[論文レビュー] Iterative Visual Recognition for Learning Based Randomized Bin-Picking

Kensuke Harada, Weiwei Wan+4 more|arXiv (Cornell University)|Aug 1, 2016

Robot Manipulation and Learning参考文献 3被引用数 4

ひとこと要約

本稿では、学習ベースのランダムなバインピッキングにおける反復的視覚認識システムを提案し、事前に取得した点群データを再利用することで計算コストを低減する。以前の試行からの隠蔽領域を統合し、新たに可視化された領域や変化した物体セグメントのポーズのみを再推定することで、精度を維持したままポーズ検出を高速化する。この手法は、3Dビジョンセンシングを備えたデュアルアームマニピュレータを用いた実験で検証された。

ABSTRACT

This paper proposes a iterative visual recognition system for learning based randomized bin-picking. Since the configuration on randomly stacked objects while executing the current picking trial is just partially different from the configuration while executing the previous picking trial, we consider detecting the poses of objects just by using a part of visual image taken at the current picking trial where it is different from the visual image taken at the previous picking trial. By using this method, we do not need to try to detect the poses of all objects included in the pile at every picking trial. Assuming the 3D vision sensor attached at the wrist of a manipulator, we first explain a method to determine the pose of a 3D vision sensor maximizing the visibility of randomly stacked objects. Then, we explain a method for detecting the poses of randomly stacked objects. Effectiveness of our proposed approach is confirmed by experiments using a dual-arm manipulator where a 3D vision sensor and the two-fingered hand attached at the right and the left wrists, respectively.

研究の動機と目的

• 各試行においてすべての物体ポーズを再検出する高コストな処理を軽減すること。
• 連続するピッキング試行間の視覚的一致性を活用し、重複するポーズ推定を最小限に抑えること。
• ランダムに積まれた物体のセンサー視界を最適な3Dビジョンセンサの姿勢計画によって最大化すること。
• ポーズ推定の効率性と正確性を向上させることで、学習ベースの成功予測を可能にすること。
• 処理時間を短縮するために、山の変化した部分にのみ注目することで、リアルタイムのバインピッキングにおける処理時間を削減すること。

提案手法

• ロボットの手首に取り付けた3Dビジョンセンサを用いて、ランダムに積まれた物体の点群を取得する。
• 占有グリッドマップを用い、可視性を最大化することで最適なセンサ姿勢を決定し、過去と現在の試行からの点群を統合する。
• 現在の点群と過去の点群を領域に分割し、最近傍探索を用いて類似領域を同定する。
• 距離閾値に対する遠方点と近方点の比率に基づく統合ルールを適用し、過去の点群からのセグメントを統合するかどうかを判断する。
• 顕著な差異を示すセグメントについては、2段階の手法（CVFH/CRF推定 → ICPリファインメント）を用いて再推定する。
• 現在のセグメントと過去のポーズ推定との距離がしきい値未満の場合、以前に推定した物体ポーズを再利用する。

実験結果

リサーチクエスチョン

• RQ1 反復的視覚認識を用いることで、過去の視覚データを再利用することにより、ランダムなバインピッキングにおける物体ポーズ検出の計算コストを低減できるか？
• RQ2 どのようにして、バイン内のランダムに積まれた物体の可視性を最大化するようにセンサ姿勢を最適化できるか？
• RQ3 どの程度まで、過去の点群データを現在のデータと信頼性高く統合できるか？
• RQ4 部分的再推定がポーズ検出の正確性と処理時間に与える影響は何か？
• RQ5 学習ベースのシステムが、試行間で効率的にポーズ推定を更新することで、ピッキング成功確率を向上させられるか？

主な発見

• 提案手法により、各試行におけるすべての物体ポーズの完全な再検出を回避することで、計算コストを顕著に低減できた。
• 過去の点群セグメントを現在のものと統合することで、以前に隠れていた物体部品の可視性が向上し、遮蔽が低減した。
• 試行間で顕著な変化を示すセグメントのみにポーズ推定を適用したため、処理時間が短縮された。
• 反復的視覚認識を用いたデュアルアームロボットシステムにおいて、物体の検出とピッキングが正常に実行された。
• 実験結果から、グリッドセルの可視化（図7）に示されるように、物体認識が新たに取得された領域または変化した領域に限定して実施されていることが確認された。
• 処理リソースを山の変化する関連部分に集中させることで、効率的な学習ベースのバインピッキングが可能になった。