基于分层遮挡建模的未知物体非模态实例分割
机器人学
2022-03-01 v2 计算机视觉与模式识别
摘要
对非可见物体的实例感知分割对于非结构化环境中的机器人系统至关重要。尽管以往工作取得了令人鼓舞的结果，但它们仅限于分割未知物体仅可见的区域。对于杂乱场景中的机器人操控，需要非模态感知来处理被其他物体遮挡的物体。本文研究未知物体非模态实例分割（UOAIS），以检测 1）可见掩码，2）非模态掩码，以及 3）未知物体实例上的遮挡。为此，我们提出一种分层遮挡建模（HOM）方案，旨在通过为特征融合和预测顺序分配层次结构来推断遮挡。我们在三个基准（桌面、室内和料箱环境）上评估了我们的方法，并取得了最先进（SOTA）性能。用于拾取被遮挡物体的机器人演示、代码和数据集可在 https://sites.google.com/view/uoais 获取。
引用
@article{arxiv.2109.11103,
title = {Unseen Object Amodal Instance Segmentation via Hierarchical Occlusion Modeling},
author = {Seunghyeok Back and Joosoon Lee and Taewon Kim and Sangjun Noh and Raeyoung Kang and Seongho Bak and Kyoobin Lee},
journal= {arXiv preprint arXiv:2109.11103},
year = {2022}
}
备注
Accepted at ICRA 2022, Project page: https://sites.google.com/view/uoais