[論文レビュー] Global Hypothesis Generation for 6D Object Pose Estimation

Frank Michel, Alexander Kirillov+5 more|arXiv (Cornell University)|Dec 7, 2016

Robotics and Sensor-Based Localization参考文献 23被引用数 6

ひとこと要約

本論文は、すべての画像画素における幾何的整合性を活用して、少数かつ高品質なポーズ仮説を生成する、完全結合型条件付きランダムフィールド（CRF）を用いたグローバルな仮説生成手法を提案する。RANSAC やホーグ投票などの局所的推論に依存する従来手法とは異なり、非ガウス型 CRF ポテンシャル関数のための新規な2段階最適化手順を採用することで、『遮蔽物体データセット』において最先端の性能を達成し、平均正答率76.7％を記録。これは従来手法を0.4％上回る。

ABSTRACT

This paper addresses the task of estimating the 6D pose of a known 3D object from a single RGB-D image. Most modern approaches solve this task in three steps: i) Compute local features; ii) Generate a pool of pose-hypotheses; iii) Select and refine a pose from the pool. This work focuses on the second step. While all existing approaches generate the hypotheses pool via local reasoning, e.g. RANSAC or Hough-voting, we are the first to show that global reasoning is beneficial at this stage. In particular, we formulate a novel fully-connected Conditional Random Field (CRF) that outputs a very small number of pose-hypotheses. Despite the potential functions of the CRF being non-Gaussian, we give a new and efficient two-step optimization procedure, with some guarantees for optimality. We utilize our global hypotheses generation procedure to produce results that exceed state-of-the-art for the challenging "Occluded Object Dataset".

研究の動機と目的

• 局所的仮説生成を排除し、グローバルな幾何的整合性の確認による6次元物体ポーズ推定の改善を目的とする。
• RANSAC やホーグ投票などの局所的推論に依存する既存手法の限界を是正することを目的とする。
• 非ガウス型ポテンシャル関数を有する完全結合型CRFのための効率的な最適化手順の開発を目的とする。
• 仮説生成段階でのグローバルな推論が、極度に遮蔽されたシーンにおいて優れた性能を発揮することを示すこと。
• 仮説数を最小限に抑えつつ品質を最大化することで、『遮蔽物体データセット』における最先端の正答率を達成すること。

提案手法

• RGB-D画像の各画素に対して、ランダムフォレストを用いて密な3次元物体座標（部品ラベル）を予測する。
• すべての画素間におけるペairwiseな幾何的整合性をモデル化するため、完全結合型CRFを定式化し、ポーズ整合性のある領域を同定する。
• CRFの非ガウス型ポテンシャル関数が、3次元物体座標とその2次元画像投影間の幾何的制約を符号化する。
• 理論的に最適性を保証する新たな2段階最適化手順を導入し、CRFを効率的に解く。
• ICPに類似した精練ステップを用いて、ポーズ整合性のある画素から最終的なポーズを推定する。
• 標準的な10％物体径の閾値を用いて、『遮蔽物体データセット』上で本手法を訓練および評価する。

実験結果

リサーチクエスチョン

• RQ1 仮説生成段階でのグローバルな幾何的推論が、6次元物体ポーズ推定において局所的推論手法を上回ることができるか？
• RQ2 非ガウス型ポテンシャル関数を有する完全結合型CRFを、効率的かつ正確な6次元ポーズ仮説生成に用いることは可能か？
• RQ3 グローバル整合性チェックによる仮説数の削減が、1仮説あたりの計算コスト増加を伴っても、最終的なポーズ正答率の向上に寄与するか？
• RQ4 本手法は、極度に遮蔽されたシーンにおいて、最先端のアプローチと比較してどうなるか？
• RQ5 2段階最適化手順は、この文脈における非ガウス型CRFの効率性と最適性の保証を両立できるか？

主な発見

• 本手法は『遮蔽物体データセット』において平均76.7％の正答率を達成し、前回の最先端手法を0.4％上回った。
• 本手法は平均して0～10個のポーズ仮説しか生成しないが、これに対して他の手法は210～20,000個にのぼり、正答率を維持したまま顕著に少ない仮説数を実現した。
• 8つの物体のうち4つ（Ape, Driller, Eggbox, Hole Puncher）において、比較対象のすべての手法よりも高い正答率を達成した。
• Brachmann et al. [3] より20.1%、Krull et al. [18] より6.4%の高い性能を示し、局所的3点サンプリングに比べてグローバル推論の利点を裏付けた。
• 完全結合型CRFの複雑さを考慮しても、効率的な最適化のおかげで、競争的な実行時間（1～3秒）を達成した。
• 定性的な結果では、図5に示すように、従来手法が失敗する極度に遮蔽されたシーンでも、本手法が正しくポーズを推定していることが確認された。