
  3. Tekin B., Sinha S. N., Fua P. Real-time seamless single shot 6d object pose prediction // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2018. Р. 292—301.
  4. Hu Y. et al. Segmentation-driven 6d object pose estimation // Proc. of the IEEE Conf. on Computer Vision and Pattern Recognition. 2019. Р. 3385—3394.
  5. Hu Y. et al. Single-Stage 6D Object Pose Estimation // Proc. of the IEEE/CVF Conf. on Computer Vision and Pattern Recognition. 2020. Р. 2930—2939.
  6. Oberweger M., Rad M., Lepetit V. Making deep heatmaps robust to partial occlusions for 3d object pose estimation // Proc. of the Europ. Conf. on Computer Vision (ECCV). 2018. Р. 119—134.
  7. Kundu J. N., Rahul M. V., Ganeshan A., Babu R. V. Object Pose Estimation from Monocular Image Using Multi-view Keypoint Correspondence // Computer Vision — ECCV 2018 Workshops. ECCV 2018. Lecture Notes in Computer Science. Springer, Cham. 2019. Vol. 11131. https://doi.org/10.1007/978-3-030-11015-4_23.
  8. Kehl W. et al. Ssd-6d: Making RGB-based 3d detection and 6d pose estimation great again // Proc. of the IEEE Intern. Conf. on Computer Vision. 2017. Р. 1521—1529.
  9. Базылев Д. Н., Романович В. А., Ведяков А. А. Автоматизированный метод внутритрубного ультразвукового контроля с использованием фазированной антенной решетки // Изв. вузов. Приборостроение. 2019. Т. 62, № 9. С. 167—172.
  10. Сомов С. Н., Баранов Г. В., Поляшов М. А., Пыркин А. А. Роботизированный дефектоскоп для диагностики состояния трубопроводов // Изв. вузов. Приборостроение. 2019. Т. 62, № 9. С. 157—166.