解决机器人三维物体分类中的仿真到现实鸿沟
计算机视觉与模式识别
2019-10-29 v1 机器人学
摘要
基于 3D 数据的物体分类是任何场景理解方法的基本组成部分。它在包括机器人和计算机图形学在内的多个领域引起了显著关注。尽管深度学习的出现推进了 3D 物体分类领域，但大多数使用该数据类型的工作仅在 CAD 模型数据集上评估。因此，当前工作未解决真实数据与人工数据之间存在的差异。本文在机器人背景下考察这一鸿沟，具体解决从人工 CAD 模型迁移到真实重建物体时的分类问题。这是通过在 ModelNet（CAD 模型）上训练并在 ScanNet（重建物体）上评估来实现的。我们表明标准方法在该任务上表现不佳。因此我们引入一种方法，谨慎采样在各种变换下可复现因而鲁棒的物体部件。利用图卷积对由部件构成的图进行分类，我们的方法显著优于基线。
引用
@article{arxiv.1910.12585,
title = {Addressing the Sim2Real Gap in Robotic 3D Object Classification},
author = {Jean-Baptiste Weibel and Timothy Patten and Markus Vincze},
journal= {arXiv preprint arXiv:1910.12585},
year = {2019}
}