You are here: Home Proceedings
Document Actions

Proceedings

Camera-assisted Pick-by-feel

Wearable assistiertes Kommissionieren

  1. M.Sc. Réné Grzeszick Arbeitsgruppe Mustererkennung in eingebetteten Systemen, Fakultät Informatik, TU Dortmund
  2. Dipl.-Inform. Sascha Feldhorst Lehrstuhl für Förder- und Lagerwesen, Fakultät Maschinenbau, TU Dortmund
  3. Dipl.-Inform. Christian Mosblech prismat Gesellschaft für Softwaresysteme und Unternehmensberatung mbH
  4. Prof. Dr.-Ing. Gernot A. Fink Arbeitsgruppe Mustererkennung in eingebetteten Systemen, Fakultät Informatik, TU Dortmund
  5. Prof. Dr. Michael ten Hompel Lehrstuhl für Förder- und Lagerwesen, Fakultät Maschinenbau, TU Dortmund

Abstracts

In this contribution a novel system to support order pickers in warehouses is introduced. In contrast to existing solutions it utilizes the tactile perception in order to reduce the systems impact on the visual and auditive senses. Therefore, a smartwatch and a low-cost camera which are both worn by the picker are combined with activity and object recognition methods for surveying the picking process. The activity recognition is used in order to determine whether an object is picked. Then, barcode detection and a CNN (Convolutional Neural Network) based object recognition approach are employed for recognizing whether the correct item is chosen. Beside the conceptional work, implementation details and evaluation results under realistic conditions and on a publicly available dataset are presented.

In diesem Beitrag wird ein neuartiges System zur Unterstützung des manuellen Kommissionierprozesses vorgestellt. Im Gegensatz zu existierenden Systemen wird taktiles Feedback genutzt um den Einfluss auf die audio-visuellen Sinne zu reduzieren. Eine vom Kommissionierer getragene Smartwatch und eine kostengünstige Kamera werden kombiniert mit Methoden der Aktivitätserkennung und der visuellen Objekterkennung, die den Kommissionierprozess überwachen. Zuerst wird mit Hilfe der Aktivitätserkennung bestimmt ob ein Gut vom Kommissionierer gegriffen wird. Im Folgenden werden eine Barcode-Erkennung und eine visuelle Objektklassifikation durch ein tiefes Faltungsnetz genutzt um zu erkennen ob das korrekte Gut gegriffen wurde. Neben der konzeptionellen Ausarbeitung werden Umsetzungsdetails erläutert und abschließend wird eine Auswertung unter realistischen Bedingungen sowie auf einem öffentlich verfügbaren Datensatz vorgestellt.

Keywords

Fulltext

Fulltext as PDF. ( Size 301.4 kB )

License

Any party may pass on this Work by electronic means and make it available for download under the terms and conditions of the free Digital Peer Publishing License. The text of the license may be accessed and retrieved at http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html.

Number of citations

Visit Google Scholar to find out, how often this paper is cited.