基于部件的可articulated物体在非结构化场景中的信念传播定位

在人居环境中工作的机器人必须能够感知并操作具有关节的挑战性物体，例如一堆工具。关节物体增加了位姿估计问题的维度，而在杂乱环境下的部分观测带来了额外挑战。为解决该问题，我们提出一种用于杂乱场景中关节物体的生成-判别式基于部件识别与定位方法。我们将关节物体位姿估计问题表述为马尔可夫随机场（MRF）。该 MRF 中的隐节点表达物体部件的位姿，边表达部件间的关节约束。定位在 MRF 内通过高效的信念传播方法完成。该方法同时利用由神经网络生成的观测上的部件分割热力图，以及物体部件间的关节约束。我们的生成-判别式方法通过使用可见部件得到的假设推断被遮挡部件的位姿，从而可在杂乱环境中工作。我们在桌面环境中展示了该方法在整洁与杂乱配置下识别和定位手用工具的有效性。