Legosortiermaschine Bildverarbeitung

Dies ist ein Unterarikel von der Legoteil_Zählmaschine, welcher den genauen Aufbau der Bildverarbeitung beschreibt.

Autoren: Jan Auf der Landwehr, Matthias Maas

Anforderungen

Spezifikations-ID	Anforderungs-ID	Anforderungstitel	Beschreibung der Spezifikation	Links
0060	REQ10.2050	Bauteile	Die Anlage kann sämtliche Teile anhand einer Datenbank erkennen und anhand dieser sortieren und zählen; Besondere Teile müssen vorsortiert werden	Link
0061	REQ10.2050	Bauteile	Der Bausatz Education Basis- und Erweiterungssatz befindet sich in der Datenbank	Link
0063	REQ10.2050	Bauteile	Es können bis zu 50 Teile vorsortiert werden und in der GUI zum Zählen eingetragen werden	Link
0065	REQ10.2050	Bauteile	Es gibt eine visuelle Anleitung zur Bedienung des GUIs	Link
0100	REQ10.2220	Bildverarbeitung	Die Bildverarbeitung erfolgt in Echtzeit mit Matlab; Anhand einer Datenbank werden diese dokumentiert	Link
0120	REQ10.2300	Teileliste	Eine Inventurliste der erkannten und fehlenden Legoteile wird angefertigt
0140	REQ10.2320	Sortierung der Legoteile in die Kästen	Legoteile werden in die Einlagen der LEGO Kästen nach Vorschrift sortiert
0150	REQ10.2330	Teach-In	Über eine GUI können neue Bauteile angelernt werden	Link
0160	REQ10.3100	Hardware	Als Hardware wird ein PC mit Matlab eingesetzt	Link
0230	REQ10.3240	Realisierung von Steuer- und Regelalgorithmen	Für die Realisierung von Steuer- und Regelungsalgorithmen wird Matlab und Atmel Studio verwendet	Link
0240	REQ10.3250	Modellierung der System- und Softwarearchitektur	Es wird MS Visio oder ein vergleichbares Programm verwendet (z.B. PAP-Designer)	Link
0250	REQ10.3260	Tools der Softwareentwicklung	Er werden Matlab und Atmel Studio für die Softwarentwicklung eingesetzt	Link
0260	REQ10.3270	Komponententest	Für die entwickelten Software bzw. die Steuer- und Regelungsalgorithmen werden geeignete Komponententests erarbeitet, durchgeführt und geeignet auf dem Wiki oder in SVN dokumentiert	Link
0270	REQ10.3275	Integrationstests	Für die entwickelten Software bzw. die Steuer- und Regelungsalgorithmen werden Integrationstests erarbeitet, durchgeführt und auf SVN oder dem Wiki dokumentiert	Link
0280	REQ10.3280	Coding Guidelines	Bei der Softwareentwicklung in C/C++ werden Richtlinien der Codegestaltung und Namenskonvention eingehalten
0290	REQ10.3285	Code-Metriken	Es werden geeignete Werkzeuge zur Erstellung von Code-Metriken eingesetzt
0300	REQ10.3290	Dokumentation von Software	Es werden geeignete Werkzeuge für die Dokumentation des erstellten Quellcodes eingesetzt	Link
0310	REQ10.3295	Codezusammenführung	Separierung und Bildverarbeitung laufen im gleichen Programm	Link

Ziele und Aufgaben im Semeseter 2017/2018

Team: Jan Auf der Landwehr, Matthias Maas

Ziel: Alle Teile werden richtig erkannt und aufgelistet. Dabei soll eine GUI die Bedienung benutzerfreundlich machen und ein Teach-In von neuen Teilen zur Verfügung stellen.

