Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors

要約

ロボットの周囲の人間や物体の動きを追跡することは、ロボットの安全な動作や反応を向上させるために不可欠である。本研究では、ロボットの胴体上に配置された小型飛行時間（Time of Flight：ToF）センサーから取得された、低密度でノイズの多い点群からシーンフローを推定するアプローチを提案する。提案手法は、連続するフレームから点をクラスタリングし、センサノイズと低密度のデータ点の影響を緩和するための追加ステップを導入した、高密度のモーションフローを推定するための反復最接近（ICP）を適用する。具体的には、静止点と移動点を区別するためにフィットネスベースの分類を採用し、幾何学的対応を洗練するためにインライア除去戦略を採用する。提案手法は、24個のToFを用いて、制御された異なる速度で移動する物体の速度を推定する実験セットアップで検証される。実験結果は、本手法が一貫して、センサノイズと同程度の誤差で、動きの方向とその大きさを近似することを示している。

要約(オリジナル)

Tracking motions of humans or objects in the surroundings of the robot is essential to improve safe robot motions and reactions. In this work, we present an approach for scene flow estimation from low-density and noisy point clouds acquired from miniaturized Time of Flight (ToF) sensors distributed on the robot body. The proposed method clusters points from consecutive frames and applies Iterative Closest Point (ICP) to estimate a dense motion flow, with additional steps introduced to mitigate the impact of sensor noise and low-density data points. Specifically, we employ a fitness-based classification to distinguish between stationary and moving points and an inlier removal strategy to refine geometric correspondences. The proposed approach is validated in an experimental setup where 24 ToF are used to estimate the velocity of an object moving at different controlled speeds. Experimental results show that the method consistently approximates the direction of the motion and its magnitude with an error which is in line with sensor noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL