2.1.2 SCARA roboti
Za interakcijo z objekti, po tem ko so zaznani, je poznanih veliko rešitev, najbolj elegantna od katerih je za pobiranje iz traku SCARA robot prikazan na sliki 2.6. Artikulirana robotska roka s selektivno skladnostjo (ang. Selective Compliance Articulated Robot Arm) ali SCARA je roka, ki ima omogočeno prosto premikanje po oseh X in Y in je toga na osi Z. Je roka, sestavljena iz dveh segmentov, ki se lahko vrtita okoli Z osi neodvisno drug od drugega. Ima štiri prostostne stopnje, kar pomeni, da ima omejene določene gibe, v tem primeru nima možnosti naklona ali odklona [4].
6
Slika 2.6: SCARA robot podjetja FANUC [4]
Delovno območje je v obliki valja okoli nosilne podlage s premerom odvisnim od dolžine segmentov roke razvidno na sliki 2.7. SCARA je odlična za “poberi in odloži” naloge (ang.
pick and place) katere opravlja z veliko hitrostjo.
Slika 2.7: Prikaz delovnega območja SCARA robota [4]
Pomembno je, da se ne preseže obremenitvenih maksimumov, še posebej ko je roka popolnoma iztegnjena, saj ima tako dokaj veliko navorno ročico.
Teoretične osnove
7
2.1.3 Osvetlitev interesnega območja
Glede na funkcijo sistema za katerega je potrebno pripraviti način osvetljevanja se izbira različne metode, postavitev katerih je prikazana na sliki 2.8.
Slika 2.8: Metode osvetljevanja
Direktna osvetlitev je način osvetljevanja ponavadi dosežena s virom svetlobe v obliki obroča, ki je postavljen tako da je kamera v sredini. Sicer je tako osvetlitev vzporedna z optično osjo, vendar zaradi direktne poti svetlobe do interesnega območja pride do lis kjer se svetloba odbija od podlage in objekta [5].
Osvetlitev v svetlem polju ima vir svetlobe pod majhnim kotom glede na optično os zaradi česar zmanjša bleščanje, vendar je le to še vedno prisotno. Boljši je kontrast kotov zaradi senčenja, vendar pa lahko le te tudi pripomorejo k napačnemu zaznavanju [5].
Osvetlitev temnega polja poveča kot vira svetlobe glede na optično os, in se s tem znebi možnosti zrcalnega odboja proti kameri, težava je z višino objektov ali višino njihovih delov (npr. hladilna rebra) [5].
Osvetlitev od zadaj je optimalen način osvetljevanja, če je cilj prepoznavanje robov objekta ali njihova kontrola. Izgubijo pa se vse podrobnosti na samem objektu [5].
Difuzna osvetlitev je boljša različica direktne osvetlitve, ki uporablja polprepustno zrcalo da zmanjša intenziteto svetlobnih žarkov in se s tem znebi bleščanja. Ker je intenziteta svetlobe, ki pride do kamere manjša je slika lahko pretemna, to pa se popravi z močnejšim virom svetlobe [5].
8
Rezultat opisanih načinov osvetljevanja je prikazan na sliki 2.9.
Slika 2.9: Osvetlitev kovanca: Direktna (A), v svetlem polju (B), v temnem polju (C), od zadaj (D) in direktna difuzna (E) [5]
2.2 Slikovni sistemi
2.2.1 Kamere
Za izbiro kamere je potrebno dobro razumevanja problema, ki ga rešujemo in na podlagi tega izberemo ustrezno napravo. Prva pomembna lastnost je, če ima kamera zmožnost izdelave globinske (3D) slike. To je uporabno če želimo natančno pozicijo ter tretjo dimenzijo opazovanega objekta čim bolj popisati v naši aplikaciji. V primeru da je cilj povezan s prepoznavanjem barve objekta (npr. zrelost paradižnikov) in natančnost pozicije ni tako pomembna, pa je izbira navadne 2D kamere dobra. Druge specifikacije, ki so pomembne pri kameri so njena ločljivost, velikost slikovnega senzorja, maksimalno število slik na sekundo (FPS), hitrost prenosa podatkov ter cena.
Teoretične osnove
9 V industrijskih aplikacijah je velikokrat globinski modul ločen od barvnega, vendar je možen nakup ali 3D tiskanje okvirja, v katerega sta modula vstavljena, da sta kameri na specifični razdalji in je tako možno uporabiti integrirano funkcijo za usklajevanje barvne ter globinske slike. Primer tiskane rešitve je prikazan na sliki 2.10.