Aufgaben:

• Hardware und Software starten und Bedienungsanleitung ergänzen

• GUI verbessern

• Datenbank pflegen

• Teach-In über GUI ermöglichen

• Alle Teile in die Datenbank übernehmen

Schnittstellen

Damit die Bildverarbeitung und damit auch das Erkennen der Legoteile erfolgreich verlaufen kann, müssen zunächst die Legoteile vereinzelt in die Bildverarbeitungsbox gelangen (Separierung). Sobald ein Legoteil erkannt wurde, wird es aus der Box per Druckluft gefördert und muss anschließend sortiert werden. Damit das Legoteil richtig sortiert wird, wird dem jeweiligen Legoteil anhand der ID eine Box zugeorndet. Der Schnittstellenplan lässt sich zusammengefasst folgendermaßen darstellen:

Abbildung 7: Schnittstellen der Legoteilerkennung

Mechanischer Aufbau

Um die Lichtreflexionen und Schatten an den Legoteilen während der Bilderkennung zu vermeiden, wurde ein neues Konzept entwickelt. Wenn ein Legoteil sich auf einem halb-transparentem Milchglas befindet (siehe Skizze), wird zuerst die untere Beleuchtung eingeschaltet und mittels einem Durchlichtverfahren die genaue Kontur des Legoteils mit der Kamera ermittelt. Hier können bereits einige Merkmale genau extrahiert werden (geometrische) und eine Maske erzeugt werden. Anschließend wird das untere Licht ausgeschaltet und das obere Licht eingeschaltet. Nach diesem Schritt wird mit Hilfe der Maske, nur in dem Bereich wo das Legoteil liegt, die Farbe ermittelt.

Abbildung 8: BV-Box Funktionskonzept Skizze

Im nächsten Schritt wurde die Idee mit Hilfe eines CAD-Programms ausgearbeitet. Die Konstruktion wurde für den ersten Prototypen einfach gehalten und sich so für miteinander verschraubte Holzbretter entschieden. In der unteren Box am oberen Rand wurde die halb-transparente Plexiglasplatte angebracht. In einem bestimmten Abstand wurde unter der Plexiglasscheibe eine weitere Ebene mit LEDs platziert. Der Abstand wurde so gewählt, dass bei angeschalteten LEDs das Licht durch das Plexiglas optimal gestreut wird (ohne helle Punkte, ohne Licht-Spots). In der oberen Box wurde im Deckel eine Bohrung durchgeführt, wo die Stromleitungen der Kamera und der LEDs durchlaufen können. Die LEDs wurden in rechteckiger Form angeordnet und von innen an Deckplatte befestigt (siehe Abbildung 9). Auf einer weiteren halb-transparenten Plexiglasplatte wurde die Kamera befestigt. Für die Kamera wurde eine weitere Bohrung erzeugt. In der oberen Box wurden Ein- und Ausgänge für die Legoteile erzeugt, sowie eine Aussparung für eine flache Druckluftdüse. Zur besseren Vorstellung befindet sich unter den folgenden Link das CAD-Modell als 3dxml-Datei: BV_Box_Komplett.3dxml. Der 3dxml viewer ist unter folgenden Link zu finden: Link

Abbildung 9: CAD-Konzept BV-Box

Anhand des CAD-Modells wurde die Bildverarbeitungsbox fertiggestellt und in Gesamtsystem integriert. Desweiteren wurde eine "Drosselklappe" prototypisch für die Vor-Separierung in Y-Richtung realisiert.

Abbildung 10: BV-Box fertiggestellt

Grober Ablauf der Legoteilerkennung

Abbildung 11: Grober Ablaufplan Legoteilerkennung

Matlabimplementierung

Das Programm für die Erkennung von Legoteilen befindet sich hier: AutomatischesZaehlen. Der Funktion wird ein kalibriertes Kameraobjekt, die Schnittstelle zur Datenbank, die serielle Schnittstelle zum Arduino und das Kalibrierbild übergeben. Als Rückgabewert wird eine Liste mit den gezählten Legoteil-IDs zurückgegeben. Das Programm wird in der Hauptfunktion in einer Schleife abwechselnd mit dem Separierungsprogramm aufgerufen. Bei jedem Durchlauf werden dann die jeweiligen Kameras aufgerufen und ein Frame ausgewertet.

