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...
- 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.coPGgzPjxzdHJvbmc+RGVzY2FyZ28gZGUgUmVzcG9uc2FiaWxpZGFkIC0gTGljZW5jaWEgZGUgQXV0b3JpemFjacOzbjwvc3Ryb25nPjwvaDM+CjxwPjxzdHJvbmc+UG9yIGZhdm9yIGxlZXIgYXRlbnRhbWVudGUgZXN0ZSBkb2N1bWVudG8gcXVlIHBlcm1pdGUgYWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbCBTw6luZWNhIHJlcHJvZHVjaXIgeSBkaXN0cmlidWlyIGxvcyByZWN1cnNvcyBkZSBpbmZvcm1hY2nDs24gZGVwb3NpdGFkb3MgbWVkaWFudGUgbGEgYXV0b3JpemFjacOzbiBkZSBsb3Mgc2lndWllbnRlcyB0w6lybWlub3M6PC9zdHJvbmc+PC9wPgo8cD5Db25jZWRhIGxhIGxpY2VuY2lhIGRlIGRlcMOzc2l0byBlc3TDoW5kYXIgc2VsZWNjaW9uYW5kbyBsYSBvcGNpw7NuIDxzdHJvbmc+J0FjZXB0YXIgbG9zIHTDqXJtaW5vcyBhbnRlcmlvcm1lbnRlIGRlc2NyaXRvcyc8L3N0cm9uZz4geSBjb250aW51YXIgZWwgcHJvY2VzbyBkZSBlbnbDrW8gbWVkaWFudGUgZWwgYm90w7NuIDxzdHJvbmc+J1NpZ3VpZW50ZScuPC9zdHJvbmc+PC9wPgo8aHI+CjxwPllvLCBlbiBtaSBjYWxpZGFkIGRlIGF1dG9yIGRlbCB0cmFiYWpvIGRlIHRlc2lzLCBtb25vZ3JhZsOtYSBvIHRyYWJham8gZGUgZ3JhZG8sIGhhZ28gZW50cmVnYSBkZWwgZWplbXBsYXIgcmVzcGVjdGl2byB5IGRlIHN1cyBhbmV4b3MgZGUgc2VyIGVsIGNhc28sIGVuIGZvcm1hdG8gZGlnaXRhbCB5L28gZWxlY3Ryw7NuaWNvIHkgYXV0b3Jpem8gYSBsYSBVbml2ZXJzaWRhZCBkZSBsb3MgQW5kZXMgcGFyYSBxdWUgcmVhbGljZSBsYSBwdWJsaWNhY2nDs24gZW4gZWwgU2lzdGVtYSBkZSBCaWJsaW90ZWNhcyBvIGVuIGN1YWxxdWllciBvdHJvIHNpc3RlbWEgbyBiYXNlIGRlIGRhdG9zIHByb3BpbyBvIGFqZW5vIGEgbGEgVW5pdmVyc2lkYWQgeSBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBBbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCB1dGlsaWNlIGVuIHRvZGFzIHN1cyBmb3JtYXMsIGxvcyBkZXJlY2hvcyBwYXRyaW1vbmlhbGVzIGRlIHJlcHJvZHVjY2nDs24sIGNvbXVuaWNhY2nDs24gcMO6YmxpY2EsIHRyYW5zZm9ybWFjacOzbiB5IGRpc3RyaWJ1Y2nDs24gKGFscXVpbGVyLCBwcsOpc3RhbW8gcMO6YmxpY28gZSBpbXBvcnRhY2nDs24pIHF1ZSBtZSBjb3JyZXNwb25kZW4gY29tbyBjcmVhZG9yIGRlIGxhIG9icmEgb2JqZXRvIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8uPC9wPgo8cD5MYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuIHNlIGVtaXRlIGVuIGNhbGlkYWQgZGUgYXV0b3IgZGUgbGEgb2JyYSBvYmpldG8gZGVsIHByZXNlbnRlIGRvY3VtZW50byB5IG5vIGNvcnJlc3BvbmRlIGEgY2VzacOzbiBkZSBkZXJlY2hvcywgc2lubyBhIGxhIGF1dG9yaXphY2nDs24gZGUgdXNvIGFjYWTDqW1pY28gZGUgY29uZm9ybWlkYWQgY29uIGxvIGFudGVyaW9ybWVudGUgc2XDsWFsYWRvLiBMYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuIHNlIGhhY2UgZXh0ZW5zaXZhIG5vIHNvbG8gYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlIHVzbyBzb2JyZSBsYSBvYnJhIGVuIGZvcm1hdG8gbyBzb3BvcnRlIG1hdGVyaWFsLCBzaW5vIHRhbWJpw6luIHBhcmEgZm9ybWF0byBlbGVjdHLDs25pY28sIHkgZW4gZ2VuZXJhbCBwYXJhIGN1YWxxdWllciBmb3JtYXRvIGNvbm9jaWRvIG8gcG9yIGNvbm9jZXIuPC9wPgo8cD5FbCBhdXRvciwgbWFuaWZpZXN0YSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8sIGxhIG9icmEgZXMgZGUgc3UgZXhjbHVzaXZhIGF1dG9yw61hIHkgdGllbmUgbGEgdGl0dWxhcmlkYWQgc29icmUgbGEgbWlzbWEuPC9wPgo8cD5FbiBjYXNvIGRlIHByZXNlbnRhcnNlIGN1YWxxdWllciByZWNsYW1hY2nDs24gbyBhY2Npw7NuIHBvciBwYXJ0ZSBkZSB1biB0ZXJjZXJvIGVuIGN1YW50byBhIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBzb2JyZSBsYSBvYnJhIGVuIGN1ZXN0acOzbiwgZWwgYXV0b3IgYXN1bWlyw6EgdG9kYSBsYSByZXNwb25zYWJpbGlkYWQsIHkgc2FsZHLDoSBkZSBkZWZlbnNhIGRlIGxvcyBkZXJlY2hvcyBhcXXDrSBhdXRvcml6YWRvcywgcGFyYSB0b2RvcyBsb3MgZWZlY3RvcyBsYSBVbml2ZXJzaWRhZCBhY3TDumEgY29tbyB1biB0ZXJjZXJvIGRlIGJ1ZW5hIGZlLjwvcD4KPHA+U2kgdGllbmUgYWxndW5hIGR1ZGEgc29icmUgbGEgbGljZW5jaWEsIHBvciBmYXZvciwgY29udGFjdGUgY29uIGVsIDxhIGhyZWY9Im1haWx0bzpiaWJsaW90ZWNhQHVuaWFuZGVzLmVkdS5jbyIgdGFyZ2V0PSJfYmxhbmsiPkFkbWluaXN0cmFkb3IgZGVsIFNpc3RlbWEuPC9hPjwvcD4K |