but.committee	doc. RNDr. Pavel Smrž, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) prof. RNDr. Milan Češka, CSc. (člen) Ing. Michal Hradiš, Ph.D. (člen) doc. Ing. Peter Chudý, Ph.D., MBA (člen) Ing. Igor Szőke, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: Z jakého důvodu používá simulátor ortogonální a nikoliv perspektivní projekci? Soubory Data.ply (reálný nebo simulovaný výstup 3D senzoru) obsahují velké množství 3D bodů s hodnotou NAN. Jak s takovými hodnotami dále pracujete v konvoluční síti? Proč je chyba pro x-souřadnici v Tabulce 7.2 výrazně vyšší než pro y-souřadnici? Proč je úspěšnost pro "mix" vyšší než u čistých sad Metal nebo Opener (Tabulka 7.4)? Dotaz na tvorbu simulátoru.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Macurová, Nela	cs
dc.contributor.referee	Španěl, Michal	cs
dc.date.accessioned	2021-06-25T07:55:46Z
dc.date.available	2021-06-25T07:55:46Z
dc.date.created	2021	cs
dc.description.abstract	Cílem práce je navrhnout metodu, která lokalizuje objekt v bodovém mračně a co nejpřesněji odhadne 6D pózu předem známých objektů v průmyslové scéně pro bin picking. Návrh řešení je inspirován sítí PoseCNN. Součástí řešení je i simulátor scén, který generuje umělá data. Simulátor je použit k vygenerování trénovací datové sady obsahující 2 objekty pro trénování konvoluční neuronové sítě. Síť je otestována na anotovaných reálných scénách a dosahuje nízké úspěšnosti, pouze 23.8 % a 31.6 % úspěšnosti pro odhad translace a rotace pro jeden typ a pro druhý objekt 12.4 % a 21.6 %, přičemž tolerance pro správný odhad je 5 mm a 15°. Avšak použitím algoritmu ICP na odhadnuté výsledky je dosažena úspěšnost odhadu translace 81.5 % a rotace 51.8 % a pro druhý objekt 51.9 % a 48.7 %. Přínosem této práce je vytvoření generátoru a otestování funkčnosti sítě na malé objekty.	cs
dc.description.abstract	The aim of this work is to design a method for the object localization in the point could and as accurately as possible estimates the 6D pose of known objects in the industrial scene for bin picking. The design of the solution is inspired by the PoseCNN network. The solution also includes a scene simulator that generates artificial data. The simulator is used to generate a training data set containing 2 objects for training a convolutional neural network. The network is tested on annotated real scenes and achieves low success, only 23.8 % and 31.6 % success for estimating translation and rotation for one type of obejct and for another 12.4 % and 21.6 %, while the tolerance for correct estimation is 5 mm and 15°. However, by using the ICP algorithm on the estimated results, the success of the translation estimate is 81.5 % and the rotation is 51.8 % and for the second object 51.9 % and 48.7 %. The benefit of this work is the creation of a generator and testing the functionality of the network on small objects	en
dc.description.mark	C	cs
dc.identifier.citation	MACUROVÁ, N. 6-DOF lokalizace objektů v průmyslových aplikacích [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136825	cs
dc.identifier.uri	http://hdl.handle.net/11012/200195
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	6-DOF	cs
dc.subject	odhad pózy	cs
dc.subject	bodové mračno	cs
dc.subject	hluboké učení	cs
dc.subject	bin picking	cs
dc.subject	PoseCNN	cs
dc.subject	simulátor scén	cs
dc.subject	ICP	cs
dc.subject	6-DOF	en
dc.subject	pose estimation	en
dc.subject	point cloud	en
dc.subject	deep learning	en
dc.subject	bin picking	en
dc.subject	PoseCNN	en
dc.subject	scene simulator	en
dc.subject	ICP	en
dc.title	6-DOF lokalizace objektů v průmyslových aplikacích	cs
dc.title.alternative	6-DOF Object Localization in Industrial Applications	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2021-06-21	cs
dcterms.modified	2021-06-24-11:34:36	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136825	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 17:15:13	en
sync.item.modts	2021.11.12 16:05:48	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

6-DOF lokalizace objektů v průmyslových aplikacích

Files

Original bundle

Collections