基于深度学习与占据体素栅格地图的类人机器人货架料箱抓取三维物体分割

在货架料箱等狭窄空间内抓取物体是类人机器人从环境中提取目标物体的重要任务。然而，在这些情况下，相机与物体之间存在大量遮挡，由于缺少三维传感器输入，难以对目标物体进行三维分割。我们通过累积多相机角度的分割结果并生成目标物体的体素模型来解决此问题。我们的方法由两个部分组成：一是利用卷积网络对输入图像进行物体概率预测，二是生成专为物体分割设计的体素栅格地图。我们通过狭窄货架料箱中目标物体的抓取任务实验对该方法进行了评估。即便存在遮挡，我们的方法也能生成稠密的三维物体分割，且真实机器人成功从狭窄空间中抓取了目标物体。