필터는 6D 포즈 추정에서 로봇 비전을 향상시킵니다.

로봇은 조립 라인에서 간단한 작업과 같이 동일한 반복 동작을 수행하는 데 능숙합니다. 그러나 그들은 환경을 통해 이동할 때 물체를 인식하는 능력이 부족합니다. 일리노이 대학교 어바나-샴페인, NVIDIA, 워싱턴 대학교, 스탠포드 대학교의 연구원들은 로봇이 물체를 조작하고 탐색할 수 있도록 더 큰 공간 인식을 제공하는 필터를 개발하기 위해 6D 물체 포즈 추정에 대한 최근 연구를 수행했습니다. 공간을 통해 더 정확하게.

3D 포즈는 X, Y 및 Z 축에 대한 위치 정보(카메라에 대한 개체의 상대적 위치)를 제공하는 반면 6D 포즈는 훨씬 더 완전한 그림을 제공합니다. 비행 중인 비행기를 설명하는 것처럼 로봇은 물체 방향의 3차원인 요, 피치, 롤을 알아야 합니다. 실제 환경에서는 이러한 6가지 차원이 모두 지속적으로 변경됩니다.

필터는 로봇이 공간 데이터를 분석할 수 있도록 개발되었습니다. 필터는 각 입자 또는 물체를 겨냥한 카메라가 수집한 이미지 정보를 살펴 판단 오류를 줄이는 데 도움이 됩니다.

이미지 기반 6D 포즈 추정 프레임워크에서 입자 필터는 샘플을 사용하여 위치와 방향을 추정합니다. 모든 입자는 추정이 필요한 위치와 방향에 대한 추측과 같은 가설과 같습니다. 입자 필터는 관찰을 사용하여 다른 입자에서 정보의 중요도 값을 계산하고 잘못된 추정을 제거합니다.

이전에는 물체 방향의 전체 분포를 추정하는 시스템이 없었습니다. 이것은 로봇 조작에 대한 중요한 불확실성 정보를 제공합니다. 새 필터는 Rao-Blackwel-lized 입자 필터링 프레임워크에서 6D 개체 포즈 추적을 사용합니다. 여기서 개체의 3D 회전과 3D 변환이 분리됩니다. 이를 통해 PoseRBPF라는 새로운 접근 방식을 통해 3D 회전에 대한 전체 분포와 함께 개체의 3D 변환을 효율적으로 추정할 수 있습니다. 결과적으로, Pose-RBPF는 적절한 사후 분포를 유지하면서 임의의 대칭을 가진 물체를 추적할 수 있습니다.

자세한 내용은 Lois Yok-soulian에게 문의하십시오. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 그것을 보려면 JavaScript가 활성화되어 있어야 합니다.; 217-244-2788.