基于结构光相机的无纹理反光物体主动位姿精化
机器人学
2023-08-29 v1
摘要
无纹理反光物体的 6D 位姿估计已成为许多机器人应用中的关键问题。许多位姿估计器需要由结构光相机测得的高质量深度数据。然而，当物体具有反光表面（如金属零件）时，这些相机由于镜面反射无法从单一视角感知完整深度，导致最终位姿精度显著下降。为缓解此问题，我们提出一个完整的主动视觉框架，用于 6D 物体位姿精化与下一最佳视角预测。具体而言，我们首先为结构光相机构建一个基于优化的位姿精化模块。随后，我们的系统通过最小化物体位姿的预测不确定性来选择下一个最佳相机视角以采集深度测量。与先前方法相比，我们通过在线渲染额外预测未来视角的测量不确定性，显著提升了下一最佳视角预测性能。我们在具有挑战性的真实世界 ROBI 数据集上测试了我们的方法。结果表明，在给定相同输入深度数据时，我们的位姿精化方法优于传统基于 ICP 的方法，且我们的下一最佳视角策略能用显著少于启发式策略的视角数达到高物体位姿精度。
引用
@article{arxiv.2308.14665,
title = {Active Pose Refinement for Textureless Shiny Objects using the Structured Light Camera},
author = {Jun Yang and Jian Yao and Steven L. Waslander},
journal= {arXiv preprint arXiv:2308.14665},
year = {2023}
}