Slika 2.10: Primer 3D tiskane rešitve za združevanje 2D RGB ter globinske kamere [6]
2.2.2 Zapis 2D slike in barvni prostori
Za predstavitev digitalnega zapisa sivinske slike je potrebnih nekaj predpostavk. Imamo dve spremenljivki i in j za katere velja 1 ≤ i ≤ 𝑥 in 1 ≤ j ≤ 𝑦 in funkcijo 𝑓s(i,j), ki označuje
Maksimalne vrednosti 𝑥, 𝑦 ter M so lastnsti kamere, 𝑥 in 𝑦 predstavljata ločljivost, M pa maksimalno intenziteto določeno s številom dodeljenih bitov [7].
Zgoraj je opisan sivinski barvni prostor, obstajajo pa še taki, ki za intenziteto barve nimajo dodeljene samo ene spremenljivke. S tem omogočajo barvni zapis slike.
RGB/BGR ([R]Rdeča, [G]Zelena, [B]Modra)
RGB barvni sistem katere model je prikazan na sliki 2.11, je sestavljen iz treh spremenljivk.
Vsaka predstavlja eno barvo (rdeča, zelena in modra), kombinacije le teh pa sestavijo vse ostale. Za vsako sliko so narejeni trije zapisi, en za vsako od teh spremenljivk, nakar so te postavljene ena čez drugo tako, da se prekrivajo in se barve združijo. Velikost slike tako postane trikrat večja kot navadna sivinska.
10
Slika 2.11: Prikaz barvnega modela RGB [8]
HSV ([H]Odtenek [S]Nasičenost [V]Vrednost)
HSV je barvni prostor katerega model je prikazan na sliki 2.12, opisuje barvno sliko kot odtenek, nasičenost in vrednost. Odtenek pove kakšna je bazična barva, nasičenost pove če kako bleda je ta barva in vrednost kako temna je. V robotskem vidu ima prednost pred RGB barvnim prostorom, kadar je en od parametrov za prepoznavanje objekta njegova barva, saj so vsi odtenki enkapsulirani v spremenljivki H. Ena od težav pa je da so robne vrednosti odtenka pripisane rdeči barvi (prehod v oranžno, ter prehod v vijolično) to je pogosto rešeno tako, da barvo slike obrnemo in nato iščemo odtenke modre, ki pa nima te težave.
Slika 2.12: HSV barvni model[9]
Teoretične osnove
11
2.2.3 Tri-dimenzionalno slikanje površin
Poznamo tri metode za tri-dimenzionalno slikanje (ang. 3D imaging); kontaktna, prenosna (transmisivna) ter odsevna.
Kontaktna metoda zbira podatke o obliki preko fizičnega kontakta z objektom. Je počasna in lahko poškoduje izdelek poda pa zelo natančne in točne podatke. Primer je Koordinatni Merilni Stroj (KMS), ki se pogosto uporablja v industrijskem okolju za preverjanje pravilnosti kosov. Na sliki 2.13 je nazorno prikazano zaznavanje oblike površine s kontaktno metodo.
Slika 2.13: Nazorni prikaz delovanja kontatknega slikanja [10]
Prenosna metoda uporablja senzorje, ki zaznavajo sproščanje energije v objektu za določanje oblike. Večinoma se tehnika uporablja v medicini v obliki Magnetne Resonance (MRI), Računalniške Tomografije (CT) ali Pozitronske Emisijke Tomografije (PET). Kjer ločujejo različne dele telesa glede na to koliko energije oddajo, ko jih stimulirajo na različne načine.
Odsevna ali reflektivna metoda je lahko optična ali ne optična. Primer ne optične metode je sonar, ki zazna objekte tako, da pošlje ultrazvočne valove in nato zaznava odboje na objektu. Informacije niso natančne so pa uporabne za ugotavljanje generalne pozicije in oblike. Uporaba sonarja je pogosta v ribolovu.
Optična odsevna metoda deluje v dražjih iteracijah na principu časa preleta (ang. Time of Flight), v bolj komercialno dostopnih primerih pa se uporablja princip strukturirane svetlobe, primer delovanja je prikazan na sliki 2.14, kjer sveti vzorec v infrardečem spektru, in z eno ali več kamerami z IR filtrom preverja kako je ta vzorec deformiran [8]. Druga možnost pa je zaznavanje globine s stereoskopskim vidom.
12
Slika 2.14: Prikaz deformacije vzorca pri principu strukturirane svetlobe [11]
Stereoskopski vid
Podobno kot človeški vid stereoskopske kamere posnamejo dve sliki ter jih primerjajo med seboj. Ker je razdalja med zaznavali znana, je možen preračun oddaljenosti objekta od kamere.
Slika 2.15: Nazoren prikaz delovanja stereoskopske kamere [7]
Na sliki 2.15 je prikazan je prizor na katerem je zaznana točka P na razdalji 𝑧. Zaznali sta ga dve kameri, ki sta zamaknjeni za 𝛥𝑠 in imata enako goriščno razdaljo 𝑓. Točka je projicirana na oba senzorja z zamikom 𝑑1 oziroma 𝑑2. Tako veljata relaciji (2.2):
𝑑1 𝑥d = 𝑓
𝑧 za levo kamero in 𝑑2
𝛥𝑠 − 𝑥d= 𝑓
𝑧 za desno kamero (2.2)
Teoretične osnove
13 Razdalja je lahko tako preračunana po formuli (2.3).
𝑑 = 𝑑1 + 𝑑2 =𝑓 ∙𝑥d
Na sliki se vidi tudi, da ima stereoskopski vid maksimalno dolžino na kateri je še efektiven saj postaneta sliki obeh kamer že preveč podobni za primerjavo. Ima pa tudi minimalno dolžino efektivnosti, ki pa je pogojena s širino senzorjev [7].
Za dodatno pomoč pri zaznavanju, uporabljajo nekatere kamere še IR vzorec, kot dodaten šum, ki ga kameri lahko zaznata, slika 2.16 prikazuje vzorec kamere uporabljene v tej nalogi.
Te vzorci so ponavadi specifične oblike, ki jih zaznavala poznajo in si tako povišajo možnosti, da bo globina razbrana pravilno [12].
Slika 2.16: Oblika vzorca, ki ga projicira kamera Intel D435 [12]
2.2.4 Shranjevanje 3D slike
Od naštetih načinov za 3D slikanje je kontaktna tako natančna, da lahko modele narejene s podatki pridobljenimi na ta način direktno pretvorimo v standardne formate za 3D objekte (STL ali OBJ), za ostale pa so podatki, večino časa pomanjkljivi in potrebujejo za tako pretvorbo še vmesne procese, ki na podlagi prejetih podatkov ekstrapolirajo, kako izgledajo tisti deli, ki so slabše popisani. Za uporabo v industrijskem zaznavanju potrebujemo popisane samo določene točke zato ti procesi niso potrebni. V tem primeru se globinski podatki shranijo v oblak točk ali globinsko sliko. Oblak točk je skupek točk, ki imajo definirane koordinate X, Y in Z in tako sestavijo ter vizualizirajo 3D objekt. Slika 2.17 prikazuje primer oblaka točk za model torusa.
14
Slika 2.17: Dva pogleda na oblak točk modela torusa [13]
Slika 2.18 pa prikazuje globinski zemljevid, ki deluje bolj kot 2D slika, le da ima še za vsako ima za vsako točko posnetka shranjeno samo razdaljo od kamere do opazovane točke.
Slika 2.18: Prikaz globinske slike (A) glede na zajeto sliko (B) [14]
2.3 Programska oprema
Za izdelavo in delovanje naloge je bila potrebna povezava med različnimi programi. Za simulacijsko okolje je bil uporabljen Gazebo, za predvajanje posnetkov rqt_bag, za GUV
“rqt_image_view”, za procesiranje slike in prepoznavanje objektov pa je bila ustvarjena programska oprema, ki je uporabljala knjižnico OpenCV. Vsi ti programi so bili povezani v ogrodju ROS.
2.3.1 ROS
Robotski operacijski sistem je ogrodje (ang. framework) za pisanje programske opreme za uporabo v robotiki. Vsebuje orodja in knjižnice za olajševanje dela pri izdelavi kompleksnih ter robustnih robotskih sistemov. Ker je baziran na odprtokodnem principu spodbuja sodelovalni razvoj. Rezultat tega je hitrejši napredek novih tehnologij v svetu avtomatizacije in robotike, saj se lahko vsak sodelavec osredotoča na specifike v svoji stroki, ter za svoj projekt uporabisegmente kode, ki so jih naredili drugi.
Teoretične osnove
15 Roscore je skupek vozlišč in programov, ki je zadolžen za komunikacijo med vsemi vozlišči.
To je že vgrajena funkcija ROSa, klicana z ukazom “roscore” in mora biti vklopljena za delo vseh ostalih vozlišč. Ob klicu ukaza “roslaunch” se začne izvajati tudi roscore [15].
