Synthetic Data Generation for Robotic Order Picking

Abstract

Fortschritte in der Robotik, insbesondere in der Computer Vision, haben zu einem zunehmenden Einsatz von Robotern in der Kommissionierung geführt. Deep-Learning-Methoden, die CNN für Computer-Vision-Zwecke verwenden, haben gute Ergebnisse bei der Objekterkennung und -lokalisierung gezeigt. Das Trainieren neuronaler Netze erfordert jedoch eine große Menge an objektspezifisch markierten Daten. In diesem Beitrag haben wir synthetische Daten generiert und in ein geeignetes Format konvertiert, um damit neuronale netzte zu trainieren. Zu diesem Zweck werden randomisierte Kamerawinkel, Hintergründe und Objektkonfigurationen zur Datenerweiterung verwendet. Durch die Variation dieser Parameter auf der Grundlage der Eigenschaften natürlicher Objekte wird ein allgemeiner und ausgewogener Datensatz gewährleistet.