用于改进仓储抓取与放置中基于RGBD的物体检测与姿态估计的数据集
计算机视觉与模式识别
2016-02-23 v2 机器人学
摘要
机器人技术的一个重要物流应用涉及在仓库货架上进行物体抓取与放置的机械臂。该任务的一个关键环节是利用视觉数据检测货架上已知物体的姿态。使用RGB-D传感器可以辅助解决这一问题，该传感器在视觉数据之外还提供深度信息。然而，这仍是一个具有挑战性的问题，因为需要解决多个难题，如货架内部光照不足、杂乱环境、无纹理及反光物体以及深度传感器的局限性。本文提供了一个新的丰富数据集，以推动基于RGBD的3D物体姿态估计的最新技术发展，该数据集重点关注解决仓储抓取与放置任务时出现的挑战。该公开数据集包含数千张图像及对应的真值数据，涵盖了在首届Amazon Picking Challenge中使用的物体在不同姿态和杂乱条件下的情况。每张图像均附带真值信息，以辅助评估物体检测算法。为展示该数据集的实用性，本文评估了一种近期提出的基于RGBD的姿态估计算法。基于该算法在数据集上的测量性能，本文应用了各种修改和改进以提高检测精度。这些步骤可轻松应用于多种不同的物体姿态检测方法，并提升其在仓储抓取与放置领域的性能。
引用
@article{arxiv.1509.01277,
title = {A Dataset for Improved RGBD-based Object Detection and Pose Estimation for Warehouse Pick-and-Place},
author = {Colin Rennie and Rahul Shome and Kostas E. Bekris and Alberto F. De Souza},
journal= {arXiv preprint arXiv:1509.01277},
year = {2016}
}
备注
To appear in RA-L