基于拓扑特征的3D点云下一最佳视角学习
机器人学
2021-03-23 v2 人工智能
摘要
本文提出一种强化学习方法，利用新颖的基于拓扑的信息增益度量来引导含噪3D传感器的下一最佳视角。该度量结合观测表面的不相交部分，聚焦于孔洞和凹面等高细节特征。实验结果表明，我们的方法有助于确定机器人传感器的放置位置，以优化其流式点云数据所提供的信息。此外，我们已向研究界公开发布了一个带标注的3D物体数据集、一个定制机器人机械臂的CAD设计，以及用于点云变换、合并与配准的软件。
引用
@article{arxiv.2103.02789,
title = {Learning the Next Best View for 3D Point Clouds via Topological Features},
author = {Christopher Collander and William J. Beksi and Manfred Huber},
journal= {arXiv preprint arXiv:2103.02789},
year = {2021}
}
备注
To be published in the 2021 IEEE International Conference on Robotics and Automation (ICRA)