基于三维深度学习的利用深度传感器数据的机器人环境增强现实标定方法
计算机视觉与模式识别
2019-12-30 v1 机器学习
机器人学
摘要
增强现实与移动机器人因在使流程成本与时间高效方面的巨大潜力而在工业中受到广泛关注。为便于增强现实，增强现实设备与环境之间的标定是必要的。在处理移动机器人时这是一个挑战，因为所有实体的移动性使环境变为动态。为此，我们提出一种利用三维深度传感器数据标定增强现实设备的新方法。我们使用尖端增强现实设备——Microsoft Hololens 的深度相机进行基于深度学习的标定。为此，我们修改了基于近期发表的 VoteNet 架构的神经网络，该架构直接在 Hololens 观测到的点云输入上工作。我们取得了令人满意的结果，并消除了诸如标记物之类的外部工具，从而实现了更直观灵活的增强现实集成工作流。结果可适用于所有深度相机，并对进一步研究具有前景。此外，我们介绍了一款开源三维点云标注工具，据我们所知这是首个用于标注原始点云数据的开源工具。
引用
@article{arxiv.1912.12101,
title = {A 3D-Deep-Learning-based Augmented Reality Calibration Method for Robotic Environments using Depth Sensor Data},
author = {Linh Kästner and Vlad Catalin Frasineanu and Jens Lambrecht},
journal= {arXiv preprint arXiv:1912.12101},
year = {2019}
}
备注
7 Pages, 7 Figures