Delovno okolje(ang. workspace) je mapa (ang. directory) znotraj katerega je z uporabo različnih orodij sestavljen celoten projekt. V tem diplomskem delu je bil uporabljen catkin.
To je en od sistemov za grajenje (ang. build system) v okolju ROS baziran na programski opremi Cmake, in je uporabljen za grajenje in prevajanje (ang. build and compile) projektov, kar je potrebno za pretvorbo izvorne kode v izvršljiv program.
Vozlišče (ang. node) v ogrodju ROS je lahko izdajatelj (ang. publisher), naročnik (ang.
subscriber) ali izdajatelj in naročnik hkrati, vendar ne more brati iz iste teme na katero pošilja podatke. Programi, ki sodelujejo med seboj so postavljeni v isti delovni prostor (ang.
workspace), tako je omogočeno istočasno delo na večih projektih brez mesebojnega motenja [14].
Ker so vozlišča samostojni programi, ki komunicirajo preko jasno definiranih vhodov in izhodov, je integracija že narejenega programja z lastnim zelo preprosta. Povezave med vozlišči in temami je možno pogledati s programjem “rqt_graph”, ki vrne prikaz kot se vidi na sliki 2.19.
Slika 2.19: Povezava vozlišč (elipse) prek tem (pravokotniki), za primer simulacije v tej nalogi, prikazano v rqt_graph
Izdajatelj (ang. publisher), Naročnik (ang. subscriber) in Tema (ang. topic)
Izdajatelj objavi podatke določenega tipa, naročnik jih bere in nato z njimi razpolaga kakor želi. Povezava med vsakin izdajateljem in naročnikom je tema, to je vmesna točka, ki olajša integracijo različnih vozlišč.
2.3.2 Gazebo
Gazebo je programska oprema v kateri je v diplomskem delu simulirano testno okolje za zaznavanje oblike objektov. Okolje opišemo v datoteki “.world” v XML temelječemu SDF formatu, vanj so lahko vstavljene tudi urdf datoteke, ki predstavljajo 3D objekte narejene po meri [13].
16
Slika 2.20: Gazebo okolje
Čeprav je okolje opisano pred zagonom, je možno naknadno dodajanje objektov v sceno.
Nekaj opcij je na voljo že v GUV (slika 2.20), kot je preprosta oblika ali pa različni viri svetlobe, omogočeno je tudi naknadno dodajane zunanjih objektov datotečnega tipa URDF
ali pa STL (ang. Standard Triangle Language).
2.3.3 URDF
URDF (ang. Unified Robot Description Format) je vrsta XML datoteke, uporabljena v okolju ROS. V datoteki definiramo obliko 3D objekta ter njegove lastnosti, ki jih bo Gazebo simulacija upoštevala [14]. Slika 2.21 prikazuje izgled kode URDF formata ter njen rezultat v Gazebo okolju.
Slika 2.21: XML koda za URDF model modrega valja in prikaz opisanega objekta
Teoretične osnove
17
2.3.4 Rqt
En od mnogih paketov, ki so na voljo v ROSu je Rqt. Vključuje veliko GUV orodij, ki temeljijo na ogrodju Qt.
“Image view” (slika 2.22) je programska oprema za prikaz slike ali videa objavljenega na temi. Uporabljena je bila za izdelavo GUV v tem delu.
Slika 2.22: GUV programa “Image view” za ogled slikovnih tem
Vreča (ang. bag) (slika 2.23) je način shranjevanja informacij, ki so objavljene na teme.
Primeri iz različnega življenja so bili predčasno posneti za testiranje, vendar na ta način so objavljeni podatki ravno tako kot, če bi le ti bili predvajani v živo iz kamere. Aplikacija
“rqt_bag” pa daje možnost snemanja ter predvajanja tega tipa datoteke.
Slika 2.23: GUV programa “bag”
18
Vmesnik dovoljuje izbiro vreče, katere teme naj bodo objavljene, igranje/pavziranje posnetka ter premikanje naprej in nazaj po slikah.
2.4 Knjižnica OpenCV
OpenCV je odprtokodna knjižnica za računalniški vid, ki vsebuje mnogo algoritmov za procesiranje 2D slike ali videa, ima pa tudi nekaj možnosti za globinske podatke. V tej nalogi so najpomembnejši Cannyjev filter za iskanje robov, funkcija za iskanje kontur ter funkcije za njuno boljše delovanje.
