論文の概要: 6D Robotic Assembly Based on RGB-only Object Pose Estimation

• arxiv url: http://arxiv.org/abs/2208.12986v1
• Date: Sat, 27 Aug 2022 11:26:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 14:35:12.913268
• Title: 6D Robotic Assembly Based on RGB-only Object Pose Estimation
• Title（参考訳）: RGBのみのオブジェクトマップ推定に基づく6次元ロボットアセンブリ
• Authors: Bowen Fu, Sek Kun Leong, Xiaocong Lian and Xiangyang Ji
• Abstract要約: 厳密な耐性を有するブロックを知覚・把握・操作・組み立てする統合型6次元ロボットシステムを提案する。 本システムは,物理的レンダリングを利用した合成画像のみを訓練したモノクロ6Dオブジェクトのポーズ推定ネットワーク上に構築されている。
• 参考スコア（独自算出の注目度）: 35.74647604582182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based robotic assembly is a crucial yet challenging task as the interaction with multiple objects requires high levels of precision. In this paper, we propose an integrated 6D robotic system to perceive, grasp, manipulate and assemble blocks with tight tolerances. Aiming to provide an off-the-shelf RGB-only solution, our system is built upon a monocular 6D object pose estimation network trained solely with synthetic images leveraging physically-based rendering. Subsequently, pose-guided 6D transformation along with collision-free assembly is proposed to construct any designed structure with arbitrary initial poses. Our novel 3-axis calibration operation further enhances the precision and robustness by disentangling 6D pose estimation and robotic assembly. Both quantitative and qualitative results demonstrate the effectiveness of our proposed 6D robotic assembly system.
• Abstract（参考訳）: 複数の物体との相互作用は高い精度を必要とするため、視覚に基づくロボット組み立ては極めて難しい作業である。 本稿では,厳密な耐性を有するブロックを知覚・把握・操作・組み立てする統合型6次元ロボットシステムを提案する。 本システムは,市販のrgb専用ソリューションを提供することを目的として,合成画像のみで訓練された単眼型6d物体ポーズ推定ネットワークを,物理的レンダリングを利用して構築する。 その後、任意の初期ポーズを持つ設計構造を構築するために、衝突のない組立とともにポーズ誘導6D変換を提案する。 新たな3軸キャリブレーション操作は,6次元ポーズ推定とロボット組立を両立させることにより,精度とロバスト性をさらに向上させる。 定量的および定性的な結果から,提案した6次元ロボット組立システムの有効性が示された。

関連論文リスト

• Advancing 6D Pose Estimation in Augmented Reality -- Overcoming Projection Ambiguity with Uncontrolled Imagery [0.0]
  本研究では,拡張現実(AR)における正確な6次元ポーズ推定の課題に対処する。 本稿では,z軸変換と焦点長の推定を戦略的に分解する手法を提案する。 この手法は6次元ポーズ推定プロセスの合理化だけでなく、AR設定における3次元オブジェクトのオーバーレイの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-03-20T09:22:22Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• SyMFM6D: Symmetry-aware Multi-directional Fusion for Multi-View 6D Object Pose Estimation [16.460390441848464]
  我々はSyMFM6Dと呼ばれる新しい対称性を考慮したマルチビュー6Dポーズ推定器を提案する。 本手法は,深層多方向核融合ネットワークにおいて,複数の視点からRGB-Dフレームを効率よく融合させる。 我々は,不正確なカメラキャリブレーションやダイナミックカメラのセットアップに対して,我々のアプローチが堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-07-01T11:28:53Z)
• T6D-Direct: Transformers for Multi-Object 6D Pose Direct Regression [40.90172673391803]
  T6D-Directは、DreTR上に構築され、6次元多目的ポーズ直接推定を行うトランスフォーマーベースのリアルタイム単一ステージ直接法である。 提案手法は最も高速な推定時間を実現し,ポーズ推定精度は最先端の手法に匹敵する。
  論文  参考訳（メタデータ） (2021-09-22T18:13:33Z)
• SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
  SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。 本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。 対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-08-18T19:49:29Z)
• Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
  本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。 私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。 実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
  論文  参考訳（メタデータ） (2021-01-05T17:18:52Z)
• Nothing But Geometric Constraints: A Model-Free Method for Articulated Object Pose Estimation [89.82169646672872]
  本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。 我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
  論文  参考訳（メタデータ） (2020-11-30T20:46:48Z)
• MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volumetric Fusion [19.034317851914725]
  本稿では,複数の既知の物体の接触と隠蔽の正確なポーズを,リアルタイムな多視点視から推定するシステムを提案する。 提案手法は,1枚のRGB-Dビューからの3Dオブジェクトのポーズ提案を行い,カメラが移動すると,複数のビューからのポーズ推定と非パラメトリック占有情報を蓄積する。 提案手法の精度とロバスト性を2つのオブジェクトデータセット(YCB-Video)で実験的に検証する。
  論文  参考訳（メタデータ） (2020-04-09T02:29:30Z)
• CPS++: Improving Class-level 6D Pose and Shape Estimation From Monocular Images With Self-Supervised Learning [74.53664270194643]
  現代のモノクロ6Dポーズ推定手法は、少数のオブジェクトインスタンスにしか対応できない。 そこで本研究では,計量形状検索と組み合わせて,クラスレベルのモノクル6次元ポーズ推定手法を提案する。 1枚のRGB画像から正確な6Dポーズとメートル法形状を抽出できることを実験的に実証した。
  論文  参考訳（メタデータ） (2020-03-12T15:28:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。