Gå rett til innhold
<
<
3D Maskinsyn med innebygd Visuell Læring

3D Maskinsyn med innebygd Visuell Læring

Det overordnede målet med denne forskningen er å erstatte manuelle og tidkrevende operasjonelle prosessene med velkomponert digitalisering muliggjort av sanntids 3D-maskinsyn og læringsprosesser.

Denne forskningen tar sikte på å etablere en automatisert prosess som benytter høy presisjon 3D-sensing og online (innebygde) visuelle læringsmotorer, og som kan opererer i naturlige omgivelser og være i stand til å tilpasse seg operasjonelle endringer gjennom hele levetiden. Den tar sikte på å etablere et banebrytende teknologisk konsept for 3D-maskinsyn som et tverrfaglig initiativ som knytter kostnadseffektiv og pålitelig dybde sensing til avansert maskinsyn og innebygd kunstig intelligens for å håndtere utfordringer som tidsvarierende visuell scene-oppfatning inaturlige omgivelser medfører.

Kombinasjonen av de siste gjennombrudd i utviklingen innen 3D-sensing (dvs. solid state LiDAR) og mobil databehandling (dvs. med innebygd nevral nettverksprosessering) er grunnlaget for denne forskningen. Målet er å muliggjøre sanntidsovervåking og visuell analyse av operasjoner og prosesser ved hjelp av et nettverk av små, lavkost og energieffektive smarte 3D-kameraer. Denne forskningen har potensial til å gi en radikal endring i mangedeler av verdikjeder i industrien og samfunnet, og utvalgte scenarier vil bli utformet og evaluert med hensyn på effekt og integreringsmuligheter. Forskningen støtter også opp rundt den strategiske utviklingen av NORCE, med mål om å bli nummer 1 i Norge i løpet av de neste 5 årene på innovasjon innenfor maskinsyn.

Denne forskningen støtter oppbyggingen av et internasjonalt relevant FoU-miljø innenfor 3D-maskinsyn og gi nye muligheter innen digitalisering. NORCE har en rolle i å utvikle Norge som et ledende hub med høy kunnskap og kompetanse på innovasjon innenfor 3D-maskinsyn som muliggjør digitale prosesser og tjenester.

Prosjektfakta

Navn

3D Maskinsyn med innebygd Visuell Læring

Status

Aktiv

Periode

01.10.21 - 31.12.24

Forskningsområder

Forskningsgrupper

Finansiering

Research Council of Norway (RCN)

Prosjektmedlemmer

Muhammad Sulaiman
Shingo Kagami