Ablaufplan:

Parametrisierung der Kamera:
Für die Einstellungen der Paramter wurde das Matlabtool Image Acquisition Toolbox benutzt. Dort wurden einzelne Parameter so ausgetestet/eingestellt, dass sich zum einen die Legoteile beim Durchlichtverfahren gut vom Hintergrund abgrenzen und zum anderen die unterschiedlichen Legofarben beim Auflichtverfahren erkennen lassen. Folgende Einstellungen wurden getroffen (Die Einstellungsdatei ist hier zu finden):

cam.BacklightCompensation = 0;
cam.Tilt = 0;
cam.Sharpness = 128;
cam.Pan = 0;
cam.Saturation = 128;
cam.Brightness = 128;
cam.Contrast = 128;
cam.Gain = 0;

cam.ExposureMode = 'manual';
cam.FocusMode = 'manual';
cam.WhiteBalanceMode = 'manual';

cam.WhiteBalance = 4000;
cam.Focus = 10;
cam.Exposure = -3;

Kamera-Kalibrierung:
Obwohl die Parameter der Kamera konstant und unverändert waren, stellte sich heraus, dass das Bild der Kamera bei einigen Programmstarts trotzdem heller war. Um Neustarts des Programms zu vermeiden wurde so eine Kalibrierfunktion geschrieben, welche anhand eines aufgenommenen Bildes erkennt, ob die Kameraeinstellungen korrekt vorgenommen.
Dabei wird in einer Schleife ein Kameraobjekt erzeugt und mit den oben aufgeführten Einstelllungen/Parametern versehen. Nun wird ein Bild mit diesen Einstellungen geschossen (im Auflichtverfahren) und mit einem zuvor gespeicherten Bild (siehe Abbildung 12), welches die richtigen Einstellungen beinhaltet, verglichen. Sollten sich die durchschnittliche Helligkeiten der Bilder Unterschiede aufweisen, wird das Kameraobjekt neu erzeugt und der Vorgang wiederholt sich, bis die richtigen Einstellungen getroffen wurden.
Zusammenfassend beschreibt folgendes Diagramm den Ablauf der Selbstkalibrierung:

Abbildung 12: Kalibrierbild

Das Kalibrierbild befindet sich im folgenden Ordner: Calib_Img.

Legoteilerkennung:
Die Legoteilerkennung erfolgt in einer Schleife, in welcher jeder einzelne Frame ausgewertet wird. Zum Beenden der Schleife und damit des Programms muss hier die Escape-Taste gedrückt werden.

Vorverarbeitung, Segmentierung & Nachverarbeitung:
Zunächst wird das im Durchlichtverfahren aufgenommene Bild zugeschnitten, damit unnötige Bildregionen nicht bearbeitet werden müssen. Die Anzahl an Pixeln, welche in Höhe und Breite weggeschnitten werden, wurde experimentell ermittelt und so ausgelegt, dass sich das größte Legoteil immer im Blickfeld befindet.
Daraufhin erfolgt die Binarisierung bzw. Segmentierung. Die Schwellwerte für die jeweiligen Farbkanäle und die Funktion zur Binarisierung wurden mithilfe des Matlabtools Color Thresholder ermittelt. Sollte sich im Laufe des Projektes die Kamerabox verändern (z.B. mehr LEDs eingebaut oder ein anderer Lichteinfall) muss diese Funktion ersetzt werden, da es sonst zu Segmentierungsfehlern kommen kann.

Abbildung 13: Segmentierung der Legoteile mithilfe des Color Thresholder Tools

Die Funktion zur Segmentierung findet man hier: createBinary_V3
Im Anschluss werden noch kleine, einzelne Pixel im Hintergrund und im Legoteil gelöscht. Damit ist das Bild bereinigt und vollständig segmentiert.

