Odhad polohy objektu v prostoru

Abstract

Tato diplomová práce se zabývá odhadem polohy zájmového objektu v prostoru se šesti stupni volnosti (6-DoF). V rámci práce je provedena rešerše současných přístupů odhadu polohy. Pro praktickou implementaci jsou vybrány dvě reprezentativní metody -- RGB metoda HccePose a RGB-D metoda FoundationPose. Obě metody jsou integrovány do ukázkové aplikace v jazyce C++ s využitím rozhraní TensorRT pro inferenci v reálném čase. Pro detekci cílového objektu je natrénován model YOLO26. Pro kvantitativní vyhodnocení je pořízen vlastní testovací dataset s referenční pravdou založenou na vzoru značek ArUco, snímaný stereokamerou Stereolabs ZED 2i. Vyhodnocení je provedeno pomocí metrik definovaných soutěží BOP. Metoda FoundationPose dosahuje na vlastním datasetu vyšší přesnosti (BOP-M 0{,}924 vs. 0{,}875) i vyšší robustnosti vůči okluzím. Implementovaná aplikace umožňuje odhad polohy v reálném čase pomocí kamery Stereolabs ZED 2i.

This master's thesis addresses the problem of six-degree-of-freedom (6-DoF) object pose estimation. A survey of current pose estimation approaches is conducted. Two representative methods are selected for practical implementation -- the RGB-based HccePose and the RGB-D-based FoundationPose. Both methods are integrated into a demonstration application written in C++ using the TensorRT runtime for real-time inference. A YOLO26 model is trained for target object detection. For quantitative evaluation, a custom test dataset is acquired using a Stereolabs ZED 2i stereo camera, with ground truth based on an ArUco marker board. The evaluation is performed using metrics defined by the BOP Benchmark. On the custom dataset, FoundationPose achieves higher accuracy (BOP-M 0.924 vs. 0.875) as well as greater robustness against occlusions. The implemented application enables real-time pose estimation using the Stereolabs ZED 2i camera.