Time of flight (ToF)-teknologi används brett inom många industrier; autonoma bilar och robotar för att nämna två. Följande projekt granskar teknologins användningsområde inom objektdetektion. Sensorn som detta projekt använder sig av består av två produkter, O3M150 och O3M950 som är en ToF-kamera och belysningsenhet respektive. För att utföra tester sammansätts en rigg som sensorn monteras på. Utifrån tester sparas det ner punktmoln med tillhörande data. Diverse populära algoritmer inom programmering i en 3D-miljö från biblioteket PCL tillämpas sedan på den insamlade datan. Projektet är uppdelat i två delar, en utbildande fas och sedan en utvecklande. Utvecklingsfasen består av att utveckla ett effektivt sätt att samla in data och sedan visualisera den efter olika segmenteringsalgoritmer. Resultatet visar trots dess höga IP-klassifiering att sensorn inte är välanpassad för användning inom objektdetektion i vegetation utan att sensorns bästa användsområde troligen ligger i en mer öppen miljö.

Time of flight (ToF)-technology is used widely in many industries; autonomic cars and robots to name two. The following project examines the technology area of use within object detection. The sensor used in this project consists of two products, O3M150 and O3M950 which is a ToF-camera and illumination unit respectivly. To perform tests a rig is composed where the sensor is mounted. From the tests point clouds are saved with corresponding data. Several popular algorithms used within programming on a 3D enviroment from the library PCL is adjusted to the data. The project is divided into two parts, an educational phase and then a developing one. The developing part consists of devoloping an effective way to collect data and then visualizing it after different segmentations. The results show that in spite of having a high IP-classification the sensor is not well suited for use in object detection in vegetation but rather that the sensors best area of use is in a more open enviroment.