The Surface Edge Explorer (SEE): A measurement-direct approach to next best view planning

要約

現実世界の高品質な観察は、小規模シーンの 3D プリント レプリカの作成や大規模インフラの検査の実施など、さまざまな用途にとって非常に重要です。
これらの 3D 観察は通常、異なるビューからの複数のセンサー測定を組み合わせることによって取得されます。
適切なビューの選択をガイドすることは、NBV 計画問題として知られています。
ほとんどの NBV アプローチは、厳密なデータ構造 (サーフェス メッシュやボクセル グリッドなど) を使用して測定を推論します。
これにより、次善のビューの選択が簡素化されますが、計算コストが高くなり、現実世界の忠実度が低下し、次善のビューの選択と最終的なデータ処理が結合されます。
この論文では、厳密なデータ構造を必要とせずに、以前のセンサー測定から新しい観測値を直接選択する NBV アプローチである Surface Edge Explorer について説明します。
SEE は、測定密度を使用して、潜在的なオクルージョンを回避しながら、十分に観察されていない表面の範囲を拡大する次善のビューを提案します。
シミュレーション実験の統計結果は、SEE が小規模シーンと大規模シーンの両方で、評価された体積測定アプローチよりも少ない観察時間と移動距離で、同等以上の表面被覆率を達成できることを示しています。
実際の実験では、SEE がロボット アームに取り付けられた 3D センサーを使用して鹿の像を自律的に観察することを実証しています。

要約(オリジナル)

High-quality observations of the real world are crucial for a variety of applications, including producing 3D printed replicas of small-scale scenes and conducting inspections of large-scale infrastructure. These 3D observations are commonly obtained by combining multiple sensor measurements from different views. Guiding the selection of suitable views is known as the NBV planning problem. Most NBV approaches reason about measurements using rigid data structures (e.g., surface meshes or voxel grids). This simplifies next best view selection but can be computationally expensive, reduces real-world fidelity, and couples the selection of a next best view with the final data processing. This paper presents the Surface Edge Explorer, a NBV approach that selects new observations directly from previous sensor measurements without requiring rigid data structures. SEE uses measurement density to propose next best views that increase coverage of insufficiently observed surfaces while avoiding potential occlusions. Statistical results from simulated experiments show that SEE can attain similar or better surface coverage with less observation time and travel distance than evaluated volumetric approaches on both small- and large-scale scenes. Real-world experiments demonstrate SEE autonomously observing a deer statue using a 3D sensor affixed to a robotic arm.

arxiv情報

著者 Rowan Border,Jonathan D. Gammell
発行日 2024-02-06 14:39:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク