基于高效非参数置信传播的可关节物体因子化位姿估计
机器人学
2018-12-11 v1
摘要
工作于人类环境中的机器人常遇到各类可关节物体，如工具、橱柜及其他铰接物体。此类可关节物体可取无限多种可能位姿，作为潜在高维连续空间中的一点。机器人必须感知此连续位姿以将物体操控至期望位姿。由于高维性与多模态不确定性，可关节物体的感知与操控问题仍具挑战。本文提出一种利用高效非参数置信传播算法估计可关节物体位姿的因子化方法。我们将输入视为带关节约束的几何模型与观测到的 RGBD 传感器数据。所提框架迭代地产生物体部件位姿置信。该问题被公式化为成对马尔可夫随机场（MRF），其中每个隐节点（连续位姿变量）为被观测物体部件的位姿，边表示部件间的关节约束。我们提出通过 Pull Message Passing 算法实现非参数置信传播（PMPNBP）的可关节位姿估计，并评估其在含可关节物体场景上的收敛性质。
引用
@article{arxiv.1812.03647,
title = {Factored Pose Estimation of Articulated Objects using Efficient Nonparametric Belief Propagation},
author = {Karthik Desingh and Shiyang Lu and Anthony Opipari and Odest Chadwicke Jenkins},
journal= {arXiv preprint arXiv:1812.03647},
year = {2018}
}