Detekteringen av plast som är lindad runt en pall är gjordes med hjälp av en SVM. Vägen till klassifikationen var lång men började med att studera punktmoln för plastad pall och icke plastad pall. Efter att ha studerat punktmolnen så kunde en graf ritas med hjälp av vinkeln och intensiteten för varje punkt det för att se om en skillnad fanns mellan plastad pall och icke plastad pall. Experimenten som var kärnan i mitt projekt var att studera hur pass bra featuren
28x28 som är dimensionerna för histogrammet som byggdes upp med hjälp av intensiteten och vinkeln för varje punkt och featuren 14x14x14 som är dimensionerna för histogrammet som byggdes upp med hjälp av intensiteten, vinkeln och distansen för varje punk presterar noggrannhetmässigt. Det visade sig att 14x14x14 histogrammet generaliserade andra pallar som inte fanns med i träningsdatat bättre än 28x28 histogrammet.
The classification of the plastic wrapped pallet was done by using a SVM. The road for the classification was long, but began by studying the point clouds for plastic pallets and non-plastic pallets. After studying the point cloud a graph could be drawn using the angle and intensity for each point to see if there was a difference between plastic pallet and non-plastic pallet. The experiments that were the heart of my project were to study how good the 28x28 feature which the 28x28 is the dimensions of the histogram that were built using the intensity and angle of each point and the 14x14x14 feature,14x14x14 which are the dimensions of the histogram that were built using the intensity, angle and the distance for each point performs classifications wise on new pallets that the SVM was not trained on. The result was that the
14x14x14 histogram generalized other pallets that were not included in the training data performed better than the 28x28 histogram.