3D 移动以观测：基于语义分割的多视角视觉伺服改进物体观测
机器人学
2018-09-24 v1
摘要
在本文中，我们提出一种用于机器人学的新视觉伺服方法，称为 3D 移动以观测（3DMTS），其基于利用 3D 相机阵列和机械臂寻找下一最佳视角的原理，以从不同视角获取场景的多个样本。该方法使用语义视觉和应用于每个视角的目标函数，来采样表示下一最佳视角方向的梯度。该方法在仿真中以及在一个包含定制 3D 相机阵列的真实机器人平台上进行了演示，针对高度遮挡和非结构化环境中的机器人采摘这一挑战性场景。在真实机器人平台上表明，即便存在遮挡，利用目标函数的梯度移动末端执行器可得到感兴趣物体的局部最优视角。3DMTS 方法的整体性能相较使用单个 RGB-D 相机的基线方法（其获得 9.17%）实现了目标尺寸平均增加 29.3%。结果在定性与定量上表明，3DMTS 方法在大多数场景中表现更优，且相较基线方法获得了三倍的目标尺寸。最终视角中目标尺寸的增加将改善对感兴趣物体关键特征的检测，以便于进一步操作，如抓取与采摘。
引用
@article{arxiv.1809.07896,
title = {3D Move to See: Multi-perspective visual servoing for improving object views with semantic segmentation},
author = {Chris Lehnert and Dorian Tsai and Anders Eriksson and Chris McCool},
journal= {arXiv preprint arXiv:1809.07896},
year = {2018}
}