Legoteilerfassung:
Damit ein Legoteil erfasst werden kann, müssen folgende Kriterien eingehalten werden:

1. Legoteil muss sich an der Kante befinden
2. Legoteil muss sich in einer Ruhelage befinden
3. Es darf nur ein Legoteil im Bild vorhanden sein

Sollte mehr als ein Legoteil ein Bild sein, werden alle vorhandenen Legoteile in der Box herausgepustet und als "nicht erkannt" deklariert. Um zu verhindern, dass ein Teil rausgepustet wird, weil zum Beispiel anders beleuchtete Bereiche der Seiten/Löcher als einzelne Teile erkannt werden, wird das Teil zunächst um einige Pixel dilatiert (vergrößert) und anschließend kontrahiert (verkleinert). Auf diese Art können kleine Lücken geschlossen werden und die Anzahl an falsch erkannten richtigen Teilen vermieden werden.

Farbliche Merkmale extrahieren:

Abbildung 14: Farberkennung

Damit die Farbe erkannt werden kann, wird das Auflichtverfahren angewendet. Die Funktion "FARBERKENNUNG_V2" bekommt als Übergabewerte zwei Matrizen:

• RGB-Bild aus Auflichtverfahren und Binärbild vom erkannten Objekt
• mit Hilfe der Übergabeparameter wird eine 3D-Farbmaske erstellt (3D --> RGB).
  • Farbmaske: Aus dem Originalbild werden nur die Pixel in die Masken übernommen, die im Binärbild dem Objekt zugeordnet werden können (weiße Pixel)
• Anschließend werden Mittelwerte für Rot-, Grün- und Blau-Anteil berechnet.

Zuordnung zur nächstgelegenen Farbe:

• Es werden die RGB-Mittelwerte mit einer Farbtabelle verglichen:
  • die Differenzen von jedem Farbanteil zur Farbtabelle werden ermittelt. Davon werden die Differenzen des Farbanteils mit dem größten Wert (Abweichung) gespeichert.
  • Anschließend wird der minimalste Wert von den maximalen Abweichungen ermittelt --> Es wird genau die Farbe ermittelt, welches die kleinste Abweichung zu der Legoteil-Farbe hat.

Die ermittelte Farbe wird als String zurückgegeben. Es können weitere Farben im Nachhinein hinzugefügt werden oder Farbschwellwerte verändert werden, falls sich die Lichtverhältnisse in der Kamerabox durch Umbauten verändern. </source>
Die Farbe wird als Durchschnitt der an R-, G- und B-Anteile pro Fläche berechnet:

FARBE(1,1) = (sum(sum(Farbmaske(:,:,1))))/Pixel_Flaeche;                    
FARBE(1,2) = (sum(sum(Farbmaske(:,:,2))))/Pixel_Flaeche;
FARBE(1,3) = (sum(sum(Farbmaske(:,:,3))))/Pixel_Flaeche;

Sollten diese (z.B. nach einem Umbau der Bildverarbeitungsbox) von den Werten in der hinterlegten Tabelle stark abweichen, müssen diese mit dem gemessenen Wert überschrieben werden:

%% Farbwerte-Tabelle mit normierten Lego-Farben
% %           R(1) G(1) B(1)  
Farbwerte=[   0.5273 0.5489 0.5362; %'weiss'          
              0.4138 0.3891 0.3115; %'beige'         
              0.3230 0.0622 0.0623; %'rot'           
              0.0087 0.1275 0.3309; %'blau'          
              0.5409 0.4596 0.2026; %'gelb'          
              0.0450 0.0664 0.0659; %'schwarz'       
              0.0509 0.1826 0.1287; %'gruen'         
              0.2182 0.2038 0.1518; %'hellbraun'          
              0.2709 0.3230 0.3345; %'hell-grau'        
              0.1391 0.1804 0.1878; %'dunkel-grau'   
%               0.0565 0.0629 0.0552; %'dunkelbraun'  
              ];

Geometrische Merkmale extrahieren:

Abbildung 15: geometrische Merkmalsextraktion

Die Funktion "Merkmalsberechnung_V3" erhält als Übergabeparameter ein Binärbild eines einzelnen Objektes (Legoteil). Aus diesem Objekt werden dann folgende Merkmale extrahiert, welche dann zurückgegeben werden:

• Umfang --> Anzahl der Pixel, die sich am Rand des Objektes befinden
• Fläche --> Anzahl der Pixel, die sich innerhalb des Objektes befinden (Löcher ausgeschlossen)
• Flächenschwerpunkt --> Pixelkoordinaten {x/y}
• Minimaler Abstand von Flächenschwerpunkt zu äußerem Rand des Objektes
• Maximaler Abstand von Flächenschwerpunkt zu äußerem Rand des Objektes

Die Berechnung der Fläche erfolgt über die Summenbildung der Zeilen und Spalten des Binärbildes. Da so nur die weißen Pixel addiert werden, handelt es sich hierbei nur um die Pixel, die zum Objekt gehören.
Die Schwerpunktskoordinaten lassen sich mit der Matlab-Funktion Regionprops berechnen, welche als Übergabeparameter das Binärbild des Objektes und die Option 'centroid' erhält.
Mithilfe des Kantenbildes des Objektes (erzeugt mit der Matlab-Funktion bwperim), kann eine Liste mit allen Kantenkoordinaten erstellt werden (Matlab-Funktion: Regionprops(Kantenbild, 'Pixellist')). Aus der Differenz zwischen jedem einzelnen dieser Kantenpixel und dem Schwerpunkt bestimmt man nun die Abstände vom Schwerpunkt zum Rand, welche nach minimalen und maximalen Wert durchsucht werden. Anhand der Größe der Kantenpixelliste kann außerdem der Umfang des Objektes bestimmt werden.
Diese Merkmale dienen, zusätzlich zu der Farbe des Objektes und die Anzahl der Löcher im Objekt, als Indikatoren für den Abgleich zwischen aktuellen Legoteil in der Box und den hinterlegten Daten in der Datenbank (siehe Funktion: "Datenbankabgleich.m").
Sollten sich herausstellen, dass diese Merkmale nicht genügen, um alle Legoteile voneinander unterscheiden zu können, sind weitere Merkmalsberechnungen möglich (z.B. Die Seitenlängen einer um das Objekt aufgespannten Boundingbox).

Herauspusten der Legoteile:
Sobald alle Merkmale erfasst wurden, werden diese mit einer Datenbank abgeglichen und einer Legoteil-ID zugeordnet, anhand derer man die zugehörige Box (des Linearläufers) ermittelt und mitteilt (siehe Funktion: "BoxausID_SwitchCaseDB.m"). Danach erfolgt das Herauspusten des Legoteils aus der Kamerabox. Um herauszufinden, wann der Herauspusten beendet werden kann, wird das aktuelle Kamerabild (bei Auflichtverfahren) mit dem Kalibrierbild verglichen. Sollten hier keine großen unterschiede vorliegen, ist die Box leer und das Ventil der Druckluftdüse kann geschlossen werden.

Teach In

Das Teach In erfolgt über die Auswahl im Hauptmenu. Dazu muss das Programm über die Funktion StartSortiermaschine gestartet werden.
Die Anleitung, wie die Hauptfunktion zu benutzen ist, ist hier zu finden.

Zur Erkennung der Merkmale werden die gleichen Funktionen verwendet wie in der Hautpunktion. Nach der Aufnahme eines Bildes wird mit createBinary_V3 das Binärbild erstellt und die Merkmale über Bildverarbeitung_Teach_In berechnet.
Mit FARBERKENNUNG_V2 wird die Farbe des eingelegten Legoteils erkannt. Anschließend werden die Merkmale in einem cell-Array gespeichert.