2.4.1 Cannyjev filter
Canny detektor najprej zmanjša prisotnost šuma z meglenjem in nato sliko filtrira s Sobelovim filtrom v horizontalni (𝐺𝑥) ter vertikalni (𝐺𝑥) smeri.
Sobelov filter primerja sosednje slikovne točke in išče ekstremne spremembe, ki predstavljajo rob. Robni gradient (2.4) ter kot smeri (2.5) je preračunan, iz rezultatov filtra [16].
𝐺 = √𝐺x2+ 𝐺y2 (2.4) 𝜃 = tan−1(𝐺y
𝐺x) (2.5) Ko sta robni kot in kot smeri izračunana je slika skenirana, da se odstrani slikovne točke, ki niso lokalni maksimum in s tem naredijo rob bolj oster.
Slika 2.24: Prikaz preverjanja lokalnega maksimuma [16]
Slika 2.24 podaja nazoren prikaz preverjanja lokalnega maksimuma. Točka A je na vertikalnem robu, smer robnega gradienta je vedno pravokotna na dejanski rob. Ker sta točki B in C v smeri gradienta zato mora detektor preveriti katera točka je največja in ostale spremeni v 0, da ne motijo nadaljnih procesov. Ta proces ustvari tanjše in močnejše robove, ki so boljši za slikovno procesiranje.
Zadnji korak je odstranjevanje robov, ki niso pomembni ali pa sploh niso res robovi (slika 2.25). Cannyjeva funkcija knjižnice OpenCV sprejme še dva parametra ki sta zgornja in
Teoretične osnove
19 spodnja meja. Deluje tako, da preverja če je intenziteta gradienta nad zgornjo mejo, in to določi kot definitiven rob. Če intenziteta pade pod zgornjo mejo bo še vedno štet kot rob čeprav je njegova vrednost tehnično prenizka. Če pa pade intenziteta robu pod spodnjo mejo ali pa nikoli ni bila nad zgornjo mejo, potem pa detektor tega ne bo prepoznal kot rob [16].
Slika 2.25: Nazoren prikaz prepoznavanja robov s Cannyjevim filtrom[16]
Točka na robu A ima močno intenziteto in je prepoznana kot rob, vendar ta pade pod zgornjo mejo do točke C kar pa ne pomeni, da ta ni več šteta kot rob. Točka B pa ni povezana z nobeno točko, ki bi imela dovolj močno intenziteto in ni šteta kot rob čeprav nikoli ne pade pod spodnjo mejo [16].
S spreminjanjem parametrov zgornje in spodnje meje se išče robove, ki so uporabni za posamezno aplikacijo. Slika 2.26 prikazuje realno izhodno sliko zaznanih robov s pomočjo Cannyjevega filtra
Slika 2.26: Slike s prepoznanimi robovi ulitka in valja s slabimi parametri za iskanje mejnih robov (A) in (B) ter boljšo izbiro za ista objekta (C) in (D)
20
2.4.2 Hierarhija kontur
Ko so najdene konture, se shrani tudi informacija o njihovem nivoju in njihovi relaciji z bližnjimi konturami. Sicer so različni načini shranjevanja glede na to kaj se potrebuje vendar je “RETR_TREE” tista, ki je bila uporabljena v tej nalogi. Za vsako konturo pove katera je naslednja kontura na istem nivoju, katera je bila prejšnja, če je otroška konturo in če je starševska kontura [14]. To je specifično uporabno če ima objekt veliko izbočenih delov (npr. Hladilna rebra), ki imajo močan rob in jih Canny zazna vendar niso uporabni za orisane konture. Slika 2.27 je primer zaznanih kontur, in označeni so določeni robovi, ter njihovo pozicijo v hierarhiji.
Slika 2.27: Primer hierarhije kontur [16]
Zeleno so napisani nivoji konture, oranžno pa zapovrstno število konture. Kontura 0 je na nivoju 0, naslednja kontura na istem nivoju je 7, prejšnje nima, ni otroška, kar pomeni da bi bila vrednost -1 in je starševska konturi 1. Vrednost hierarhije za konturo 0 bi torej bila:
(7, -1, 1, -1) [16].
2.4.3 Gaussovo meglenje
Meglenje slike je konvolucijska operacija, kar pomeni da združi ožja območja točk z namenom , da se doseže željene rezultate, v tem primeru zamegli sliko. To doseže tako da se po sliki premika matrika ki spreminja, vrednost slikovnih točk [17].
