面向个人助理机器人的 3D 场景标注
机器人学
2011-06-29 v1
摘要
提供 RGB 图像和深度数据的廉价 RGB-D 相机已得到广泛应用。我们利用这些数据来构建完整场景的 3D 点云。在本文中，我们处理了在完整室内场景（如办公室）的 3D 点云中标注物体的任务。我们提出了一个图模型，该模型捕获了各种特征和上下文关系，包括局部视觉外观与形状线索、物体共现关系以及几何关系。由于存在大量的物体类别和关系，模型的简约性变得重要，我们通过使用多种类型的边势能来解决这个问题。该模型允许高效的近似推断，并使用最大间隔学习方法进行训练。在我们的实验中，针对总共 52 个家庭和办公室的 3D 场景（由约 550 个视角组成，包含标注为 27 个物体类别的 2495 个分割区域），我们在办公室 17 个物体类别的标注中获得了 84.06% 的性能，在家庭场景 17 个物体类别的标注中获得了 73.38% 的性能。最后，我们将这些算法成功应用于移动机器人，以在杂乱的大房间中执行寻找物体的任务。
引用
@article{arxiv.1106.5551,
title = {Labeling 3D scenes for Personal Assistant Robots},
author = {Hema Swetha Koppula and Abhishek Anand and Thorsten Joachims and Ashutosh Saxena},
journal= {arXiv preprint arXiv:1106.5551},
year = {2011}
}