Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 1 of 1
Back to Result List

Teachen von Industrierobotern mittels Gestenerkennung

  • Das Teach Pendant wird dazu genutzt um Industrierobotern Zielposen beizubringen, damit diese die Zielposen daraufhin autonom anfahren können. Durch den auf dem Teach Pendant zur Eingabe verbauten Joystick oder die 3D-Maus ist es möglich mit geringem Rechenaufwand Bewegungen und somit Zielposen präzise vorzugeben. Durch den rasanten Anstieg der Rechenkapazität und den stetigen Erfolgen bei der Erforschung von künstlichen neuronalen Netzwerken sind heutzutage Gestenerkennungssysteme in das Blickfeld der Forschung gelangt. Gestenerkennungssysteme versprechen intuitive und leicht zu erlernende Bedienungskonzepte. Durch den Einsatz von Gesten kann zudem auf ein zusätzliches Gerät in den Händen verzichtet werden, wodurch das Nutzererlebnis gesteigert werden kann. Dies kann bei schweren Eingabgeräten nicht nur die Arme sondern auch die Hände vor Ermüdungserscheinungen schonen. Das Ziel dieser Arbeit soll es daher darstellen, ein Gestenerkennungssystem mit und ohne ROS-Anbindung zu erstellen, testen und analysieren. Die Gesteninformationen werden von einer Tiefenkamera vom Typ Azure Kinect bereitgestellt. Als Industrieroboter wird hierbei der "WidowX 200"-Lernroboter eingesetzt, da dieser aufgrund seiner kleinen Bauform einfach und effizient zum Testen von neuen Funktionalitäten eingesetzt werden kann. Die Tiefenkamera- und Roboter-Komponente sollen austauschbar bleiben. Die zu entwickelnden Gesten sollen vor allem hohe Ergonomie bereitstellen und vor unbeabsichtigter Durchführung gesichert sein. Die Genauigkeit der Gestenerkennung wird analysiert, um die Zuverlässigkeit der ausgewählten Gesten zu evaluieren. Die Genauigkeit der erreichten Zielposen des "WidowX 200"-Lernroboters wird analysiert und Latenztests werden durchgeführt um das Gestensystem als Gesamtes bewerten zu können.
  • The Teach Pendant is used to teach target poses to industrial robots, so that they can approach the target poses autonomously. The joystick or 3D mouse installed on the teach pendant for input makes it possible to specify movements and thus target poses precisely with little computing effort. Due to the rapid increase in computing capacity and the constant success in the research of artificial neural networks, gesture recognition systems have become the focus of research today. Gesture recognition systems promise intuitive and easy to learn operating concepts. The use of gestures also makes it possible to do without an additional device in the hands, thus enhancing the user experience. In the case of heavy input devices, this can protect not only the arms but also the hands from signs of fatigue. The goal of this thesis is therefore to create, test and analyze a gesture recognition system with and without ROS connection. The gesture information is provided by a depth camera of the Azure Kinect type. The "WidowX 200" learning robot is used as the industrial robot for this purpose, since its small design allows it to be used simply and efficiently for testing new functionalities. The depth camera and robot components are to remain interchangeable. The gestures to be developed should above all provide high ergonomics and be protected against unintentional execution. The accuracy of gesture recognition will be analyzed to evaluate the reliability of the selected gestures. The accuracy of the achieved target poses of the "WidowX 200" learning robot will be analyzed and latency tests will be performed to evaluate the gesture system as a whole.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Helmut Rhomberg
DOI:https://doi.org/10.25924/opus-3666
Title Additional (English):Teaching of industrial robots using gesture recognition
Advisor:Robert Amann
Document Type:Master's Thesis
Language:German
Year of publication:2020
Publishing Institution:FH Vorarlberg (Fachhochschule Vorarlberg)
Granting Institution:FH Vorarlberg (Fachhochschule Vorarlberg)
Release Date:2020/11/05
Tag:Gestenerkennung; Industrieroboter; Teach-in; Tiefenkamera
Number of pages:95
DDC classes:600 Technik, Medizin, angewandte Wissenschaften / 600 Technik
Open Access?:ja
Course of Studies:Informatik
Licence (German):License LogoUrhG - The Austrian Copyright Act applies - Es gilt das österr. Urheberrechtsgesetz