新过滤器增强了机器人对6D姿态估计的视觉

机器人擅长制作相同的重复动作，例如装配线上的简单任务。 （拿起一个杯子。把它翻过来。把它放下。）但是当它们在环境中移动时，它们缺乏感知物体的能力。 （一个人捡起一个杯子，把它放在一个随机位置，机器人必须将其取回。）最近由伊利诺伊大学厄本那 – 香槟分校，NVIDIA，华盛顿大学和斯坦福大学的研究人员进行了一项研究。大学，在6D物体姿态估计上开发过滤器，为机器人提供更大的空间感知，使他们能够更准确地操纵物体并在空间中导航。

3D姿势提供X，Y和Z轴上的位置信息 – 物体相对于相机的相对位置 – 6D姿势提供更完整的图像。 “就像在飞行中描述飞机一样，机器人也需要知道物体方向的三个维度 – 它的偏航，俯仰和滚动，”与部门副教授Timothy Bretl一起学习的博士生Shinke Deng说。 .I航空航天工程学士

在现实环境中，所有这六个维度都在不断变化。

“我们希望机器人能够在物体从一个位置移动到另一个位置时跟踪物体，”邓说。

邓解释说，这项工作是为了改善计算机视觉。他和他的同事们开发了一种过滤器来帮助机器人分析空间数据。过滤器查看每个粒子，或由相机针对对象收集的图像信息，以帮助减少判断错误。

“在基于图像的6D姿势估计框架中，粒子滤波器使用大量样本来估计位置和方向，”邓说。 “每个粒子就像一个假设，是对我们想要估计的位置和方向的猜测。粒子滤波器使用观察来计算来自其他粒子的信息的重要性值。过滤器消除了不正确的估计。

“我们的程序不仅可以估计单个姿势，还可以估计物体方向的不确定性分布，”邓说。 “以前，还没有一个系统来估计物体方向的完整分布。这为机器人操纵提供了重要的不确定性信息。”

该研究在Rao-Blackwellized粒子滤波框架中使用6D物体姿态跟踪，其中物体的3D旋转和3D平移被分离。这使得研究人员的方法（称为PoseRBPF）能够有效地估计物体的3D平移以及3D旋转的完全分布。因此，PoseRBPF可以跟踪具有任意对称性的对象，同时仍然保持足够的后验分布。

“我们的方法在两个6D姿态估计基准上实现了最先进的结果，”邓说。

该研究的视频演示可在以下网址获得 https://www.youtube.com/watch?v=lE5gjzRKWuA&feature=youtu.be

故事来源：

物料 由…提供 伊利诺伊大学工程学院。注意：可以根据样式和长度编辑内容。