[論文レビュー] Robust 6D Object Pose Estimation by Learning RGB-D Features

Meng Tian, Liang Pan+2 more|arXiv (Cornell University)|Feb 29, 2020

Robot Manipulation and Learning参考文献 42被引用数 4

ひとこと要約

本論文は、RGB-D特徴を用いたロバストな6次元オブジェクトポーズ推定のための新しい深層学習手法を提案する。回転回帰における局所最適解問題に対処するため、回転アンカーと不確実性を考慮したずれ予測を組み合わせた離散的・連続的定式化を採用している。本手法はLINEMOD（92.8% ADD）およびYCB-Video（83.8% ADD）で最先端性能を達成し、小型で模様のない物体においては従来のRGB-D手法よりも最大6.6%の向上を示し、遮蔽や照明変化に対しても優れた耐性を示す。回転と並進の分離された制約付き回帰により、ロボット操作用途に適したリアルタイム推論速度を実現している。

ABSTRACT

Accurate 6D object pose estimation is fundamental to robotic manipulation and grasping. Previous methods follow a local optimization approach which minimizes the distance between closest point pairs to handle the rotation ambiguity of symmetric objects. In this work, we propose a novel discrete-continuous formulation for rotation regression to resolve this local-optimum problem. We uniformly sample rotation anchors in SO(3), and predict a constrained deviation from each anchor to the target, as well as uncertainty scores for selecting the best prediction. Additionally, the object location is detected by aggregating point-wise vectors pointing to the 3D center. Experiments on two benchmarks: LINEMOD and YCB-Video, show that the proposed method outperforms state-of-the-art approaches. Our code is available at https://github.com/mentian/object-posenet.

研究の動機と目的

• 対称的な物体や曖昧な回転予測が原因で生じる6次元オブジェクトポーズ推定における局所最適解問題の解消。
• RGB-Dベースのポーズ推定における遮蔽、背景のごみ、照明条件の変化に対する耐性の向上。
• RGB-D特徴を密に抽出する統合的深層ネットワークを構築し、回転と並進を別々に回帰する。
• 回転アンカーに対する不確実性を考慮した予測を導入し、最良のポーズ仮説の選択を改善する。
• ロボット操作用途に適したリアルタイム推論速度を達成すること。

提案手法

• 回転空間SO(3)に均等にサンプリングされた回転アンカーを用いて回転空間を離散化し、局所的回帰を可能にする。
• 各アンカーに対して、ターゲット回転への制約付きずれベクトルを予測することで、局所最適解のリスクを低減する。
• 各アンカーに対して不確実性スコアを予測し、推論時に信頼性の高い回転推定を選択する。
• 並進は、各点における単位ベクトルを3次元オブジェクト中心に向かって回帰させた後、RANSACベースの投票層を用いて予測を集約する。
• 回転および並進の損失関数を組み合わせ、自己教師付き条件付き確率最大化による不確実性の監視を含めたエンドツーエンドの学習によりネットワークを訓練する。
• RGB-D特徴はCNNバックボーンを用いて密に抽出され、色と幾何的情報を統合することで特徴表現を向上させる。

実験結果

リサーチクエスチョン

• RQ1 6次元ポーズ推定における回転回帰のための離散的・連続的定式化は、局所最適解問題を軽減できるか？
• RQ2 不確実性を考慮した予測は、対称的物体の曖昧さに起因する回転推定の耐性をどのように向上させるか？
• RQ3 回転と並進の分離された回帰は、精度と耐性の面で共同最適化を上回ることができるか？
• RQ4 密なRGB-D特徴抽出は、模様のないまたは遮蔽された物体における性能をどの程度向上させるか？
• RQ5 提案手法は、標準ベンチマークで高い精度を維持しながらリアルタイム推論を達成できるか？

主な発見

• 本手法はLINEMODデータセットでADD指標で92.8%の精度を達成し、以前の最先端手法（86.3%）を顕著に上回った。
• より困難なYCB-Videoデータセットでは、ADD指標で83.8%の精度を達成し、先行SOTA手法Per-Pixel DF（79.2%）に対して4.6%の向上を示した。
• 小型で模様のない「holepuncher」オブジェクトでは、ベースライン手法に比べ13.6%高い精度を示し、低模様の課題に対する耐性を示した。
• LINEMODにおいて、PVNetやPer-Pixel DFに比べ6.6%高い検出精度を達成し、特に対称的で小型のオブジェクトで優れた性能を発揮した。
• 1枚のGPUで約14 FPS（1フレーム0.07秒）で実行され、ロボットアプリケーションに適したリアルタイム推論が可能となった。
• 定性的な結果から、本手法はPoseCNN や DenseFusion で一般的に見られる局所最適解の予測を回避しており、特に対称的物体において離散的・連続的回転定式化のおかげでその効果が顕著に現れている。