Optisches Tracking im AR unterstützten Kommissionierungsprozess

Felix Pfeiffer

28. 02. 2017

Einordnung - HARPO

Motivation

Optimierung von Packaufträgen hinsichtlich

  • Ressourcen (Wenig Luft / Füllmaterial)
  • Geschwindigkeit (insb. bei neuem Personal)

durch

  • Umsetzung von optimalem Packmuster
  • Unterstützung durch AR-Arbeitsanweisungen

Versuchsaufbau

Demo

Programmkonzept

Tracking

Wo ist die Kiste ?

Wo müssen Artikel einsortiert werden ?

Wo sind schon Artikel ?

Kernidee: Partikelfilter

  • Zustandsschätzung dynamischer Systeme
  • stochastisches, Monte-Carlo (sequenziell)
  • Markovsch
  • Evolutionär, survival of the fittest

Funktionsweise

  1. n Partikel (Hypothesen): ${x_i}$
  2. evaluiere Partikel => $P(x_i)$
  3. ziehe n neue Partikel aus $P(x)$
  4. propagiere n Partikel

Vorteile

  • hohe Skalierbarkeit / Parallelisierbarkeit
  • Differenzialberechnung nicht notwendig

Alternativen

  • Kalman Filter
  • RANSAC
  • Gradientenverfahren

Evaluierungs- und Likelihoodfunktion

$Fehler = | Modell - Messdaten |$

$W(x_i) = \frac{MaxFehler - Fehler}{MaxFehler}$

$ P(x_i) \propto W(x_i)$

Schwierigkeiten

  • Kiste hat kaum Features
  • Kanten schwer extrahierbar
  • Kisteninhalt ändert sich

Idee 1: Tiefenbild, Isohypsen und Chamfer Matching

Idee 2: Hintergrundextraktion und Orthogonale Suche

Artikelevaluierung

Referenzen

Choi, Changhyun ; Christensen, H.I.: 3D textureless object detection and tracking: An edge-based approach. In: Intelligent Robots and Systems (IROS), 2012 IEEE/RSJ International Conference on, 2012, S. 3877–3884

Git Repository Übersicht

https://www-user.tu-chemnitz.de/~fepf/app/gitlist/index.php/harpo

Demovideo

https://www-user.tu-chemnitz.de/~fepf/files/harpo/commisioning_app_take3.mp4

Diese Präsentation

https://www-user.tu-chemnitz.de/~fepf/slideshow/harpo