[논문 리뷰] Global Hypothesis Generation for 6D Object Pose Estimation

Frank Michel, Alexander Kirillov외 5명|arXiv (Cornell University)|2016. 12. 07.

Robotics and Sensor-Based Localization참고 문헌 23인용 수 6

한 줄 요약

이 논문은 모든 이미지 픽셀 간의 기하 일관성을 활용하여 소수의 고품질 포즈 가설을 생성하는 완전 연결형 조건부 랜덤 필드(Conditional Random Field, CRF)를 사용한 6차원 물체 자세 추정을 위한 글로벌 가설 생성 방법을 제안한다. 기존의 국소적 추론(예: RANSAC 또는 후스팅 투표)에 의존하는 방법들과는 달리, 이 방법은 비정규 분포 CRF 잠재변수를 위한 새로운 이단계 최적화 절차를 사용하여 '장애물이 있는 물체 데이터셋'에서 최신 기술 수준(SOTA) 성능을 달성하며, 평균 정확도 76.7%를 기록하여 이전 방법보다 0.4% 높다.

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".

연구 동기 및 목표

• 국소적 가설 생성을 글로벌 기하 일관성 검사로 대체하여 6차원 물체 자세 추정을 향상시키는 것.
• 기존 방법들이 포즈 가설 생성에 국소적 추론(예: RANSAC, 후스팅 투표)에 의존하는 한계를 해결하는 것.
• 비정규 분포 잠재변수를 가진 완전 연결형 CRF에 대한 효율적인 최적화 절차를 개발하여 포즈 추정 파이프라인에서 글로벌 추론을 가능하게 하는 것.
• 가설 생성 단계에서 글로벌 추론이 고도로 장애가 있는 환경에서 뛰어난 성능을 내는지 입증하는 것.
• 가설 수를 최소화하면서도 품질을 극대화함으로써 '장애물이 있는 물체 데이터셋'에서 최신 기술 수준의 정확도를 달성하는 것.

제안 방법

• RGB-D 이미지의 각 픽셀에 대해 밀도 높은 3차원 물체 좌표(부분 레이블)를 예측하기 위해 랜덤 포레스트를 사용한다.
• 모든 픽셀 간의 이원적 기하 일관성을 모델링하기 위해 완전 연결형 CRF를 설정하여 포즈 일관성이 있는 영역을 식별한다.
• CRF의 비정규 분포 잠재변수 함수는 3차원 물체 좌표와 그 2차원 이미지 투영 간의 기하 제약 조건을 인코딩한다.
• 최적화의 이론적 최적성 보장을 보장하는 새로운 이단계 최적화 절차를 도입하여 CRF를 효율적으로 해결한다.
• ICP 유사한 정밀 조정 단계를 통해 포즈 일관성이 있는 픽셀들로부터 최종 포즈를 추정한다.
• 표준 10% 물체 지름 임계값을 사용하여 '장애물이 있는 물체 데이터셋'에서 모델을 훈련하고 평가한다.

실험 결과

연구 질문

• RQ1 가설 생성 단계에서 글로벌 기하 일관성 추론이 6차원 물체 자세 추정에서 국소적 추론 방법보다 우월한 성능을 낼 수 있는가?
• RQ2 비정규 분포 잠재변수를 가진 완전 연결형 CRF를 사용하여 효율적이고 정확한 6차원 자세 가설 생성이 가능한가?
• RQ3 글로벌 일관성 검사를 통해 가설 수를 줄이면, 가설 당 계산 비용이 증가하더라도 최종 자세 정확도가 향상되는가?
• RQ4 고도로 장애가 있는 환경에서 제안된 방법은 최신 기술 수준의 접근법과 비교해 어떻게 성능을 내는가?
• RQ5 이중단계 최적화 절차가 이 분야의 비정규 분포 CRF에 대해 효율성과 최적성 보장을 동시에 제공할 수 있는가?

주요 결과

• 제안된 방법은 '장애물이 있는 물체 데이터셋'에서 평균 정확도 76.7%를 달성하여 이전 최신 기술 수준 방법보다 0.4% 높다.
• 이 방법은 평균적으로 0~10개의 포즈 가설만 생성하여, 경쟁 방법들(예: 210~20,000개)에 비해 크게 줄였다. 그러나 높은 정확도를 유지한다.
• 8개의 물체 중 4개(Ape, Driller, Eggbox, Hole Puncher)에서는 비교된 모든 접근법 중에서 가장 높은 정확도를 기록했다.
• Brachmann 등 [3]에 비해 20.1% 향상되고, Krull 등 [18]에 비해 6.4% 향상되어, 국소적 삼중 쌍 샘플링 대비 글로벌 추론의 이점을 입증했다.
• 완전 연결형 CRF의 복잡성에도 불구하고 효율적인 최적화 덕분에 경쟁적인 런타임(1~3초)을 달성했다.
• 정성적 결과에서는 Figure 5에서 보여지듯이, 이전 방법들이 실패하는 고도로 장애가 있는 환경에서도 정확한 자세 추정을 수행함을 확인했다.