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
id UNIANDES2_afa826a28775fad6762ac68cabb3c614
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/73470
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
title Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
spellingShingle Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
Segmentación de objetos
Estimación de posición 6D
DA-RNN
YOLOV8
SegNet
PoseCNN
Pick and place
Ingeniería
title_short Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
title_full Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
title_fullStr Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
title_full_unstemmed Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
title_sort Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación
dc.creator.fl_str_mv Rodríguez González, Diego Felipe
dc.contributor.advisor.none.fl_str_mv García Cárdenas, Juan José
dc.contributor.author.none.fl_str_mv Rodríguez González, Diego Felipe
dc.contributor.jury.none.fl_str_mv Segura Quijano, Fredy Enrique
dc.subject.keyword.spa.fl_str_mv Segmentación de objetos
Estimación de posición 6D
topic Segmentación de objetos
Estimación de posición 6D
DA-RNN
YOLOV8
SegNet
PoseCNN
Pick and place
Ingeniería
dc.subject.keyword.eng.fl_str_mv DA-RNN
YOLOV8
SegNet
PoseCNN
Pick and place
dc.subject.themes.spa.fl_str_mv Ingeniería
description 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.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023-12-12
dc.date.accessioned.none.fl_str_mv 2024-01-25T16:14:10Z
dc.date.available.none.fl_str_mv 2024-01-25T16:14:10Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/1992/73470
dc.identifier.instname.none.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.none.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.none.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url https://hdl.handle.net/1992/73470
identifier_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv Xiang and D. Fox, “Da-rnn: Semantic mapping with data associated recurrent neural networks,” 2017.
V. Badrinarayanan, A. Kendall, and R. Cipolla, “Segnet: A deep convolutional encoder decoder architecture for image segmentation,” 2016.
Y. Hu, J. Hugonot, P. Fua, and M. Salzmann, “Segmentation-driven 6d object pose estimation,” 2019.
M. Tian, L. Pan, M. H. A. J. au2, and G. H. Lee, “Robust 6d object pose estimation by learning rgb-d features,” 2020.
Y. Xiang, T. Schmidt, V. Narayanan, and D. Fox, “Posecnn: A convolutional neural network for 6d object pose estimation in cluttered scenes,” 2018.
K. Wada, E. Sucar, S. James, D. Lenton, and A. J. Davison, “Morefusion: Multi-object reasoning for 6d pose estimation from volumetric fusion,” 2020.
A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “Yolov4: Optimal speed and accuracy of object detection,” 2020.
S. Hinterstoisser, V. Lepetit, S. Ilic, and K. K. N. N. Stefan Holzer, Gary Bradski, “Model based training, detection and pose estimation of texture-less 3d objects in heavily cluttered scenes,” 2012
dc.rights.en.fl_str_mv Attribution 4.0 International
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 39 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/a7f77618-3166-4fd8-942f-680e7b926584/download
https://repositorio.uniandes.edu.co/bitstreams/55c70611-b586-42be-836e-d164bc950729/download
https://repositorio.uniandes.edu.co/bitstreams/314d9d7d-dd50-4503-a3da-f18e4f982c0d/download
https://repositorio.uniandes.edu.co/bitstreams/abc78245-bc42-4809-b215-7366aa1e4b71/download
https://repositorio.uniandes.edu.co/bitstreams/b771a748-e0d8-4c5a-84f7-b11b59795a22/download
https://repositorio.uniandes.edu.co/bitstreams/b27d8d06-77e7-406a-b39a-da48a6eec305/download
https://repositorio.uniandes.edu.co/bitstreams/2b0404b0-d976-4444-b0f1-bc09f56c0b5a/download
https://repositorio.uniandes.edu.co/bitstreams/660c782a-f159-422d-87e5-37bed1df13d0/download
bitstream.checksum.fl_str_mv a0b2da9d39a8a6b5b77c5f02c794e04a
7394c8ad50252b7d37b511cb814371ba
0175ea4a2d4caec4bbcc37e300941108
ae9e573a68e7f92501b6913cc846c39f
ff781771a8f566f449e6490f3c350f97
1f66702909a898359c99757a69745abd
ed1e3d6d1913825625e5b171b47922c5
7a1d5866ed509e43d44f35098dc2a524
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133936779755520
