中文

基于自编码器的点云填充用于抓取部分遮挡物体

机器人学 2025-03-18 v1 人工智能 计算机视觉与模式识别

摘要

灵活的工业生产系统将发挥越来越大的作用,因为产品的个性化和定制化水平不断提高。其关键组成部分是对已知或未知物体在随机位置上的抓取。实际应用常常伴随可能未被仿真或实验室环境中抓取解决方案所考虑的挑战。目标物体的部分遮挡是最突出的挑战。遮挡的示例包括相机视野中的支撑结构、传感器的不精确,或因生产过程而导致的部件彼此遮挡。在所有这些情况下,缺乏信息会导致计算抓取点的困难。本文提出了一种重建缺失信息的算法。我们的填充解决方案促进了稳健对象匹配方法在抓取点计算中的实际应用。我们通过演示所提出方法如何使嵌入实际工业应用的现有抓取系统能够处理输入中的遮挡,来显示该方法的优势。通过该方法,我们大幅降低了该过程中被丢弃的物体数量。

关键词

引用

@article{arxiv.2503.12549,
  title  = {Grasping Partially Occluded Objects Using Autoencoder-Based Point Cloud Inpainting},
  author = {Alexander Koebler and Ralf Gross and Florian Buettner and Ingo Thon},
  journal= {arXiv preprint arXiv:2503.12549},
  year   = {2025}
}

备注

Published at ECML PKDD 2022