    Header{1,1} = 'LegoteileID';
    Header{1,2} = 'Bezeichnung';
    Header{1,3} = 'Farbe';
    Header{1,4} = 'Form';
    Header{1,5} = 'Umfang';
    Header{1,6} = 'Flaeche';
    Header{1,7} = 'MaxSchwerpunkt';
    Header{1,8} = 'MinSchwerpunkt';
    Header{1,9} = 'Rundloch';
    Header{1,10} = 'AnzPerspektive';
    Header{1,11} = 'Scanbar';

Die Einträge "Bezeichnung", "Form", "AnzPerspektive" und "Scanbar" werden in der aktuellen Version nicht verwendet und sind nur noch im Code, weil die Einträge an anderen Stellen erwartet werden (beispielsweise in der SQL Datenbank). Zur besseren Übersichtlichkeit des Codes können diese in zukünftigen Versionen noch entfernt werden.

Fortschritt im SoSe 2017

Am Anfang haben wir uns in das Programm eingearbeitet und uns mit verschiedenen Problemen auseinandergesetzt:

• Wie funktioniert das Programm?
• Welche Unterprogramme sind entscheidend?
• Wie funktioniert die Verbindung zu SQL?
• Wie funktioniert die GUI-Programmierung?

Danach haben wir begonnen, kleinere Bugfixes zu programmieren, damit das Programm allgemein runder läuft. Es ist nun ohne Abstürze über eine GUI steuerbar und Teile werden direkt in SQL gespeichert. Wir haben auch bereits begonnen, neue Teile einzuteachen. Wir haben alles geschafft, was wir uns für dieses Semester vorgenommen haben und sogar mit Aufgaben begonnen, die eigentlich für das nächste Semester geplant waren.

Test des GUI

ID	Testfallbeschreibung	Erwartetes Ergebnis	Testergebnis	Testperson	Datum
1	Der Button "Sortierfunktion starten" wird gedrückt.	Die Lichter gehen an, die Laufbänder starten.	OK	Jan Auf der Landwehr	11.01.2018
2	Der Button "Teach In" wird gedrückt.	Die Teile-ID soll eingegeben werden, das Teach-In startet danach.	OK	Jan Auf der Landwehr	11.01.2018
3	Eine neue Box wird angelegt.	Die neue Box wird mit den Teilen in der Datenbank gespeichert.	OK	Jan Auf der Landwehr	11.01.2018
4	Ein bestehendes Teil wird komplett gelöscht.	Das Teil kann ausgewählt und komplett aus der Datenbank gelöscht werden.	OK	Jan Auf der Landwehr	11.01.2018
5	Ein bestehendes Teil wird nur aus dem Bausatz gelöscht.	Das Teil kann ausgewählt und aus dem Bausatz gelöscht, bleibt aber in der Merkmalsdatenbank erhalten.	OK	Jan Auf der Landwehr	11.01.2018
6	Ein bestehender Baukasten wird gelöscht.	Der Baukasten wird samt Inhalt gelöscht, die Merkmalsdatenbank bleibt erhalten.	OK	Jan Auf der Landwehr	11.01.2018
7	Die Fachnummer wird eingetragen und gespeichert.	Die Fachnummer wird in der Datenbank hinterlegt.	OK	Jan Auf der Landwehr	11.01.2018
8	Die Zurück-Taste wird gedrückt.	Das aktuelle Menü wird geschlossen und das vorherige Menü wird geöffnet.	OK	Jan Auf der Landwehr	11.01.2018
9	Die Beenden-Taste wird gedrückt.	Es erscheint eine Abfrage, ob wirklich beendet werden soll.	OK	Jan Auf der Landwehr	11.01.2018
10	Es wird eine falsche ID im Teach-In eingegeben.	Eine Meldung weist auf die falsche ID hin, sonst passiert nichts.	OK	Jan Auf der Landwehr	11.01.2018
11	Die Zurück-Taste öffnet das vorherige Menü.	Das aktuelle Menü wird geschlossen und das vorherige Menü wird geöffnet.	OK	Jan Auf der Landwehr	11.01.2018
12	Ein Teil wird eingeteacht und in der Datenbank gespeichert.	Die ID-Abfrage erscheint erneut. Die Kalibrierung startet nicht neu.	OK	Jan Auf der Landwehr	11.01.2018
13	Ein "?"-Button wird gedrückt.	Der Hilfetext erscheint.	OK	Jan Auf der Landwehr	11.01.2018
14	Ein bestehendes Teil wird bearbeitet.	Die Änderungen werden in der Datenbank übernommen	FAIL - Speichern ist noch nicht implementiert	Jan Auf der Landwehr	11.01.2018

