利用 RGB-D 融合与合成数据在重度杂乱场景中分割未见工业零件
计算机视觉与模式识别
2020-06-03 v3 图像与视频处理
摘要
未见工业零件的分割对自主工业系统至关重要。然而，工业零件无纹理、具反射性，且常出现在具有重度遮挡的杂乱非结构化环境中，这使得处理未见物体更具挑战性。为应对该问题，我们提出一个合成数据生成流水线，通过域随机化随机化纹理以聚焦于形状信息。此外，我们提出一种带置信度图估计器的 RGB-D 融合 Mask R-CNN，其在多个特征层级利用可靠的深度信息。我们将训练好的模型迁移至真实场景，并通过与基线对比及消融实验评估其性能。我们证明，仅使用合成数据的方法可成为未见工业零件分割的有效解决方案。
引用
@article{arxiv.2002.03501,
title = {Segmenting Unseen Industrial Components in a Heavy Clutter Using RGB-D Fusion and Synthetic Data},
author = {Seunghyeok Back and Jongwon Kim and Raeyoung Kang and Seungjun Choi and Kyoobin Lee},
journal= {arXiv preprint arXiv:2002.03501},
year = {2020}
}
备注
5 pages,6 figures, Accepted to ICIP 2020