通过物理感知蒙特卡洛树搜索改进杂乱环境中物体的 6D 位姿估计

本工作提出了一种在杂乱场景中高效搜索单个物体 6D 位姿假设组合的过程，特别是在涉及遮挡和物体相互堆叠的情况下。初始候选物体位姿集由最先进的物体检测和全局点云配准技术生成。使用这些技术得到的每个物体的最佳得分位姿可能因重叠和遮挡而不准确。然而，本工作提供的实验迹象表明，根据配准技术，排名较低的物体位姿可能比排名较高的位姿更接近真实位姿。这促使我们通过考虑物体间的场景级物理相互作用来改进这些位姿的全局优化过程。这也意味着必须搜索相互作用物体候选位姿的笛卡尔积，以识别最佳的场景级假设。为了高效执行搜索，对每个物体的候选位姿进行聚类，以减少其数量但仍保持足够的多样性。然后，通过蒙特卡洛树搜索 (MCTS) 过程执行对候选物体位姿组合的搜索，该过程使用场景观测深度图像与给定假设位姿的场景渲染之间的相似度作为指导搜索过程的评分。MCTS 利用上限置信界 (UCB) 技术，以原则性的方式处理微调最有希望的位姿与探索新位姿之间的权衡。实验结果表明，该过程能够在杂乱场景中快速识别出物理一致的物体位姿，与点云配准方法发现的位姿相比，这些位姿显著更接近真值。