| Popis: |
Дипломний проект охоплює вивчення та розробку системи розпізнавання об'єктів в робототехніці на основі використання стереокамери та нейронних мереж. Було розглянуто проблематику розпізнавання в робототехніці, зокрема, розглядаються основні технології розпізнавання та технічні засоби у Computer Vision, на основі яких обрано апаратну частину. Досліджено нейронні мережі та їх використання для розпізнавання об'єктів, з акцентом на аналіз 3D даних та опис процесу вибору і адаптації архітектури нейронної мережі для розпізнавання 3D об'єктів на основі RGB та глибини. За даною архітектурою розроблено нейронну мережу, яку натренувано та випробувано для поставленої задачі. Проведений експеримент з метою порівняти вплив даних про глибину на точність розпізнавання нейронною мережею. Останнім пунктом, описана розробка системи для розпізнавання об’єктів, яка інтегрує навчену нейронну модель для роботи з обраною стереокамерою в єдиний застосунок. В результаті проекту було створено ефективну систему розпізнавання об'єктів для робототехніки, яка поєднує сучасні техніки комп'ютерного зору та нейронних мереж. The Bachelor's thesis covers the study and development of an object recognition system in robotics based on the use of a stereo camera and neural networks. The issues of recognition in robotics were considered, in particular, the main recognition technologies and technical means in Computer Vision were discussed, based on which the hardware part was chosen. Neural networks and their use for object recognition were explored, with an emphasis on analyzing 3D data and describing the process of selecting and adapting the architecture of the neural network for recognizing 3D objects based on RGB and depth. According to this architecture, a neural network was developed, trained, and tested for the set task. An experiment was conducted to compare the influence of depth data on the accuracy of recognition by a neural network. The final point describes the development of a system for object recognition, which integrates the trained neural model to work with the chosen stereo camera into a single application. As a result of the project, an effective object recognition system for robotics was created, which combines modern techniques of computer vision and neural networks. |
