[論文レビュー] Iterative Hough Forest with Histogram of Control Points for 6 DoF Object Registration from Depth Images

Caner Şahin, Rigas Kouskouridas+1 more|arXiv (Cornell University)|Mar 8, 2016

Robotics and Sensor-Based Localization参考文献 20被引用数 10

ひとこと要約

本稿では、奥行き画像からの6次元オブジェクトポーズ登録を目的として、コントロールポイントのヒストグラム（HoCP）を用いた反復的ハフフォレストを提案する。スケール変動性を有する暗黙的Bスプライン記述子を活用することで、遮蔽およびごみの影響下でも耐性性を向上させる。段階的ごみ除去とスケール適応型特徴抽出を繰り返し行うことで、ポーズ推定を改善し、5反復後には『camera』データセットで0.7932のF1スコアを達成し、最先端性能を実現した。

ABSTRACT

State-of-the-art techniques proposed for 6D object pose recovery depend on occlusion-free point clouds to accurately register objects in 3D space. To reduce this dependency, we introduce a novel architecture called Iterative Hough Forest with Histogram of Control Points that is capable of estimating occluded and cluttered objects' 6D pose given a candidate 2D bounding box. Our Iterative Hough Forest is learnt using patches extracted only from the positive samples. These patches are represented with Histogram of Control Points (HoCP), a "scale-variant" implicit volumetric description, which we derive from recently introduced Implicit B-Splines (IBS). The rich discriminative information provided by this scale-variance is leveraged during inference, where the initial pose estimation of the object is iteratively refined based on more discriminative control points by using our Iterative Hough Forest. We conduct experiments on several test objects of a publicly available dataset to test our architecture and to compare with the state-of-the-art.

研究の動機と目的

• 遮蔽およびごみがひどい状況下でも、従来のICPのような手法が初期化が不十分なために失敗する6次元オブジェクトポーズ推定の課題に取り組むこと。
• 既存の学習ベース手法におけるスケール不変特徴の限界を乗り越えるために、オブジェクト形状に内在するスケール変動性があり、識別に有用な情報を活用すること。
• 暗黙的Bスプラインから導出される、コントロールポイントのヒストグラム（HoCP）という新しいパッチ記述子を考案し、複数スケールにわたる豊富な幾何的詳細を捉えること。
• この記述子をハフフォレストフレームワークに統合し、段階的に背景および前面ごみを除去することで、ポーズ仮説の反復的精錬を可能にすること。
• 負例のマイニングを回避し、複雑なシーンにおける一般化性能を向上させるために、正例のみでモデルを学習すること。

提案手法

• 本手法は、暗黙的Bスプライン（IBS）を用いて、スケール変動性を持つボリュメトリック表現をローカルオブジェクトパッチに対して生成し、スケール変動性に強い耐性をもつコントロールポイントのヒストグラム（HoCP）に符号化する。
• 学習は正例のみで実施され、パッチは正規化された点群から抽出され、複数スケールでのHoCP特徴によって表現される。
• 推論段階では、ハフフォレストを用いて初期ポーズを推定し、信頼度が低いパッチを段階的に削除することで、テスト画像を反復的に更新し、ノイズおよびごみを低減する。
• 反復処理により、各正規化後に前景オブジェクトの相対的スケールが大きくなり、より識別に有用なコントロールポイントが高スケールで抽出可能になる。
• ハフフォレストは反復処理中に投票を集積し、徐々に高精度で局所化された特徴によって、ポーズ仮説を精錬する。
• コンポジット検出および登録戦略を採用し、パッチレベルの対応関係を同時に用いて、オブジェクトの局所化と6次元ポーズ推定を実現する。

実験結果

リサーチクエスチョン

• RQ1 暗黙的Bスプラインから導出されるスケール変動性のあるパッチ記述子は、遮蔽およびごみの影響下でも6次元オブジェクトポーズ推定を向上させることができるか？
• RQ2 段階的に綺麗な点群に近づける反復的精錬は、1段階処理の手法と比較して、より高いポーズ精度を達成できるか？
• RQ3 負例のサンプリングやハード例マイニングを一切行わない正例のみで学習されたハフフォレストは、頑健な性能を達成できるか？
• RQ4 スケール変動性のある特徴の統合は、ごみだらけの奥行きシーンにおける識別力の向上にどのように寄与するか？
• RQ5 反復的ごみ除去は、コントロールポイント記述子の品質およびその後続のポーズ推定の質をどの程度向上させるか？

主な発見

• 提案手法は5反復後、『camera』データセットで0.7932のF1スコアを達成し、最先端のLCHF-RGBD手法（0.7390）およびLCHF-Depth（0.7860）を上回った。
• 反復的精錬プロセスにより、初期登録時のF1スコア0.7510から5反復後には0.7932に向上し、段階的ごみ除去の有効性が示された。
• 最適なパッチサイズは1/2であり、F1スコアは0.7068を記録した。一方、IBS解像度（N=100）と特徴次元（d=256）の最良組み合わせは、初期登録で0.7510のF1スコアを達成した。
• 『コーヒーカップ』および『camera』データセットの両方で、RGB、Depth、RGBD特徴で学習されたLCHFよりも、本手法は特に困難なごみだらけのシーンで優れた性能を示した。
• HoCP特徴の使用により、高ノイズ環境でも優れた識別が可能となり、PR曲線の改善および反復処理によるアライメントの精錬が明確に観察された。
• アブレーションスタディにより、反復回数の増加が性能向上に寄与することが確認され、5反復バージョンが最高のF1スコア0.7932を達成した。