基于 RGB-D 数据的架内试管位姿估计
计算机视觉与模式识别
2023-08-22 v1
摘要
在生物与医疗行业中，对试管进行精准机器人操作正变得愈发重要，以应对人力短缺并提升工作者安全。试管的检测与定位是机器人成功操作试管的基础。本文提出一种利用彩色与深度数据检测并估计架内试管位姿的框架。方法包括使用 YOLO 目标检测器有效分类并定位图像数据中的试管与试管架。随后，通过点点云配准技术估计试管架位姿。在估计试管位姿过程中，我们利用由架槽排布导出的约束。借助基于优化的算法，我们有效评估并精炼试管位姿。该策略确保了位姿估计的鲁棒性，即便面对含噪且不完整的点云数据。
引用
@article{arxiv.2308.10411,
title = {In-Rack Test Tube Pose Estimation Using RGB-D Data},
author = {Hao Chen and Weiwei Wan and Masaki Matsushita and Takeyuki Kotaka and Kensuke Harada},
journal= {arXiv preprint arXiv:2308.10411},
year = {2023}
}
备注
Submit to IEEE ROBIO 2023