Salta al contenuto principale
Passa alla visualizzazione normale.

Attuale proposta per argomenti di tesi magistrale

10-apr-2020

Current proposed master thesis topics

Argomento 1

Approcci innovativi per ricostruzione 3D digitale di parti da sensori visivi

La generazione di modelli virtuali di componenti è fondamentale per valutare la geometria delle parti fabbricate e/o per acquisire la forma delle parti per le quali non è disponibile il modello CAD originale. I modelli virtuali stanno diventando molto popolari per creare una rappresentazione virtuale digitale della realtà. Avere una rappresentazione accurata degli ambienti reali è necessario anche nella robotica, per pianificare traiettorie adeguate di manipolatori robotici o robot mobili, che possono essere eseguite senza collisioni. Questo progetto di tesi supporterà l'attuale ricerca del dipartimento, concentrandosi sul miglioramento del controllo di qualità dei prodotti industriali attraverso l'uso di test non distruttivi forniti da robot.

Lo studente esaminerà i metodi di ricostruzione 3D riportati in letteratura (fotogrammetria, stereo-visione, struttura per il movimento), comprendendo gli approcci e i limiti. Il risultato del lavoro dello studente dovrebbe consistere in avanzamenti importanti, verso un nuovo metodo per la ricostruzione in tempo reale di scene statiche e dinamiche. Lo studente sarà dotato di sensori di nuova tecnologia, noti come sensori "video plus depth" (RGB-D), che mostrano funzionalità promettenti da utilizzare per la ricostruzione 3D di scene statiche e dinamiche. I sensori RGB-D contengono un sensore di profondità attivo, che fornisce una sequenza di mappe di profondità insieme al video a colori standard. Il basso costo e la facilità d'uso dei dispositivi RGB-D, nonché la loro frequenza di acquisizione delle immagini insieme alla profondità, dovrebbero renderli adatti per essere utilizzati in questo lavoro di tesi proposto.

Lo studente dovrebbe essere interessato a partecipare a un progetto di ricerca per un periodo di 5-8 mesi. Idealmente, lo studente dovrebbe avere solide competenze in matematica e geometria, buona conoscenza dei principi di misurazione dimensionale (accuratezza, ripetibilità, tolleranze) e competenza nell'uso del software CAD. Buone capacità di programmazione (in MATLAB o Python e/o C e C ++) sono anch'esse un requisito importante. È necessaria una programmazione estesa per integrare il sensore RGBD in una piattaforma di raccolta dati. Lo studente lavorerà a stretto contatto con il dott. Carmelo Mineo per lo sviluppo tecnico del lavoro. Il Dr Mineo e la prof. Donatella Cerniglia, entrambi presso il Dipartimento di Ingegneria, fungeranno da supervisori e relatori per questa tesi di laurea.

Si prega di contattare il Dott. Mineo (carmelo.mineo01@unipa.it) o la prof. Cerniglia (donatella.cerniglia@unipa.it) per ricevere ulteriori informazioni.

 

Topic 1

Novel approaches for digital 3D reconstruction of parts from visual sensors

The generation of virtual models of real components is crucial to assess the geometry of manufactured parts and/or acquire the shape of parts for which an original CAD model is not available. Virtual models are becoming very popular to create a digital virtual representation of the reality. Having an accurate representation of real environments is also required in robotics, to plan suitable trajectories of robotic platforms (robotic manipulators or mobile robots), which can be executed without collisions. This thesis project will support current research of the department, focusing on improving the quality inspection of industrial products through the use of robot-delivered non-destructive testing.

The student will review the 3D reconstruction methods reported in literature (photogrammetry, stereo-vision, structure for motion), understanding the approaches and limitations. The outcome of the student’s work should be important advancements towards a new method for real-time reconstruction of static and dynamic scenes. The student will be provided with new technology sensors, known as “video plus depth” (RGB-D) sensors, which show promising features to be used for 3D reconstruction of both static and dynamic scenes. RGB-D sensors contain an active depth sensor, which provides a stream of depth maps alongside standard colour video. The low cost and ease of use of RGB-D devices as well as their video rate capture of images along with depth should be make them well suited to be used in this proposed thesis work.

The student should be interested in being involved in a research project for a period of 5-8 months. The ideal student should have solid skills in maths and geometry, good understanding of the principles for dimensional measurements (accuracy, repeatability, tolerances) and proficiency in the use of CAD software. Good programming skills (in MATLAB or Python and/or C and C++) are also an important requirement. Extensive programming is required to integrate the RGBD sensor into a data collection platform. The student will work closely with Dr Carmelo Mineo for the technical development of the work. Dr Mineo and prof. Donatella Cerniglia, both based in the Department of Engineering, will act as supervisors and relators for this thesis.

Please contact Dr Mineo (carmelo.mineo01@unipa.it) or prof. Cerniglia (donatella.cerniglia@unipa.it), if you wish to receive further information.