spelling García Cárdenas, Juan JoséRodríguez González, Diego FelipeSegura Quijano, Fredy Enrique2024-01-25T16:14:10Z2024-01-25T16:14:10Z2023-12-12https://hdl.handle.net/1992/73470instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.This project focuses on the implementation of three algorithms for object classification and segmentation (DA-RNN, YOLOV8, SegNet), as well as the integration of two algorithms for 6D position estimation (Segmentation Driven 6D , Robust 6D) based on the PoseCNN algorithm. The purpose of this implementation is to conduct a evaluation among the different algorithms, aiming to identify those that demonstrate optimal performance for each task. It is assumed that these algorithms have the potential for application in "Pick and Place" operations. The primary goal is to select the pair of algorithms that exhibit the best performance in these specific applications.Ingeniero ElectrónicoPregrado39 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocaciónTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPSegmentación de objetosEstimación de posición 6DDA-RNNYOLOV8SegNetPoseCNNPick and placeIngenieríaXiang and D. Fox, “Da-rnn: Semantic mapping with data associated recurrent neural networks,” 2017.V. Badrinarayanan, A. Kendall, and R. Cipolla, “Segnet: A deep convolutional encoder decoder architecture for image segmentation,” 2016.Y. Hu, J. Hugonot, P. Fua, and M. Salzmann, “Segmentation-driven 6d object pose estimation,” 2019.M. Tian, L. Pan, M. H. A. J. au2, and G. H. Lee, “Robust 6d object pose estimation by learning rgb-d features,” 2020.Y. Xiang, T. Schmidt, V. Narayanan, and D. Fox, “Posecnn: A convolutional neural network for 6d object pose estimation in cluttered scenes,” 2018.K. Wada, E. Sucar, S. James, D. Lenton, and A. J. Davison, “Morefusion: Multi-object reasoning for 6d pose estimation from volumetric fusion,” 2020.A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “Yolov4: Optimal speed and accuracy of object detection,” 2020.S. Hinterstoisser, V. Lepetit, S. Ilic, and K. K. N. N. Stefan Holzer, Gary Bradski, “Model based training, detection and pose estimation of texture-less 3d objects in heavily cluttered scenes,” 2012201816922PublicationORIGINALautorizacion_tesis_firmada.pdfautorizacion_tesis_firmada.pdfHIDEapplication/pdf482430https://repositorio.uniandes.edu.co/bitstreams/a7f77618-3166-4fd8-942f-680e7b926584/downloada0b2da9d39a8a6b5b77c5f02c794e04aMD51Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdfImplementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdfapplication/pdf4909458https://repositorio.uniandes.edu.co/bitstreams/55c70611-b586-42be-836e-d164bc950729/download7394c8ad50252b7d37b511cb814371baMD55CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/314d9d7d-dd50-4503-a3da-f18e4f982c0d/download0175ea4a2d4caec4bbcc37e300941108MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/abc78245-bc42-4809-b215-7366aa1e4b71/downloadae9e573a68e7f92501b6913cc846c39fMD54TEXTautorizacion_tesis_firmada.pdf.txtautorizacion_tesis_firmada.pdf.txtExtracted texttext/plain2074https://repositorio.uniandes.edu.co/bitstreams/b771a748-e0d8-4c5a-84f7-b11b59795a22/downloadff781771a8f566f449e6490f3c350f97MD56Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdf.txtImplementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdf.txtExtracted texttext/plain52996https://repositorio.uniandes.edu.co/bitstreams/b27d8d06-77e7-406a-b39a-da48a6eec305/download1f66702909a898359c99757a69745abdMD58THUMBNAILautorizacion_tesis_firmada.pdf.jpgautorizacion_tesis_firmada.pdf.jpgGenerated Thumbnailimage/jpeg10839https://repositorio.uniandes.edu.co/bitstreams/2b0404b0-d976-4444-b0f1-bc09f56c0b5a/downloaded1e3d6d1913825625e5b171b47922c5MD57Implementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdf.jpgImplementación y comparación de algoritmos de estimación de posición para aplicaciones en tareas de detección de objetos para recogida y colocación.pdf.jpgGenerated Thumbnailimage/jpeg6976https://repositorio.uniandes.edu.co/bitstreams/660c782a-f159-422d-87e5-37bed1df13d0/download7a1d5866ed509e43d44f35098dc2a524MD591992/73470oai:repositorio.uniandes.edu.co:1992/734702024-01-26 03:06:04.743http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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