多物体 RANSAC：杂乱场景中的高效平面聚类方法
机器人学
2024-03-20 v1
摘要
本文提出了一种使用 RGB-D 相机在杂乱场景中进行平面聚类的专用新方法，并通过机器人抓取实验验证了其有效性。与侧重于大规模室内结构的现有方法不同，我们的方法——多物体 RANSAC（Multi-Object RANSAC）强调包含各种不同尺度物体的杂乱环境。它通过在深度平面聚类（Deep Plane Clustering, DPC）模块中生成子平面，然后通过后处理将其与最终平面合并，从而增强了平面分割。DPC 通过投票层重新排列点云以形成子平面簇，并使用 RANSAC 生成的伪标签以自监督方式进行训练。多物体 RANSAC 在平面实例分割性能上优于其他最近的 RANSAC 应用。我们进行了基于机器人吸盘抓取的实验，将我们的方法与基于视觉的抓取网络和 RANSAC 应用进行了比较。这一真实场景的结果显示，其性能显著超越了基线方法，突显了其在高级场景理解与操作方面的潜力。
引用
@article{arxiv.2403.12449,
title = {Multi-Object RANSAC: Efficient Plane Clustering Method in a Clutter},
author = {Seunghyeon Lim and Youngjae Yoo and Jun Ki Lee and Byoung-Tak Zhang},
journal= {arXiv preprint arXiv:2403.12449},
year = {2024}
}
备注
7 pages, 6 figures