结合深度学习与三维视觉技术的六维位姿估计用于快速准确物体抓取
计算机视觉与模式识别
2021-11-12 v1 机器人学
摘要
支持后续精确手内操作任务的实时机器人抓取，是高度先进自治系统的一个优先目标。然而，尚缺乏一种既能保证足够抓取精度又具时间效率的算法。本文提出一种新颖的两阶段方法，结合基于深度神经网络的快速二维物体识别，以及基于点对面特征（Point Pair Feature）框架的后续准确快速六维位姿估计，从而形成一种能够应对多物体类别场景的实时三维物体识别与抓取方案。所提方案有潜力在同时要求效率与精度的实时应用中稳健运行。为验证我们的方法，我们进行了广泛而深入的实验，包括费力地准备我们自己的数据集。实验结果表明，所提方法在 5cm5deg 指标下达到 97.37% 的准确率，在平均距离（Average Distance）指标下达到 99.37%。实验结果显示，采用所提方法在 5cm5deg 指标下总体相对提升 62%，在 Average Distance 指标下相对提升 52.48%。此外，位姿估计执行时间在运行时间上平均改进 47.6%。最后，为说明系统在实时操作中的整体效率，进行了拾放机器人实验，并以 90% 的准确率展示了令人信服的成功率。该实验视频可在 https://sites.google.com/view/dl-ppf6dpose/ 查看。
引用
@article{arxiv.2111.06276,
title = {6D Pose Estimation with Combined Deep Learning and 3D Vision Techniques for a Fast and Accurate Object Grasping},
author = {Tuan-Tang Le and Trung-Son Le and Yu-Ru Chen and Joel Vidal and Chyi-Yeu Lin},
journal= {arXiv preprint arXiv:2111.06276},
year = {2021}
}