Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación

Este proyecto se centra en la implementación de tres algoritmos para la clasificación y segmentación de objetos (DA-RNN, YOLOV8, SegNet), así como en la integración de dos algoritmos para la estimación de posición 6D (Segmentation Driven 6D, Robust 6D pose estimation) basados en el algoritmo PoseCNN...

Full description

Autores:
Rodríguez González, Diego Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/73470
Acceso en línea:
https://hdl.handle.net/1992/73470
Palabra clave:
Segmentación de objetos
Estimación de posición 6D
DA-RNN
YOLOV8
SegNet
PoseCNN
Pick and place
Ingeniería
Rights
openAccess
License
Attribution 4.0 International
Description
Summary:Este proyecto se centra en la implementación de tres algoritmos para la clasificación y segmentación de objetos (DA-RNN, YOLOV8, SegNet), así como en la integración de dos algoritmos para la estimación de posición 6D (Segmentation Driven 6D, Robust 6D pose estimation) basados en el algoritmo PoseCNN : a convolutional neural network for 6d object pose estimation in cluttered scenes. El propósito de esta implementación es llevar a cabo una evaluación entre los diferentes algoritmos, con el objetivo de identificar aquellos que demuestren un rendimiento óptimo para cada tarea. Se asume que estos algoritmos tienen el potencial de aplicación en operaciones de "Recoger y Colocar" ("Pick and Place"). La meta principal es seleccionar el par de algoritmos que muestre el mejor rendimiento en estas aplicaciones específicas.