KAMERA HATA ENJEKSİYON ARACI İLE KAMERA TABANLI ROBOTİK DENETLEME SİSTEMİNİN DOĞRULANMASI VE ONAYLANMASI
Abstract
Günümüzde, gelişen görüntü işleme teknikleri ile birlikte kamera tabanlı robotik inceleme sistemleri oldukça popülerlik kazanmıştır. Bu tür sistemler gıdadan, askeriyeye birçok sektörde yoğun olarak kullanılmaktadır. Bu sistemler geliştirilirken gerekli olan doğrulama ve onaylama süreçleri oldukça uzun ve maliyetli olmaktadır. Bu çalışma, kamera tabanlı endüstriyel robotik sistemler üzerinde doğrulama ve onaylama faaliyetlerini gerçekleştirmek ve iyileştirmek amacıyla geliştirilmiştir. RGB ve TOF kameralara farklı türlerde (Open, Close, Dilation, Erosion, Gradient, Motionblur, Tuz&Biber, Gaussian ve Poisson) hata enjeksiyon yöntemleri kullanılmasını mümkün Kamera Hata Enjeksiyon Aracı (CamFITool) ile gerçekleştirilmiş testler ve sonuçlar açıklanmıştır. Yapılan çalışma, VALU3S projesi kapsamında, OTOKAR’ın ROKOS robotik sistemine, CamFITool ile gerçek ortamdan alınmış kamera görüntülerinden oluşan kitaplıklara, çeşitli konfigürasyonlarda hatalar enjekte edilip, bu enjeksiyonun sisteme etkilerinin incelenmesine odaklanmıştır. Bu kapsamda 49 farklı test komfigürasyonunda hata enjeksiyonu gerçekleştirilmiştir. Sonuç olarak, kamera tabanlı endüstriyel robotik sistemlerin daha güvenli ve stabil çalışmalarının sağlanması için, bu sistemlerin hataya dayanıklı olup olmadıklarını test eden açık kaynaklı bir hata enjeksiyon aracı olan CamFITool önerilmiştir.
Keywords
Robotik, Doğrulama&Onaylama, Hata enjeksiyonu, Robot işletim sistemi, Kamera-tabanlı görü
Supporting Institution
TÜBİTAK
Project Number
120N803
Thanks
Bu çalışma, İnovasyon Mühendislik tarafından yürütülen 120N803 numaralı TÜBİTAK Projesi kapsamında desteklenmektedir. Ayrıca bu çalışma, 876852 sayılı hibe sözleşmesi kapsamında ECSEL Ortak Girişiminden (JU) finansman almıştır. JU, Avrupa Birliği'nin Horizon 2020 araştırma ve yenilik programındaki Avusturya, Çek Cumhuriyeti, Almanya, İrlanda, İtalya, Portekiz, İspanya, İsveç, Türkiye 'den destek almaktadır. Bu belgede ifade edilen görüşler yalnızca yazarların sorumluluğundadır ve Avrupa Komisyonu'nun görüşlerine veya konumuna tepki göstermeyebilir.
References
- Acton, S. T., & Mukherjee, D. P. (2000). Scale space classification using area morphology. IEEE Transactions on Image Processing, 9(4), 623-635. http://dx.doi.org/10.1109/83.841939.
- Barbu, T. (2013). Variational image denoising approach with diffusion porous media flow. In Abstract and Applied Analysis (Vol. 2013). Hindawi. https://doi.org/10.1155/2013/856876.
- Blanter, Y. M., & Büttiker, M, (2000). Shot noise in mesoscopic conductors. Physics reports, 336(1-2), 1-166. https://doi.org/10.1016/S0370-1573(99)00123-4.
- Erdogmus, A. K., & Karaca, M. (2021). Manipulation of Camera Sensor Data via Fault Injection for Anomaly Detection Studies in Verification and Validation Activities For AI. arXiv preprint arXiv:2108.13803. http://dx.doi.org/10.48550/arXiv.2108.13803.
- Everingham, M., Van Gool, L., Williams, C. K., Winn, J., & Zisserman, A. (2010). The pascal visual object classes (voc) challenge. International journal of computer vision, 88(2), 303-338. https://doi.org/10.1007/s11263-009-0275-4.
- Fisher, M., Cardoso, R. C., Collins, E. C., Dadswell, C., Dennis, L. A., Dixon, C., ... & Webster, M. (2021). An overview of verification and validation challenges for inspection robots. Robotics, 10(2), 67. https://doi.org/10.3390/robotics10020067.
- Jankowski, M. (2006). Erosion, dilation and related operators. Department of Electrical EngineeringUniversity of Southern Maine Portland, Maine, USA.
- Jha, S., Banerjee, S. S., Cyriac, J., Kalbarczyk, Z. T., & Iyer, R. K. (2018). Avfi: Fault injection for autonomous vehicles. In 2018 48th annual ieee/ifip international conference on dependable systems and networks workshops (dsn-w) (pp. 55-56). IEEE.
- http://dx.doi.org/10.1109/DSN-W.2018.00027.
- Ji, H., & Liu, C. (2008). Motion blur identification from image gradients. In 2008 IEEE Conference on Computer Vision and Pattern Recognition (pp. 1-8). IEEE. http://dx.doi.org/10.1109/CVPR.2008.4587537.