logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-05142024-183012


Tipo di tesi
Tesi di laurea magistrale
Autore
FAVA, FRANCESCO
URN
etd-05142024-183012
Titolo
Development and Validation of Algorithms for Point Cloud Acquisition and Clustering for Manipulation of Objects
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA ROBOTICA E DELL'AUTOMAZIONE
Relatori
relatore Garabini, Manolo
correlatore Angelini, Franco
tutor Tolomei, Simone
Parole chiave
  • clustering
  • nuvole di punti.
  • oggetti incerti
  • point clouds. clustering
  • uncertain objects
Data inizio appello
06/06/2024
Consultabilità
Non consultabile
Data di rilascio
06/06/2094
Riassunto
Effective manipulation of objects in complex and messy environments poses a significant challenge in robotics and machine vision. This work aims to address this challenge through the development and validation of advanced algorithms for real time capture and clustering of point clouds. The main objective is to improve the ability of robotic systems to perceive, understand and interact with
the surrounding environment.
The research focuses on the implementation of clustering algorithms and targeted capture policies, which guide the process of selecting objects in the scene based on defined criteria such as the distance and height of objects. These techniques optimize the efficiency of the system in detecting and grouping objects, preparing the ground for subsequent manipulation actions.
Through the analysis of existing challenges and the implementation of innovative solutions, this work contributes to the advancement of artificial vision and robotic technology. The research results provide a solid foundation for the development of intelligent and autonomous robotic systems capable of operating in complex and dynamic real world environments.
La manipolazione efficace di oggetti in ambienti complessi e disordinati pone una sfida significativa nella robotica e nella visione artificiale. Questo lavoro mira ad affrontare questa sfida attraverso lo sviluppo e la convalida di algoritmi avanzati per l’acquisizione e il clustering in tempo reale di nuvole di punti. L’obiettivo principale `e migliorare la capacit`a dei sistemi robotici di percepire, comprendere e interagire con l’ambiente circostante.
La ricerca si concentra sull’implementazione di algoritmi di clustering e di politiche di acquisizione mirate, che guidano il processo di selezione degli oggetti nella scena in base a criteri definiti come la distanza e l’altezza degli oggetti.
Queste tecniche ottimizzano l’efficienza del sistema nel rilevare e raggruppare oggetti, preparando il terreno per le successive azioni di manipolazione.
Attraverso l’analisi delle sfide esistenti e l’implementazione di soluzioni innovative, questo lavoro contribuisce all’avanzamento della visione artificiale e della tecnologia robotica. I risultati della ricerca forniscono una solida base per lsviluppo di sistemi robotici intelligenti e autonomi in grado di operare in ambienti reali complessi e dinamici.
File