[論文レビュー] Active Detection and Localization of Textureless Objects in Cluttered Environments

Marco Imperoli, Alberto Pretto|arXiv (Cornell University)|Mar 22, 2016

Robotics and Sensor-Based Localization参考文献 49被引用数 9

ひとこと要約

本稿では、方向的シャンファード距離テンソルに基づく新規な D2CO 登録手法と、相互情報量に基づく次に最良の視点を決定する戦略を用いて、ごみくずだらけの環境におけるテクスチャのない物体の検出と局所化を実現するアクティブな認識フレームワークを提示する。この手法は、情報量の増加を最大化する最適なカメラ視点を繰り返し選択することで、きびしい閉塞状況においても、ロバストな3次元ポーズ推定と向上した局所化精度を達成し、ランダム選択や視認性に基づく戦略を上回る性能を発揮する。

ABSTRACT

This paper introduces an active object detection and localization framework that combines a robust untextured object detection and 3D pose estimation algorithm with a novel next-best-view selection strategy. We address the detection and localization problems by proposing an edge-based registration algorithm that refines the object position by minimizing a cost directly extracted from a 3D image tensor that encodes the minimum distance to an edge point in a joint direction/location space. We face the next-best-view problem by exploiting a sequential decision process that, for each step, selects the next camera position which maximizes the mutual information between the state and the next observations. We solve the intrinsic intractability of this solution by generating observations that represent scene realizations, i.e. combination samples of object hypothesis provided by the object detector, while modeling the state by means of a set of constantly resampled particles. Experiments performed on different real world, challenging datasets confirm the effectiveness of the proposed methods.

研究の動機と目的

• 非常にごみくずが多く、閉塞状態にある環境において、テクスチャのない非ラムベールト物体を検出・局所化する課題に対処すること。
• 視覚的テクスチャに依存するか、複雑なシーンで収束性が悪いという限界を抱える従来の2次元／3次元物体検出手法の限界を克服すること。
• 不確実性を低減し、局所化精度を向上させるために、次に最良の視点を知的に選択するアクティブな認識システムを開発すること。
• 確率的状態推定とパーティクルフィルタリング、観測サンプリングを統合し、物体の仮説と相互閉塞をモデル化すること。

提案手法

• D2CO アルゴリズムは、3次元画像テンソルを用い、方向／位置空間におけるエッジ点までの最小距離を符号化することで、3次元物体登録のための区分的滑らかでコスト関数を直接計算する。
• 方向的シャンファード距離（DCD）テンソルにより、反復的最近接点計算を必要とせず、暗黙的にデータ対応を符号化することで、高速でロバストな登録が可能になる。
• 相互情報量（MI）に基づく次に最良の視点戦略により、現在の状態と将来の観測との間で情報量の増加を最大化するカメラポーズが選択される。
• 観測は、検出器から得られる物体仮説の組み合わせをサンプリングすることでシミュレートされ、状態は重要度再サンプリングを伴うパーティクルフィルタを用いてモデル化される。
• システムは逐次的意思決定プロセスを用い、ごみくずが多く、閉塞状態にあるシーンにおいて、物体ポーズ推定を繰り返し精緻化し、不確実性を低減する。
• フレームワークは、モバイルマニピュレータを用いて実世界のデータセットで評価され、深度情報とアクティブセンシングを統合することで、検出と局所化の性能が向上する。

実験結果

リサーチクエスチョン

• RQ1 テクスチャのない非ラムベールト物体を、非常にごみくずが多く、3次元的に複雑な環境でどのようにしてロバストに検出・局所化できるか？
• RQ2 物体が部分的に閉塞されている状況で、物体検出と局所化における不確実性を最小化するアクティブセンシング戦略は何か？
• RQ3 高次元かつ不確実性の高い認識空間において、状態と観測の間の相互情報量をどのようにして効率的に最大化できるか？
• RQ4 複雑なシーンにおいて、物体仮説の組み合わせをサンプリングすることで、次に最良の視点選択の精度がどの程度向上するか？
• RQ5 パーティクルフィルタベースの状態推定アプローチは、アクティブな物体局所化の過程で、相互閉塞や検出の曖昧さを効果的に処理できるか？

主な発見

• MI-MAX の次に最良の視点戦略は、すべての実験でランダム選択および視認性に基づく戦略を上回り、高い正しく局所化された率と低い偽陽性率を達成した。
• データセット3では、MI-MAX はわずかに閉塞された物体に対しては5回の視点で90％以上の正しく局所化された率を達成し、重度に閉塞された物体に対しても80％以上の正しく局所化された率を達成した。
• 仮説の組み合わせに3種類の物体を用いた場合、平均して1イテレーションあたり偽陽性数が1.5未満にまで低減された。
• D2CO 登録は、欠落しているか曖昧なエッジがあるごみくずが多く、複雑なシーンにおいても、他の最先端手法に比べ、収束速度とロバスト性の面で優れていた。
• 1000個のサンプリングされた物体の組み合わせと200個のパーティクルを用いることで、次に最良の視点選択プロセスの信頼性が著しく向上した。
• MI-MAX 戦略は、1回の視点計算に約7秒を要したが、リアルタイムのロボットアプリケーションにおいて実用的であることを示した。