单视角机器人姿态与配置估计的几何初始化与轮廓基准 refinement

在自动化机器人中，测量机器人内部状态并感知其环境（包括与其他智能体如协作机器人之间的交互）至关重要。从单视图估计机器人臂的姿态有潜在可能取代经典眼到手标定方法，尤其适用于在线估计和动态环境。在除姿态外，恢复机器人配置提供了对观察机器人完整空间理解，可用于预测其他智能体在高级机器人应用中的动作。此外，这种额外的冗余性使能够在传感器故障或外部扰动的情况下规划和执行恢复协议。我们引入 GISR——一种深度配置和机器人到相机姿态估计方法，强调实时执行。GISR 包含两个模块：(i) 几何初始化模块，高效计算机器人姿态和配置的近似值；(ii) 基于轮廓的深度迭代细化模块，在仅几次迭代后即可得到最终解。我们在公开数据集上评估 GISR，表明其在速度和准确性方面均优于同类方法，并且能够与依赖真实 proprioception 且仅恢复姿态的方法竞争。