面向主动多相机视觉示教与再现的相机性能模型学习
机器人学
2022-07-01 v1
摘要
在动态且狭窄的工业环境中，使用单相机实现可靠的视觉示教与再现（VT&R）具有挑战性。本工作中，我们开发了一种用于非同步多相机 VT&R 的鲁棒方法。我们的贡献是预期的相机性能模型（CPM），其评估示教步骤中的相机数据流，以确定在再现步骤中用于定位信息最丰富的一路。通过主动选择最合适的相机进行定位，我们能够在某一相机被遮挡、朝向特征贫乏区域或环境发生变化时成功完成任务。此外，我们探讨了在动态四足机器人 ANYmal 上实现 VT&R 的具体挑战。相机不沿直线路径运动（由于行走步态和全向性），因此无法实现精确路径跟踪。我们的实验包含前向与后向立体相机，展示了在杂乱室内外场景中的 VT&R 性能。我们比较了机器人在再现步骤中执行的轨迹，显示出平均小于 10cm 的典型跟踪精度。着眼于全向定位，我们展示了该方法在仿真中推广到四个相机的情形。视频：https://youtu.be/iAY0lyjAnqY
引用
@article{arxiv.2103.14070,
title = {Learning Camera Performance Models for Active Multi-Camera Visual Teach and Repeat},
author = {Matías Mattamala and Milad Ramezani and Marco Camurri and Maurice Fallon},
journal= {arXiv preprint arXiv:2103.14070},
year = {2022}
}
备注
7 pages, 8 figures. Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2021