- ホーム
- > 洋書
- > ドイツ書
- > Mathematics, Sciences & Technology
- > Technology
- > mechanical engineering & production engineering
Description
Die automatisierte Handhabung deformierbarer Objekte stellt die Produktion vor besondere Herausforderungen: Leitungssätze sind groß, biegeschlaff und komplex, zugleich steigt der Bedarf an Ergonomie, Nachverfolgbarkeit und Kosteneffizienz. Diese Arbeit adressiert das Kernproblem der kamerabasierten Erkennung, indem die Topologie eines Leitungssatzes - seine Struktur und Segmentzuordnung - aus Stereodaten geschätzt wird. Dazu werden Vorgehensweisen systematisch entwickelt und eine Taxonomie zur Topologieschätzung eingeführt.
Im Zentrum stehen hierbei datengetriebene Methoden: Deep-Learning-Modelle erkennen Segmente und Zuordnungen robust auch unter Unsicherheit. Validierungen an verschiedenen Leitungssätzen zeigen u. a. mAP-Werte über 0,9 in der Splineerkennung sowie 82,5 % Erfolgsrate beim roboterbasierten Griff aus der Kiste. Die Ergebnisse belegen, dass die Integration der kamerabasierten Topologieschätzung ein Schlüssel für die roboterbasierte Handhabung von Leitungssätzen ist.
