Enhancing Transparent Object Pose Estimation: A Fusion of GDR-Net and Edge Detection

要約

透明なオブジェクトのオブジェクトのポーズ推定は、照明、背景、および反射の大きな影響により、ロボット視野の分野では困難なタスクのままです。
ただし、クリアオブジェクトのエッジは最もコントラストが最も高く、安定した顕著な特徴につながります。
オブジェクト検出とオブジェクトのポーズ推定のタスクの前処理ステップにエッジ検出を組み込むことにより、新しいアプローチを提案します。
透明なオブジェクトに対するエッジ検出器の効果を調査するために実験を行いました。
最先端の6Dオブジェクトポーズ推定パイプラインGDR-NETとオブジェクト検出器Yoloxのパフォーマンスを調べます。
-nested Edges（hed））。
BOPチャレンジによって提案されたパラメーターを使用して、物理ベースのレンダリングされたデータセットTrans6D-32 Kの透明オブジェクトを評価します。
私たちの結果は、前処理としてエッジ検出を適用すると、特定のオブジェクトのパフォーマンスが向上することを示しています。

要約(オリジナル)

Object pose estimation of transparent objects remains a challenging task in the field of robot vision due to the immense influence of lighting, background, and reflections. However, the edges of clear objects have the highest contrast, which leads to stable and prominent features. We propose a novel approach by incorporating edge detection in a pre-processing step for the tasks of object detection and object pose estimation. We conducted experiments to investigate the effect of edge detectors on transparent objects. We examine the performance of the state-of-the-art 6D object pose estimation pipeline GDR-Net and the object detector YOLOX when applying different edge detectors as pre-processing steps (i.e., Canny edge detection with and without color information, and holistically-nested edges (HED)). We evaluate the physically-based rendered dataset Trans6D-32 K of transparent objects with parameters proposed by the BOP Challenge. Our results indicate that applying edge detection as a pre-processing enhances performance for certain objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google