[论文解读] 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 9

一句话总结

本文提出了一种主动感知框架，通过基于方向性切比雪夫距离张量的新型D2CO配准方法以及基于互信息的下一最佳视角策略，实现在杂乱环境中对无纹理物体的检测与定位。该方法通过迭代选择能最大化信息增益的最优相机视角，实现了鲁棒的3D位姿估计和更高的定位精度，在遮挡严重的复杂场景中优于随机策略和基于遮挡消除的策略。

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.

研究动机与目标

• 解决在高度杂乱且遮挡严重的环境中检测和定位无纹理、非朗伯物体的挑战。
• 克服传统2D/3D目标检测方法依赖视觉纹理或在复杂场景中收敛性差的局限性。
• 开发一种主动感知系统，智能选择下一最佳视角以减少不确定性并提高定位精度。
• 将概率状态估计与粒子滤波及观测采样相结合，以建模目标假设和相互遮挡。

提出的方法

• D2CO算法利用编码联合方向/位置空间中到边缘点最小距离的3D图像张量，直接计算用于3D目标配准的分段光滑代价函数。
• 方向性切比雪夫距离（DCD）张量通过隐式编码数据关联，无需迭代最近点计算，从而实现快速且鲁棒的配准。
• 基于互信息（MI）的下一最佳视角策略选择能最大化当前状态与未来观测之间信息增益的相机位姿。
• 通过从检测器中采样目标假设的组合来模拟观测，状态则使用带重要性重采样的粒子滤波进行建模。
• 系统采用序列决策过程，迭代优化目标位姿估计并减少在杂乱、遮挡场景中的不确定性。
• 该框架在真实世界数据集上通过移动操作臂进行评估，结合深度线索与主动感知，提升了检测与定位性能。

实验结果

研究问题

• RQ1 如何在高度杂乱的3D环境中鲁棒地检测和定位无纹理及非朗伯物体？
• RQ2 当物体部分遮挡时，何种主动感知策略能最小化目标检测与定位中的不确定性？
• RQ3 如何在高维、不确定的感知空间中高效最大化状态与观测之间的互信息？
• RQ4 在复杂场景中，采样目标假设组合在多大程度上能提升下一最佳视角选择的准确性？
• RQ5 基于粒子滤波的状态估计方法在主动目标定位过程中能否有效处理相互遮挡与检测模糊性？

主要发现

• MI-MAX下一最佳视角策略在所有实验中均优于随机策略和基于遮挡消除的策略，实现了更高的正确定位率和更低的误报率。
• 在数据集3中，MI-MAX对轻微遮挡物体的正确定位率超过90%（仅需5个视角），对高度遮挡物体的正确定位率超过80%。
• 当使用三种目标类型组合进行假设采样时，系统将平均误报数减少至每次迭代少于1.5个。
• D2CO配准在收敛速度和鲁棒性方面优于其他最先进方法，尤其在缺失或模糊边缘的杂乱场景中表现更优。
• 使用1000个采样目标组合和200个粒子显著提升了下一最佳视角选择过程的可靠性。
• MI-MAX策略每次视角计算约需7秒，证明了其在实时机器人应用中的可行性。