Model-Based Underwater 6D Pose Estimation from RGB

要約

水中での物体姿勢推定により、自律システムは追跡および介入タスクを実行できます。
それにもかかわらず、水中のターゲットの姿勢の推定は、多くの要因の中で、限られた視界、光の散乱、雑然とした環境、および絶えず変化する水の状態のために、非常に困難です。
ソナーやレーザー センシングを使用して 3D データを取得する方法もありますが、コストがかかるだけでなく、結果として得られるデータには通常ノイズが含まれます。
このため、コミュニティは RGB 入力からポーズ推定値を抽出することに重点を置いてきました。
しかし、文献は少なく、検出精度が低い。
この作業では、さまざまな水中シナリオでオブジェクトのポーズを確実に取得する、2D オブジェクト検出と 6D ポーズ推定からなるアプローチを提案します。
パイプラインをテストするために、オブジェクト検出と姿勢推定のための注釈を付けて、10 の異なる実際のシーンで 4 つのオブジェクトのデータセットを収集して利用できるようにします。
提案を実際の設定と合成設定でテストし、そのパフォーマンスを 6D オブジェクトの姿勢推定の同様のエンドツーエンドの方法論と比較します。
私たちのデータセットには、対称的な形状と貧弱なテクスチャを持ついくつかの困難なオブジェクトが含まれています。
このようなオブジェクトの特性に関係なく、提案された方法は、最新のポーズ精度よりも約 8% 優れています。
最後に、到達タスクで水中操作を使用して実験を行うことにより、ポーズ推定パイプラインの信頼性を示します。

要約(オリジナル)

Object pose estimation underwater allows an autonomous system to perform tracking and intervention tasks. Nonetheless, underwater target pose estimation is remarkably challenging due to, among many factors, limited visibility, light scattering, cluttered environments, and constantly varying water conditions. An approach is to employ sonar or laser sensing to acquire 3D data, but besides being costly, the resulting data is normally noisy. For this reason, the community has focused on extracting pose estimates from RGB input. However, the literature is scarce and exhibits low detection accuracy. In this work, we propose an approach consisting of a 2D object detection and a 6D pose estimation that reliably obtains object poses in different underwater scenarios. To test our pipeline, we collect and make available a dataset of 4 objects in 10 different real scenes with annotations for object detection and pose estimation. We test our proposal in real and synthetic settings and compare its performance with similar end-to-end methodologies for 6D object pose estimation. Our dataset contains some challenging objects with symmetrical shapes and poor texture. Regardless of such object characteristics, our proposed method outperforms stat-of-the-art pose accuracy by ~8%. We finally demonstrate the reliability of our pose estimation pipeline by doing experiments with an underwater manipulation in a reaching task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google