Detekce a lokalizace netexturovaných objektů z RGB-D snímků

Abstract

V této práci jsem implementoval metodu pro detekci a lokalizaci netexturovaných objektů v RGB-D snímcích založenou hlasování pomocí Point-pair feature, která sestává ze vzdálenosti dvou bodů ve scéně a úhlu jejich normálových vektorů. Navrhl a implementoval jsem několik vylepšení, zejména vylepšený výběr párů ve scéně, vážené hlasování s prořezáváním hypotéz a přepočet skóre. Point-pair feature metoda i její vylepšení jsou vyhodnoceny na Mian a Hinterstoisser datasetech. Výsledky jsou porovnány i s komerční implementací Point-pair feature metody v MVTec HALCON software. Navržený vylepšený výběr párů ve scéně a vážené hlasování s prořezáváním hypotéz umožňují významné zrychlení metody. Přepočet skóre se ukázal jako stěžejní krok, díky kterému je možné dosáhnout značně vyšší úspěšnosti detekce.

In this thesis we implemented a method for detection and localization of texture-less objects in RGB-D images. It is based on the voting scheme which uses the Point-pair feature consisting of the distance between two points in the scene and angles of their normal vectors. We proposed and implemented several improvements, notably the restricted selection of pairs of scene points, weighted voting with hypothesis pruning and calculation of a matching score. The Point-pair feature method and the proposed improvements are evaluated on Mian's and Hinterstoisser's datasets. The results are also compared with the commercially available implementation of the Point-pair feature method from the MVTech HALCON software. The proposed restricted selection of pairs of scene points and the weighted voting with hypothesis pruning proved to significantly reduce the time needed for detection. Calculation of the matching score turned out to be crucial for reliable pruning of false positives.