RASPBERRY Pİ DEVRE KARTI KULLANARAK NESNE BULMA VE TANIMA ALGORİTMALARININ BİR ROBOT KOL ÜZERİNDE UYGULANMASI

Abstract

Bu tezde, nesne bulma ve tanıma algoritmalarının bir robot kol üzerinde uygulanmasını gerçekleştiren bir deney düzeneği oluşturulmuştur. Bu çalışmadaki deney düzeneği için, endüstride kullanılan robot kollara benzer tipte olan 4 serbestlik dereceli OWI–535 robot kolu seçilmiştir. Deneysel çalışmalar için ilk olarak, robot kolun çalışma alanını görecek şekilde bir kamera yerleştirilmiştir. Kamera vasıtasıyla elde edilen görüntüde, kavranması istenen nesneyi tanımak ve yerini tespit etmek için yerel öznitelik tabanlı SIFT, SURF, FAST ve ORB gibi öznitelik çıkarım algoritmalarından faydalanılmıştır. Bu algoritmalar kullanılarak OpenCV kütüphanesi aracılığıyla C++ dilinde yazılan yazılım ile gerçekleştirilen nesne tanıma ve yer tespit işlemleri, Raspberry Pi devre kartı üzerinde gerçekleştirilmiştir. İkinci olarak, nesne tanınıp yeri saptandıktan sonra konum bilgisi robot kol kontrol ünitesine gönderilmiş ve robot kol tutucu ucunun nesneyi kavrayıp istenen bir hedefe bırakması işlemleri gerçekleştirilmiştir. Bu işlemler için robot kol eklemlerinin açıları, robot kolun ters kinematik analiziyle elde edilen eşitliklerin çözümü ile belirlenmiştir. Deneysel çalışmalarda, SIFT, SURF, FAST ve ORB algoritmalarıyla çıkarılan özniteliklerin veri kümeleri üzerindeki performansları karşılaştırılmıştır. Ayrıca, robot kol tutucusunun nesneyi kavraması ve belirlenen hedefe taşıması için gerekli işlem adımları ayrıntılı bir şekilde incelenmiştir. Anahtar Kelimeler: Nesne bulma ve tanıma algoritmaları, Öznitelik çıkarımı, Raspberry Pi devre kartı, OWI–535 robot kol, Ters kinematik analiz.This thesis constructs an experimental setup to implement object detection and recognition algorithms on a robotic arm. 4 degrees of freedom robotic arm OWI–535 which is similar type to robotic arms used in industry is chosen for the experimental setup in this study. In the experimental studies, firstly a camera coverage area is arranged to cover all workspace of the robotic arm. Local feature based algorithms such as SIFT, SURF, FAST and ORB are used on the images which are captured via the camera to detect and recognize the target object to be grasped by the gripper of robotic arm. These algorithms are implemented in the software for object recognition and localization, which is written in C++ programming language using OpenCV library and the software runs on the Raspberry Pi circuit board. Secondly, the location information of target object is sent to control unit of the robotic arm after recognition and localization of the object. Then, the gripper of robotic arm grasps the object and moves to desired location. In these processes, the angles of the robotic arm's joints are determined by the solutions of inverse kinematics equations of the robotic arm. In the experimental studies, the performance of the features which are extracted with the algorithms such as SIFT, SURF, FAST, and ORB are compared on the data set. Moreover, all process steps of grasping the object and moving to the desired location relating to robotic arm's gripper are analyzed in detail. Keywords: Object detection and recognition algorithms, Feature extraction, Raspberry Pi circuit board, OWI–535 robotic arm, Inverse kinematics analysis.