Pred-NBV: Prediction-guided Next-Best-View for 3D Object Reconstruction

要約

予測に基づく能動的な知覚は、未知の環境における不確実性を予測することにより、ロボットのナビゲーション効率と安全性を向上させる可能性を示しています。
3D 形状予測の既存の研究は、部分的な観測について暗黙の仮定を行っているため、現実世界の計画には使用できず、次善のビュー計画のための制御努力も考慮されていません。
我々は、これらの問題に対処するための、ShapeNet データセットでトレーニングされた拡張 3D 予測モデルである PoinTr-C と、情報と制御の労力に基づく次善のビュー手法で構成される現実的な物体形状再構成手法である Pred-NBV を紹介します。
Pred-NBV は、AirSim シミュレーターの従来の方法と比較してオブジェクト カバレッジが 25.46% 向上し、Velodyne 3D から取得された実際のデータであっても、最先端の形状完成モデルである PoinTr よりも優れた形状完成を実行します。
DJI M600 Proに搭載されたLiDAR。

要約(オリジナル)

Prediction-based active perception has shown the potential to improve the navigation efficiency and safety of the robot by anticipating the uncertainty in the unknown environment. The existing works for 3D shape prediction make an implicit assumption about the partial observations and therefore cannot be used for real-world planning and do not consider the control effort for next-best-view planning. We present Pred-NBV, a realistic object shape reconstruction method consisting of PoinTr-C, an enhanced 3D prediction model trained on the ShapeNet dataset, and an information and control effort-based next-best-view method to address these issues. Pred-NBV shows an improvement of 25.46% in object coverage over the traditional methods in the AirSim simulator, and performs better shape completion than PoinTr, the state-of-the-art shape completion model, even on real data obtained from a Velodyne 3D LiDAR mounted on DJI M600 Pro.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google