利用包含多个物体实例的单张 RGB-D 图像进行 3D 物体发现与建模
计算机视觉与模式识别
2017-10-18 v1 机器人学
摘要
无监督物体建模在机器人学中至关重要，特别是对于处理大量物体。我们提出了一种无监督 3D 物体发现、重建和定位的方法，该方法利用单张 RGB-D 图像中包含的多个同一物体实例。所提方法不依赖分割、场景知识或用户输入，因此易于扩展。我们的方法旨在通过利用显著区域的外观和几何特征，在单张 RGB-D 图像中寻找重复模式。我们提取关键点并根据其描述子成对匹配。然后利用若干几何准则生成相互匹配的关键点三元组，以最小化错误匹配。计算匹配三元组的相对位姿并将其聚类，以发现具有相似相对位姿的三元组对集合。属于同一集合的三元组很可能属于同一物体，并被用于构建初始物体模型。使用初始物体模型通过 RANSAC 检测剩余实例，可进一步扩展和细化模型。自动生成的物体模型既紧凑又具描述性。我们在包含各种物体的 RGB-D 图像上展示了定量和定性结果，其中包括来自 Amazon Picking Challenge 的一些物体。我们还演示了该方法在机械臂物体抓取场景中的应用。
引用
@article{arxiv.1710.06231,
title = {3D Object Discovery and Modeling Using Single RGB-D Images Containing Multiple Object Instances},
author = {Wim Abbeloos and Esra Ataer-Cansizoglu and Sergio Caccamo and Yuichi Taguchi and Yukiyasu Domae},
journal= {arXiv preprint arXiv:1710.06231},
year = {2017}
}