Nel campo della Computer Vision, la capacità di stimare la posa 6D degli oggetti, cioè determinare la loro posizione e il loro orientamento rispetto a un sistema di riferimento, sta diventando sempre più importante: trova applicazioni in diversi settori, tra cui la robotica, dove è essenziale per la manipolazione degli oggetti, e nella guida autonoma, dove permette di tracciare i veicoli circostanti. Tuttavia, determinare la posa 6D degli oggetti è una sfida complessa, complicata dalla presenza di occlusioni nella scena o oggetti parzialmente visibili. Per superare questa sfida, negli ultimi anni, grazie anche alla diffusione del Deep Learning, sono stati sviluppati numerosi metodi che utilizzano strategie e approcci diversi. Questa tesi si propone di fornire una panoramica completa dello stato dell'arte delle metodologie per la stima della posa 6D attraverso una ricerca sistematica, focalizzata in particolare sui metodi che affrontano il problema delle occlusioni. Il processo di selezione e analisi degli studi è stato condotto basandosi sul protocollo PRISMA, che fornisce un insieme di linee guida fondamentali per la conduzione di revisioni sistematiche con l'obiettivo di garantire una metodologia chiara, trasparente e affidabile. Attraverso questa revisione, è stato possibile analizzare e confrontare i vari metodi, mettendo in luce le loro caratteristiche principali e identificando le categorie più adatte a risolvere il problema considerato. Vengono infine discusse le limitazioni di queste tecniche, fornendo un punto di partenza per ulteriori lavori futuri.
Ricerca sistematica e comparazione delle metodologie per la stima della posa 6D
TONELLO, MATTEO
2022/2023
Abstract
Nel campo della Computer Vision, la capacità di stimare la posa 6D degli oggetti, cioè determinare la loro posizione e il loro orientamento rispetto a un sistema di riferimento, sta diventando sempre più importante: trova applicazioni in diversi settori, tra cui la robotica, dove è essenziale per la manipolazione degli oggetti, e nella guida autonoma, dove permette di tracciare i veicoli circostanti. Tuttavia, determinare la posa 6D degli oggetti è una sfida complessa, complicata dalla presenza di occlusioni nella scena o oggetti parzialmente visibili. Per superare questa sfida, negli ultimi anni, grazie anche alla diffusione del Deep Learning, sono stati sviluppati numerosi metodi che utilizzano strategie e approcci diversi. Questa tesi si propone di fornire una panoramica completa dello stato dell'arte delle metodologie per la stima della posa 6D attraverso una ricerca sistematica, focalizzata in particolare sui metodi che affrontano il problema delle occlusioni. Il processo di selezione e analisi degli studi è stato condotto basandosi sul protocollo PRISMA, che fornisce un insieme di linee guida fondamentali per la conduzione di revisioni sistematiche con l'obiettivo di garantire una metodologia chiara, trasparente e affidabile. Attraverso questa revisione, è stato possibile analizzare e confrontare i vari metodi, mettendo in luce le loro caratteristiche principali e identificando le categorie più adatte a risolvere il problema considerato. Vengono infine discusse le limitazioni di queste tecniche, fornendo un punto di partenza per ulteriori lavori futuri.File | Dimensione | Formato | |
---|---|---|---|
Tonello_Matteo.pdf
accesso aperto
Dimensione
4.67 MB
Formato
Adobe PDF
|
4.67 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/52406