面向杂乱环境中自主操作的 RGB-D 目标检测与语义分割
计算机视觉与模式识别
2018-10-03 v1
摘要
杂乱环境中的自主机器人操作具有挑战性。必须在复杂场景中感知大量各异物体，这些物体部分被遮挡并嵌入于众多干扰物之间，且常处于受限空间。为应对这些挑战，我们开发了一种结合目标检测与语义分割的深度学习方法。操作场景由 RGB-D 相机采集，为此我们提出了一种深度融合方法。采用预训练特征使得从小规模标注机器人数据集中学习成为可能。我们在两个具有挑战性的数据集上评估了我们的方法：一个为 Amazon Picking Challenge 2016 采集，我们的 NimbRo 团队在 Stowing 任务中获第二名、在 Picking 任务中获第三名；另一个为灾害响应场景中采集。实验表明，目标检测与语义分割相互补充，并可结合以产生可靠的目标感知。
引用
@article{arxiv.1810.00818,
title = {RGB-D Object Detection and Semantic Segmentation for Autonomous Manipulation in Clutter},
author = {Max Schwarz and Anton Milan and Arul Selvam Periyasamy and Sven Behnke},
journal= {arXiv preprint arXiv:1810.00818},
year = {2018}
}