用于可靠六维物体位姿估计的多视角关键点方法
计算机视觉与模式识别
2023-03-30 v1
摘要
六维物体位姿估计是机器人学中实现与环境高效交互的基础组件。在料箱拣选应用中尤其具有挑战性，其中许多物体特征少且具反射性，同类物体间的自遮挡十分常见。我们提出一种新颖的多视角方法，利用眼在手（eye-in-hand）设置中已知的相机变换，将热图与关键点估计融合为三维空间上的概率密度图。其结果是一种在视角数量上可扩展的鲁棒方法。它依赖于由关键点概率与点云对齐误差构成的置信度分数，从而能够可靠地剔除假阳性。我们在 ROBI 数据集上针对多种困难的特征少且反射的物体展示了平均约 0.5mm 和 2 度的位姿估计误差，同时在使用 ADD 误差上 10% 物体直径阈值衡量的正确检测率方面超越了当前最优（SOTA）水平。
引用
@article{arxiv.2303.16833,
title = {Multi-View Keypoints for Reliable 6D Object Pose Estimation},
author = {Alan Li and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2303.16833},
year = {2023}
}
备注
To be published in ICRA 2023 conference proceedings