SegICP：集成深度语义分割与位姿估计
机器人学
2018-03-13 v2 计算机视觉与模式识别
摘要
最近的机器人操作竞赛凸显出，复杂的机器人在复杂、现实的场景中仍难以实现对任务相关物体的快速可靠感知。为提升这些系统的感知速度和鲁棒性，我们提出了SegICP，一种新颖的物体识别与位姿估计集成解决方案。SegICP将卷积神经网络与多假设点云配准相结合，以实现对相关物体的鲁棒像素级语义分割以及精确、实时的六自由度位姿估计。我们的架构在无初始种子的情况下，实时实现了1厘米的位置误差和小于5°的角度误差。我们利用动作捕捉生成的标注数据集对SegICP进行了评估和基准测试。
引用
@article{arxiv.1703.01661,
title = {SegICP: Integrated Deep Semantic Segmentation and Pose Estimation},
author = {Jay M. Wong and Vincent Kee and Tiffany Le and Syler Wagner and Gian-Luca Mariottini and Abraham Schneider and Lei Hamilton and Rahul Chipalkatty and Mitchell Hebert and David M. S. Johnson and Jimmy Wu and Bolei Zhou and Antonio Torralba},
journal= {arXiv preprint arXiv:1703.01661},
year = {2018}
}
备注
IROS camera-ready