Filter verbetert robotvisie bij schatting van 6D-pose

Robots zijn goed in het maken van identieke repetitieve bewegingen zoals een simpele taak op een lopende band. Maar ze missen het vermogen om objecten waar te nemen terwijl ze door een omgeving bewegen. Een recent onderzoek is uitgevoerd door onderzoekers van de Universiteit van Illinois in Urbana-Champaign, NVIDIA, de Universiteit van Washington en Stanford University over de schatting van 6D-objecten om een ​​filter te ontwikkelen om robots een grotere ruimtelijke waarneming te geven, zodat ze objecten kunnen manipuleren en navigeren. nauwkeuriger door de ruimte.

Terwijl 3D-pose locatie-informatie geeft op de X-, Y- en Z-assen - relatieve locatie van het object ten opzichte van de camera - geeft 6D-pose een veel completer beeld. Net zoals het beschrijven van een vliegtuig tijdens de vlucht, moet de robot de drie dimensies van de oriëntatie van het object kennen:gieren, stampen en rollen. In echte omgevingen veranderen al deze zes dimensies voortdurend.

Het filter is ontwikkeld om robots te helpen ruimtelijke gegevens te analyseren. Het filter kijkt naar elk deeltje of stukje beeldinformatie dat is verzameld door camera's die op een object zijn gericht om beoordelingsfouten te helpen verminderen.

In een op afbeeldingen gebaseerd 6D pose-schattingskader gebruikt een deeltjesfilter monsters om de positie en oriëntatie te schatten. Elk deeltje is als een hypothese - een gok over de positie en oriëntatie die schatting vereist. Het deeltjesfilter gebruikt observatie om de belangrijkheid van de informatie van de andere deeltjes te berekenen en elimineert de onjuiste schattingen.

Voorheen was er geen systeem om de volledige verdeling van de oriëntatie van het object te schatten. Dit geeft belangrijke onzekerheidsinformatie voor robotmanipulatie. Het nieuwe filter maakt gebruik van 6D-objectpose-tracking in het Rao-Blackwell-lized deeltjesfilterraamwerk, waarbij de 3D-rotatie en de 3D-vertaling van een object worden gescheiden. Hierdoor kan de nieuwe benadering, PoseRBPF genaamd, efficiënt de 3D-vertaling van een object schatten, samen met de volledige verdeling over de 3D-rotatie. Als gevolg hiervan kan Pose-RBPF objecten met willekeurige symmetrieën volgen terwijl de juiste posterieure verdelingen behouden blijven.

Voor meer informatie kunt u contact opnemen met Lois Yok-soulian via Dit e-mailadres wordt beveiligd tegen spambots. U heeft Javascript nodig om het te kunnen zien.; 217-244-2788.