Semantic models of scenes and objects for service and industrial robotics

Il sistema percettivo umano si presta alla risoluzione di compiti che possono sembrare banali, ma che al contrario si rivelano essere delle sfide per i robot. La segmentazione automatica degli elementi di maggiore rilevanza o salienza, vale a dire la semantica, ne è un esempio in quanto è soggetta ai limiti dei sensori di visione e all’elevato grado di variabilità del mondo. In particolar modo ne abbiamo esperienza quando sono presenti più fonti di informazione, spesso ambigue, come nel caso di un robot in movimento. Questa tesi dimostra come si possa sfruttare la disponibilità di indizi contestuali e punti di vista diversi per rendere più facile l’attività di segmentazione. A dimostrazione verranno presentate quattro applicazioni robotiche, due progettate per la robotica di servizio e due per un contesto industriale. Verranno costruiti modelli semantici di scene domestiche arricchendo le ricostruzioni geometriche con delle informazioni semantiche che comprendono oggetti, elementi strutturali ed esseri umani. Il nostro approccio sfrutta il contesto, la molteplicità di fonti di informazioni e dei punti di vista, servendosi di esperimenti esaustivi condotti su diversi dataset per dimostrare come questi siano elementi cruciali per aumentare le prestazioni del robot. Inoltre, considerando scenari con robot che analizzano oggetti anziché esplorare l’ambiente, verranno costruiti modelli semantici di polimeri rinforzati in fibra di carbonio arricchendo i modelli geometrici con le misurazioni precise sull’orientazione delle fibre e i difetti interni non visibili all’occhio umano. Siamo riusciti a raggiungere una precisione di livello industriale rendendo questi modelli utili per il controllo qualità automatico e l’ottimizzazione dei processi. In tutte le applicazioni, un’attenzione particolare sarà dedicata ai metodi più veloci, adatti a robot reali come i due prototipi presentati in questa tesi.