Fortschritt im WiSe 2017/18

Im letzten Semester wurden die Bildverarbeitung und die Separierung getrennt verwendet, da unterschiedliche Gruppen daran gearbeitet haben. Damit das Programm wie gewünscht läuft, musste in diesem Semester die Separierung mit der Bildverarbeitung im Hauptprogramm zusammengeführt werden. Die Bildverarbeitung wurde angepasst, sodass das Programm nicht mehr in einer Dauerschleife läuft, sondern zyklisch vom Hauptprogramm aufgerufen wird. Das Programm wurde weiter verschlankt, indem Funktionen verkleinert wurden (zum Beispiel die Funktion, die die Anzahl der Teile in die Ausgabeliste schreibt). Es wurden generell einige kleine Anpassungen und Fixes vorgenommen, wie eine vernünftige Darstellung der Kamerabilder in der gleichen Figur.

while(abbruch == 0)       
     AutomTeile(:, end+1) = AutomatischesZaehlen(cam_bild, DatenbankVerbindung, s, Calib_Img, HauptFigure);    
     Separierung(cam_sep,s, HauptFigure);  
end

• Die SQL-Legoteileliste war voll mit vielen nutzlosen Einträgen, die entweder keine oder falsche Merkmalsinformationen beinhaltet haben. Um eine bessere Übersicht zu erhalten, wurde die Liste daher komplett geleert und anschließend wieder vollständig mit den Daten des Grundsets und des Erweiterungssets eingeteacht(ausgenommen der großen Legoteile wie Motor, Sensoren und EV3 Brick, die vorher händisch aussortiert werden müssen).

• Darüberhinaus wurden alle Teile aus Grund- und Erweiterungsset in der Datenbank kasten hinterlegt.

• Es wurde ein Fehler korrigiert, bei dem nicht alle Teile des Sets in der Fehlteileliste enthalten sind.

• Für das GUI wurde eine grafische Anleitung erstellt.

• Die Datenbank wurde um die Spalte "Fachnummer" erweitert. Dort können die Fachnummern hinterlegt werden, in die die Teile einsortiert werden.

• Die Legoteile aus Grundset und Erweiterungsset wurden samt Fachnummern in der Merkmalsdatenbank legoteileliste hinterlegt.

• Die Funktion AutomatischesZaehlen wurde so ergänzt, dass die Fachnummern von erkannten Teilen aus der Datenbank gezogen werden und der Servostellbefehl für die entsprechende Fachnummer an Arduino gesendet wird.

• Die GUI wurde komplett überarbeitet. Dadurch ist eine einfache Bearbeitung der Datenbank möglich.

• Die Befehle für die Fachansteuerung werden jetzt an den Arduino gesendet, wenn ein Teil erkannt und das entsprechende Fach hinterlegt ist.

• Das Programm für die Ausgabe der Teileliste wurde kompakter und übersichtlicher gestaltet.

• Es wurden Testfälle für das Testen der GUI erstellt.

Liste offener Punkte

• Geschwindigkeit der Bilderkennung erhöhen
• Prozentsatz der erkannten Teile rausfinden
• Nicht erkannte Teile in der Position des nicht erkannten Teils anlernen
• Statische und dynamische Codeanalyse durchführen

Autoren

Dies ist ein Unterartikel von der Legoteil_Zählmaschine, welcher den genauen Aufbau der Sortierung beschreibt.