SCARP：任意位姿下的三维形状补全以改善抓取
计算机视觉与模式识别
2023-01-19 v1 机器人学
摘要
从部分观测中恢复完整三维形状是一项具有挑战性的任务，在计算机视觉领域已被广泛研究。许多深度学习方法通过训练三维形状生成网络来学习完整三维形状上的先验以应对该问题。在此训练范式下，这些方法期望输入处于固定的规范形式，否则无法学习到有效的三维形状先验。我们提出 SCARP，一种在任意位姿下执行形状补全（Shape Completion in ARbitrary Poses）的模型。给定物体的部分点云，SCARP 通过依赖旋转等变位姿特征和利用多任务目标训练的几何形状特征，学习位姿与形状的解耦特征表示。与依赖外部规范化的现有方法不同，SCARP 在单一网络中完成规范化、位姿估计与形状补全，将性能较现有基线提升 45%。本工作中，我们将 SCARP 用于改善桌面物体的抓取提议。通过直接在观测位姿下补全部分桌面物体，SCARP 使一个 SOTA 抓取提议网络在部分形状上的提议质量提升 71.2%。项目页面：https://bipashasen.github.io/scarp
引用
@article{arxiv.2301.07213,
title = {SCARP: 3D Shape Completion in ARbitrary Poses for Improved Grasping},
author = {Bipasha Sen and Aditya Agarwal and Gaurav Singh and Brojeshwar B. and Srinath Sridhar and Madhava Krishna},
journal= {arXiv preprint arXiv:2301.07213},
year = {2023}
}
备注
Accepted at ICRA 2023