𝐵(𝑥, 𝑦) = 1
√2𝜋𝜎2𝑒−
𝑥2+𝑦2
2𝜎2 (2.2) Enačba (2.2) je standardna enačba za Gaussovo porazdelitev v dveh dimenzijah, kjer sta 𝑥 in 𝑦 koordinati slikovne točke in je 𝜎 standardna deviacija. Narejena je 2D matrika, ki je liha
Teoretične osnove
21 v obeh dimenzijah. Določene so ji vrednosti glede na gaussovo porazdelitev, ki predstavljajo utež posamezne celice v filtru. Filter se nato premika po sliki in nastavi vrednost sredinske slikovne točke na preračunano vrednost filtra. Večja matrika poveča nivo meglenja saj se poveča doseg matrike in s tem na opazujočo slikovno točko vpliva še več okolišnjih točk. V sivinskem barvnem prostoru se postopek izvede samo enkrat medtem ko se v RGB barvnem prostoru to izvede za vsako barvo.
2.4.4 Razširjenje
Razširjenje (slika 2.28) je proces kjer se matrika premika po sliki, in preverja vrednost slikovnih točk. Če najde točko, ki ima dovolj visoko vrednost (ponavadi je to svetla barva) potem v dosegu matrike nastavi vse slikovne točke na visoko vrednost. Večja ko je matrika bolj odebeljena je črta[16]. Za delovanje navadnega razširjanja je potrebna sivinska slika, da je lahko prepoznavna visoka vrednost, ki mora biti ojačana.
Slika 2.28: Sivinska slika pred in po razširjanju [16]
22
Metodologija raziskave
23
3 Metodologija raziskave
Za implementacijo kode prepoznavanja oblike objektov na tekočem traku, je bilo potrebno najprej postaviti dva sistema za generacijo podatkov.
3.1 Realni sistem
Sistem je bil postavljen v laboratoriju LAKOS (slika 3.1), kjer se je nad tekoči trak v nosilec pritrdilo Intel D435 kamero, in se na njo povezalo z USB C konektorjem. Povezan računalnik je imel na Ubuntu OSu nameščen ROS ter IntelRealsense paket.
Slika 3.1: Realni sistem v laboratoriju
24
3.1.1 Obravnavani objekti
Za testne objekte se je izbralo nekaj različnih oblik, za izvajanje testov:
Pločevinka barve (slika 3.2 A) Mere: r=0.04m, h=0.07m
Razlog za izbiro: Preprosta valjasta oblika z nekaj podrobnosti, ki lahko motijo zaznavanje oblike.
Valjasti surovec (slika 3.2 B) Mere: r=0.03m, h=0.08
Razlog za izbiro: Preprosta valjasta oblika, vendar z nekoliko reflektivno površino, ki lahko povzroča težave pri zaznavanju višine.
Slika 3.2: Pločevinka barve (A) in valjasti surovec (B) Ulitek z rebri (slika 3.3 A)
Mere: l1,2=0.15m*0.2m, h=0.02m
Razlog za izbiro: Bolj kompleksna oblika s nekaj podrobnosti, ki lahko motijo zaznavanje oblike.
Ploščat ulitek (slika 3.3 B)
Mere: l1,2=0.15m*0.19m, h=0.01m
Razlog za izbiro: Malce bolj kompleksna oblika, ki je zelo nizka in zato lahko povzroča težave pri zaznavanju višine.
Metodologija raziskave
25 Slika 3.3: Ulitek z rebri (A) in ploščat ulitek (B)
Kartonasta škatla (slika 3.4) Mere: l1,2=0.08m*0.1m, h=0.08m
Razlog za izbiro: Preprosta štirikotna oblika, odličen testni objekt za prva preverjanja delovanja.
Slika 3.4: Kartonasta škatla
3.1.2 Kamera Intel D435
Za generacijo podatkov je bila uporabljena globinska kamera D435, ki je prikazana na sliki 3.5. Sestavljena je iz štirih glavnih komponent: 2 kameri, IR projektor ter RGB modul. S kamerami in IR modulom je kamera zmožna stereo vida, RGB modul pa omogoča zajem
Za generacijo podatkov je bila uporabljena globinska kamera D435, ki je prikazana na sliki 3.5. Sestavljena je iz štirih glavnih komponent: 2 kameri, IR projektor ter RGB modul. S kamerami in IR modulom je kamera zmožna stereo vida, RGB modul pa omogoča zajem