面向机器人环境的未见物体实例分割
计算机视觉与模式识别
2021-10-15 v2 机器人学
摘要
为了在 unstructured 环境中运作，机器人需要具备识别未见物体的能力。我们朝此方向迈进一步，着手解决桌面环境中未见物体实例分割的问题。然而，该任务所需的大规模真实世界数据集在大多数机器人场景中通常并不存在，这促使了合成数据的使用。我们提出的方法 UOIS-Net 分别利用合成 RGB 与合成深度进行未见物体实例分割。UOIS-Net 由两阶段组成：首先，它仅基于深度在 2D 或 3D 中生成物体实例中心投票并将其组装为粗略初始掩码；其次，利用 RGB 对这些初始掩码进行细化。令人惊讶的是，我们的框架能够从合成 RGB-D 数据中学习，其中 RGB 是非照片真实感的。为训练我们的方法，我们引入了一个大规模桌面随机物体合成数据集。我们表明，我们的方法能够生成清晰准确的分割掩码，在未见物体实例分割上优于 state-of-the-art 方法。我们还展示了我们的方法能够分割未见物体以用于机器人抓取。
引用
@article{arxiv.2007.08073,
title = {Unseen Object Instance Segmentation for Robotic Environments},
author = {Christopher Xie and Yu Xiang and Arsalan Mousavian and Dieter Fox},
journal= {arXiv preprint arXiv:2007.08073},
year = {2021}
}
备注
Journal version of arXiv:1907.13236