Fit-NGP: Fitting Object Models to Neural Graphics Primitives

要約

正確な3D物体姿勢推定は、困難な物体相互作用を伴う多くのロボットアプリケーションを可能にする鍵である。本研究では、最先端の効率的な輝度場再構成法によって作成された密度場が、3Dモデルが既知の物体に対して、非常に小さく、困難な反射面を持つ場合でも、高精度でロバストな姿勢推定に適していることを示す。我々は、手首に装着されたカメラ1台を備えたロボットアームに基づく、完全自動の物体姿勢推定システムを紹介する。このシステムは、シーンをゼロからスキャンし、数分の操作で複数の物体の6自由度（DoF）姿勢を検出・推定できる。ボルトやナットのような小さな物体は、1mmのオーダーの精度で推定されます。

要約(オリジナル)

Accurate 3D object pose estimation is key to enabling many robotic applications that involve challenging object interactions. In this work, we show that the density field created by a state-of-the-art efficient radiance field reconstruction method is suitable for highly accurate and robust pose estimation for objects with known 3D models, even when they are very small and with challenging reflective surfaces. We present a fully automatic object pose estimation system based on a robot arm with a single wrist-mounted camera, which can scan a scene from scratch, detect and estimate the 6-Degrees of Freedom (DoF) poses of multiple objects within a couple of minutes of operation. Small objects such as bolts and nuts are estimated with accuracy on order of 1mm.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL