面向攀爬机器人应用的基于骨架的岩石裂缝检测方法
计算机视觉与模式识别
2023-11-08 v2 机器人学
摘要
传统的轮式机器人无法穿越具有科学意义但危险的洞穴环境。多肢攀爬机器人设计（如 ReachBot）能够抓取不规则表面特征并执行攀爬运动以克服障碍，前提是具备合适的抓取位置。为支持抓取点识别，我们提出一种检测岩石裂缝与边缘的方法——骨架交点损失（SKIL）。SKIL 是一种为薄物体分割设计的损失，利用标签的骨架。我们收集了一组岩石表面图像数据集，进行人工标注，并使用生成数据增强。我们提出了一组新指标 LineAcc，用于薄物体分割，以最小化物体宽度对得分的影响。此外，该指标对平移较不敏感，而计算如 Dice 等经典指标时，平移常导致薄物体得分为零。我们微调的模型在类似薄物体分割任务（如血管分割）上优于先前方法，并展现出集成到机器人系统中的前景。
引用
@article{arxiv.2309.05139,
title = {A Skeleton-based Approach For Rock Crack Detection Towards A Climbing Robot Application},
author = {Josselin Somerville Roberts and Paul-Emile Giacomelli and Yoni Gozlan and Julia Di},
journal= {arXiv preprint arXiv:2309.05139},
year = {2023}
}