You are here: Home → Proceedings
Document Actions

Proceedings

The Potential of Deep Learning based Computer Vision in Warehousing Logistics

Das Potenzial Deep Learning basierter Computer Vision in der Intralogistik

  1. M. Sc. Jérôme Rutinowski Lehrstuhl für Förder- und Lagerwesen FLW, TU Dortmund University
  2. M. Sc. Hazem Youssef Lehrstuhl für Förder- und Lagerwesen FLW, TU Dortmund University
  3. M.Sc. Anas Gouda Lehrstuhl für Förder- und Lagerwesen FLW, TU Dortmund University
  4. Dr.-Ing. Christopher Reining Lehrstuhl für Förder- und Lagerwesen FLW, TU Dortmund University
  5. Dipl.-Inform. Moritz Roidl Lehrstuhl für Förder- und Lagerwesen FLW, TU Dortmund University

Abstracts

This work describes three deep learning based computer vision approaches, that hold the potential to increase the degree of automation and the productivity of common warehousing procedures. These approaches will focus on: the re-identification of logistical entities, especially when entering and leaving the warehouse; the multi-view pose estimation of logistical entities to track and to localize them on the shop floor; and the category-agnostic segmentation of items in a bin for robotic grasping.

Diese Arbeit beschreibt drei Deep-Learning-basierte Computer-Vision-Ansätze, die das Potenzial haben, den Automatisierungsgrad und die Produktivität gängiger Lagerverfahren zu erhöhen. Diese Ansätze konzentrieren sich auf: die Re-Identifizierung von logistischen Einheiten, insbesondere beim Betreten und Verlassen des Lagers; die Multiview-Positionsschätzung von logistischen Einheiten, um sie in der Fabrik zu verfolgen und zu lokalisieren; und die kategorienunabhängige Segmentierung von Artikeln in einem Behälter für das Greifen durch einen Roboter.

Keywords

Fulltext

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.