Enhanced 6D Pose Estimation for Robotic Fruit Picking

要約

この論文では、単一の RGB 画像を処理し、合成画像のみでトレーニングされたインスタンスレベルのディープ ニューラル ネットワークによって推論される 6D 姿勢推定を改良するための新しい方法を提案します。
提案された最適化アルゴリズムは、ネットワークが特定の寸法を持つ同じオブジェクトの単一 CAD モデルでトレーニングされている場合でも、標準的な RGB-D カメラの深度測定を有効に活用して、対象オブジェクトの寸法を推定します。
姿勢推定の精度が向上したことで、ロボットはさまざまな種類や大幅に異なる寸法のリンゴをうまく掴むことができます。
これは、トレーニング プロセスで使用される CAD 図面の寸法に非常に近い寸法を持つフルーツを除いて、標準の姿勢推定アルゴリズムを使用しては不可能でした。
生の果物を傷めずに掴むには、適切な握力制御も必要です。
そこで、特殊な力・触覚センサーを搭載した平行グリッパーを採用し、果実の重さを知らずに、必要最小限の力で滑りや変形なく果実を安全に掴むことができます。

要約(オリジナル)

This paper proposes a novel method to refine the 6D pose estimation inferred by an instance-level deep neural network which processes a single RGB image and that has been trained on synthetic images only. The proposed optimization algorithm usefully exploits the depth measurement of a standard RGB-D camera to estimate the dimensions of the considered object, even though the network is trained on a single CAD model of the same object with given dimensions. The improved accuracy in the pose estimation allows a robot to grasp apples of various types and significantly different dimensions successfully; this was not possible using the standard pose estimation algorithm, except for the fruits with dimensions very close to those of the CAD drawing used in the training process. Grasping fresh fruits without damaging each item also demands a suitable grasp force control. A parallel gripper equipped with special force/tactile sensors is thus adopted to achieve safe grasps with the minimum force necessary to lift the fruits without any slippage and any deformation at the same time, with no knowledge of their weight.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google