你只估计一次：面向机器人抓取的统一、单阶段、实时类级关节物体6D姿态估计

本文解决了机器人操作任务中关节物体的类级姿态估计问题。近期研究在估计类级部件姿态和尺寸方面取得了令人鼓舞的成果。然而，这些方法主要遵循复杂的多阶段管线，首先在点云中分割部件实例，然后估计6D姿态的归一化部件坐标空间（NPCS）表示。这些方法存在高计算成本和在实时机器人任务中性能较差的问题。为此，我们提出了YOEO（You Only Estimate Once），一种单阶段方法，能够端到端地同时输出实例分割和NPCS表示。我们使用统一的网络生成点级语义标签和质心偏移量，使来自同一部件实例的点能够为同一质心投票。我们进一步利用聚类算法根据估计的质心距离对点进行区分。最后，我们首先分离每个实例的NPCS区域，然后将分离区域与实际点云对齐，以恢复最终的姿态和尺寸。在GAPart数据集上的实验结果表明，我们提出的单次检测方法具有良好的姿态估计能力。我们还将在真实世界中部署的合成训练模型，提供200Hz的实时视觉反馈，使物理Kinova机器人能够与未知关节物体进行交互。这展示了我们方法的实用性和有效性。