从单帧遮挡点云学习估计可变形线性物体的三维状态
机器人学
2023-05-03 v2
摘要
准确且鲁棒地估计可变形线性物体（DLOs，如绳索与导线）的状态，对于 DLO 操控及其他应用至关重要。然而，由于状态空间的高维性、频繁的遮挡与噪声，这仍是一个具有挑战性的开放问题。本文聚焦于利用数据驱动方法，从存在遮挡的单帧点云中鲁棒地学习估计 DLOs 的状态。我们提出了一种新颖的双分支网络架构，分别利用输入点云的全局与局部信息，并设计了一个融合模块以有效结合两种方法的优势。仿真与真实世界实验结果表明，即便在严重遮挡的点云下，我们的方法也能生成全局平滑且局部精确的 DLO 状态估计结果，并可直接应用于真实世界中三维空间下 DLOs 的机器人操控。
引用
@article{arxiv.2210.01433,
title = {Learning to Estimate 3-D States of Deformable Linear Objects from Single-Frame Occluded Point Clouds},
author = {Kangchen Lv and Mingrui Yu and Yifan Pu and Xin Jiang and Gao Huang and Xiang Li},
journal= {arXiv preprint arXiv:2210.01433},
year = {2023}
}
备注
Accepted by International Conference on Robotics and Automation (ICRA) 2023