基于 RGB 与深度数据的实时自适应机器人抓取物体检测与位姿估计
机器人学
2021-01-20 v1 计算机视觉与模式识别
摘要
近来，物体检测与位姿估计在机器人视觉应用背景下受到显著关注。识别感兴趣物体并估计其位姿，仍是机器人能为从家务到工业操作等众多应用提供有效辅助的重要能力。该问题尤其具挑战性，因为物体形状异质且可能复杂，以及背景杂乱与物体间部分遮挡带来的困难。作为本工作的主要贡献，我们提出一个执行实时物体检测与位姿估计的系统，用于动态机器人抓取。机器人已针对每个物体从若干固定位姿预训练了一小组规范抓取。当面对任意位姿下的未知物体时，所提方法使机器人能检测物体身份及其实际位姿，进而调整规范抓取以用于新位姿。训练时，系统通过捕获物体相对于装在机器人腕部的夹爪的相对位姿来定义规范抓取。测试时，一旦检测到新位姿，便确定该物体的规范抓取，然后通过调整机器人臂关节角动态适配，使夹爪能以其新位姿抓取物体。我们使用人形 PR2 机器人开展实验，表明所提框架能检测纹理丰富的物体，并在可容忍的离面旋转下提供准确位姿估计。机器人成功从广泛任意位姿抓取物体也印证了性能。
引用
@article{arxiv.2101.07347,
title = {Object Detection and Pose Estimation from RGB and Depth Data for Real-time, Adaptive Robotic Grasping},
author = {S. K. Paul and M. T. Chowdhury and M. Nicolescu and M. Nicolescu},
journal= {arXiv preprint arXiv:2101.07347},
year = {2021}
}