MoSS：面向连续体机器人的单目形状感知
机器人学
2024-01-09 v2 计算机视觉与模式识别
摘要
连续体机器人因其独特的形状、柔顺性及微型化能力，成为医疗与工业交互任务中有前景的候选者。准确且实时的形状感知对此类任务至关重要，但仍具挑战。嵌入式形状感知硬件复杂度与成本高，而基于视觉的方法需立体设置且难以实现实时性能。本文提出首个眼在手外的连续体机器人单目形状感知方法。利用深度编码器-解码器网络，我们的方法MoSSNet消除了立体匹配的计算开销并降低了对感知硬件的要求。特别地，MoSSNet由编码器与三个并行解码器组成，从单张RGB图像中揭示空间、长度与轮廓信息，随后通过曲线拟合获得3D形状。采用双段腱驱连续体机器人进行数据采集与测试，在真实数据上实现了准确（平均形状误差0.91 mm，即机器人长度的0.36%）且实时（70 fps）的形状感知。此外，该方法端到端优化，无需基准标记、手动分割或相机标定。代码与数据集将发布于https://github.com/ContinuumRoboticsLab/MoSSNet。
引用
@article{arxiv.2303.00891,
title = {MoSS: Monocular Shape Sensing for Continuum Robots},
author = {Chengnan Shentu and Enxu Li and Chaojun Chen and Puspita Triana Dewi and David B. Lindell and Jessica Burgner-Kahrs},
journal= {arXiv preprint arXiv:2303.00891},
year = {2024}
}
备注
8 pages, 6 figures, submitted to RA-L