 

Argomento 2

Metodi adattativi per acquisizione di dati intelligente

I controlli non distruttivi (CND) costituiscono parte integrante della valutazione della qualità e dell'integrità strutturale dei componenti tecnici, post-fabbricazione e in servizio. Mentre al giorno d'oggi, la maggior parte dei CND viene eseguita manualmente, il recente avvento di ispezioni condotte tramite metodi robotici promette di cambiare le cose. L'uso della robotica sta iniziando a svolgere un ruolo chiave nell'automazione del processo di raccolta dei dati. Tuttavia, aumentare l'uso dell'automazione porta rapidamente alla raccolta di grandi quantità di dati, il che rende inefficiente, forse persino impossibile per un essere umano analizzare le informazioni in essi contenute. Questo progetto di tesi supporterà la ricerca attuale del dipartimento, concentrandosi all'identificazione di nuovi approcci per la raccolta di dati CND attraverso l'uso della robotica.

Lo studente inizierà dalla revisione degli attuali principi a fondamento dei metodi CND, comprendendo gli approcci e i limiti. Questa tesi dovrebbe aiutare a rendere più autonomo il processo di raccolta dei dati nel campo dei controlli non distruttivi robotizzati. A tal fine, l'attività di acquisizione dati verrà trattata come un problema di ottimizzazione. L'obiettivo è dimostrare algoritmi capaci di applicare adattamenti in tempo reale al processo di raccolta dei dati, in base agli stessi dati acquisiti. Questo lavoro prenderà in prestito idee dalle teorie statistiche di quantificazione dell'incertezza, che consentiranno di rendere probabilistica la routine di ottimizzazione, dai principi di rilevamento dei difetti e dal campo del monitoraggio della salute delle strutture (Structural Health Monitoring - SHM). Il valore di eseguire l'ispezione in questo modo autonomo è che il suo prodotto non consisterà soltanto nei dati acquisiti, ma anche nella simultanea misura della probabilità che un componente contenga un difetto. Soprattutto, il nuovo approccio minimizzerà il numero di osservazioni necessarie per fornire tale misura, riducendo al minimo i tempi e i costi della raccolta dei dati.

Lo studente dovrebbe essere interessato a partecipare a un progetto di ricerca per un periodo di 5-8 mesi. Idealmente, lo studente dovrebbe avere solide competenze in matematica, statistica, acustica, buona conoscenza dei principi per misurazioni meccaniche ed elettriche e competenza nell'uso dei software MATLAB e LabView. Si prevede una significativa fase di programmazione per lo sviluppo e la verifica dei nuovi algoritmi di raccolta dati. Lo studente lavorerà a stretto contatto con il dott. Carmelo Mineo per lo sviluppo tecnico del lavoro. Il Dr Mineo e la prof. Donatella Cerniglia, entrambi con sede presso il Dipartimento di Ingegneria, fungeranno da supervisori e relatori per questa tesi.

Si prega di contattare il Dott. Mineo (carmelo.mineo01@unipa.it) o la prof. Cerniglia (donatella.cerniglia@unipa.it) per ricevere ulteriori informazioni.

 

Topic 2

Adaptive methods for smart data acquisition

Non-Destructive Testing (NDT) forms an integral part in the assessment of quality and structural integrity in engineering components, post-manufacture and in-service. Whilst in the present day, the majority of NDT is carried out manually, recent increased attention to robotic-based inspection promises to change matters. The use of robotics is beginning to play a key role in automating the data collection process. However, increasing the use of automation quickly leads to the gathering of large quantities of data, which makes it inefficient, perhaps even unfeasible for a human to parse the information contained in it. This thesis project will support current research of the department, focusing on identifying new approaches to collect NDT data through the use of robotics.

The student will start from reviewing the current principles of NDT methods, understanding the approaches and limitations. This thesis should help advance a solution to the current problems in the field of robotic non-destructive testing, by making the process of NDT data collection more autonomous. In order to achieve this, the robotic data acquisition task will be treated as an optimisation problem. The objective is to demonstrate algorithms suitable to perform real-time adaptations to the data collection process, based on the data being acquired. This work will borrow ideas from statistic uncertainty quantification theories, which will enable the optimisation routine to be probabilistic, from damage detection principles and from the field of data-driven Structural Health Monitoring (SHM). The value of performing inspection in this autonomous fashion is that its output will not just be data, but also the measure of the probability that a component contains damage. Most importantly, the envisaged approach will do so while also minimising the number of observations that it takes to give such estimate, thus minimising the time and cost of data gathering.

The student should be interested in being involved in a research project for a period of 5-8 months. The ideal student should have solid skills in acoustics, maths and statistics, good understanding of the principles for mechanical and electrical measurements, and proficiency in the use of MATLAB and LabView software. Extensive programming is foreseen to develop and test the new real-time adaptive data collection algorithms. The student will work closely with Dr Carmelo Mineo for the technical development of the work. Dr Mineo and prof. Donatella Cerniglia, both based in the Department of Engineering, will act as supervisors and relators for this thesis.

Please contact Dr Mineo (carmelo.mineo01@unipa.it) or prof. Cerniglia (donatella.cerniglia@unipa.it), if you wish to receive further information.