3D Spectral Domain Registration-Based Visual Servoing

要約

このホワイト ペーパーでは、3D 点群で機能するスペクトル ドメイン レジストレーション ベースのビジュアル サーボ方式を紹介します。
具体的には、スペクトル分析を使用して参照点群とターゲット点群の間のグローバルな変換を見つけることによって機能する 3D モデル/点群の位置合わせ方法を提案します。
R3 の 3D 高速フーリエ変換 (FFT) は並進推定に使用され、SO(3) の実球面調和関数は回転推定に使用されます。
このようなアプローチにより、分離された 6 自由度 (DoF) コントローラーを導き出すことができます。このコントローラーでは、勾配上昇最適化を使用して並進と回転のコストを最小限に抑えます。
次に、この方法論を使用してロボット アームを調整し、位置決めタスクを実行する方法を示します。
高密度の深度マップまたは高密度の点群を必要とする既存の最先端の深度ベースのビジュアル サーボ方式とは対照的に、この方法は部分的な点群でうまく機能し、参照位置とターゲット位置の間のより大きな変換を効果的に処理できます。
.
さらに、変換推定に (空間データの代わりに) スペクトル データを使用することで、この方法はセンサーによるノイズや部分的なオクルージョンに対して堅牢になります。
ロボットに搭載された深度カメラによって取得された点群を使用して実験を実行することにより、アプローチを検証します。
得られた結果は、ビジュアル サーボ アプローチの有効性を示しています。

要約(オリジナル)

This paper presents a spectral domain registration-based visual servoing scheme that works on 3D point clouds. Specifically, we propose a 3D model/point cloud alignment method, which works by finding a global transformation between reference and target point clouds using spectral analysis. A 3D Fast Fourier Transform (FFT) in R3 is used for the translation estimation, and the real spherical harmonics in SO(3) are used for the rotations estimation. Such an approach allows us to derive a decoupled 6 degrees of freedom (DoF) controller, where we use gradient ascent optimisation to minimise translation and rotational costs. We then show how this methodology can be used to regulate a robot arm to perform a positioning task. In contrast to the existing state-of-the-art depth-based visual servoing methods that either require dense depth maps or dense point clouds, our method works well with partial point clouds and can effectively handle larger transformations between the reference and the target positions. Furthermore, the use of spectral data (instead of spatial data) for transformation estimation makes our method robust to sensor-induced noise and partial occlusions. We validate our approach by performing experiments using point clouds acquired by a robot-mounted depth camera. Obtained results demonstrate the effectiveness of our visual servoing approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google