Object Pose Estimation by Camera Arm Control Based on the Next Viewpoint Estimation

要約

小売店の製品ディスプレイロボットのシンプルな形状の製品のポーズ推定に効果的な次の視点（NV）を推定する新しい方法を開発しました。
RGBDカメラに基づいてニューラルネットワーク（NN）を使用したポーズ推定方法は非常に正確ですが、カメラが現在のビューポイントでテクスチャの機能をほとんど獲得し、形状の特徴を取得すると精度が大幅に減少します。
ただし、以前の数学モデルベースの方法が効果的なNVを推定することは困難です。これは、単純な形状のオブジェクトに形状機能がほとんどないためです。
したがって、ポーズ推定とNV推定の関係に焦点を当てます。
ポーズの推定がより正確になると、NVの推定がより正確になります。
したがって、NVを同時に推定する新しいポーズ推定NNを開発します。
実験結果は、NVの推定では、数学モデルベースのNV計算よりも7.4ptが高かったポーズ推定成功率77.3％に気付いたことが示されました。
さらに、私たちの方法を使用してロボットが製品の84.2 \％を表示することを確認しました。

要約(オリジナル)

We have developed a new method to estimate a Next Viewpoint (NV) which is effective for pose estimation of simple-shaped products for product display robots in retail stores. Pose estimation methods using Neural Networks (NN) based on an RGBD camera are highly accurate, but their accuracy significantly decreases when the camera acquires few texture and shape features at a current view point. However, it is difficult for previous mathematical model-based methods to estimate effective NV which is because the simple shaped objects have few shape features. Therefore, we focus on the relationship between the pose estimation and NV estimation. When the pose estimation is more accurate, the NV estimation is more accurate. Therefore, we develop a new pose estimation NN that estimates NV simultaneously. Experimental results showed that our NV estimation realized a pose estimation success rate 77.3\%, which was 7.4pt higher than the mathematical model-based NV calculation did. Moreover, we verified that the robot using our method displayed 84.2\% of products.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google