[논문 리뷰] Three-dimensional Simultaneous Shape and Pose Estimation for Extended Objects Using Spherical Harmonics

Gerhard Kurz, Florian Faion외 3명|arXiv (Cornell University)|2020. 12. 25.

Robotics and Sensor-Based Localization참고 문헌 27인용 수 8

한 줄 요약

이 논문은 항성 볼록 형태를 표현하기 위해 구면 조화함수를 사용하여 연속적인 3D 모양과 자세 추정 방법을 제안한다. 물체의 표면 범위를 구면 각도의 함수로 모델링하고, 비선형 측정값에서 조화 계수를 무향 칼만 필터링을 통해 추정함으로써, 타원형 근사치를 넘어서는 비정질적이고 복잡한 형태의 정확한 실시간 추적 및 재구성 기능을 제공한다.

ABSTRACT

We propose a new recursive method for simultaneous estimation of both the pose and the shape of a three-dimensional extended object. The key idea of the presented method is to represent the shape of the object using spherical harmonics, similar to the way Fourier series can be used in the two-dimensional case. This allows us to derive a measurement equation that can be used within the framework of nonlinear filters such as the UKF. We provide both simulative and experimental evaluations of the novel techniques.

연구 동기 및 목표

• 동시에 모양과 자세를 추정할 수 있는 효과적인 3D 확장 물체 추적 방법의 부족을 해결한다.
• 기존 추적 프레임워크에서 2D에 국한된 접근법과 타원형 형태 가정의 한계를 극복한다.
• 실시간 로봇 응용 분야에서 비정질적이고 항성 볼록 형태의 물체 모양을 정확하고 반복적으로 추정할 수 있도록 한다.
• 세부적인 재구성 및 분류를 지원하는 일반화 가능한 형태 표현을 제공한다.
• 정확한 3D 형태 모델링을 통해 抓취 계획 및 물체 인식 응용을 촉진한다.

제안 방법

• 항성 볼록 형태의 3D 모양을 중심 항성 점에서의 구면 좌표계에서의 반지름 거리로 매핑하는 함수로 표현한다.
• 형태 함수의 매개변수화를 위해 구면 조화함수를 기저로 사용하여, 압축적이고 부드러운 표현을 가능하게 한다.
• 측정 과정을 구면 조화계수와 물체 자세(위치 및 방향)의 비선형 함수로 모델링한다.
• 노이즈가 있는 3D 포인트 클라우드 측정값으로부터 반복적으로 자세와 조화 계수를 추정하기 위해 무향 칼만 필터(UKF)를 적용한다.
• 동적 추정 성능 향상을 위해 상태 전이 모델에 알려진 각속도를 통합한다.
• 다중 센서 깊이 데이터(예: 두 대의 Kinect 2.0 카메라)를 사용하여 다각도의 밀도 있는 포인트 클라우드를 확보하고 형태 재구성에 활용한다.

실험 결과

연구 질문

• RQ1 구면 조화함수는 비정질적이고 항성 볼록 형태의 확장 물체 추적에서 효과적이고 반복 가능한 3D 표현을 제공할 수 있는가?
• RQ2 구면 조화함수의 계수 수가 형태 재구성의 정확도와 세부 정보에 어떤 영향을 미치는가?
• RQ3 실세계 환경에서 기존 방법(예: 무작위 행렬(타원형 가정) 및 알파 형태(노이즈 민감))에 비해 제안된 방법이 우월한가?
• RQ4 이 방법은 알려진 각속도를 고려할 경우 형태 및 운동의 동적 변화를 어느 정도 잘 처리할 수 있는가?
• RQ5 노이즈와 이방성 요소가 있는 실세계 센서 데이터에 대해 이 방법은 어느 정도 일반화 가능한가?

주요 결과

• 제안된 방법은 구면 조화함수를 활용해 정확한 3D 형태 및 자세 추정을 달성하였으며, 조화 계수의 차수를 높일수록 재구성 품질이 크게 향상됨(예: 차수 15는 차수 6보다 더 높은 세부 정보 제공).
• 이중 Kinect 2.0 센서를 사용하여 움직이는 물뿌리개의 실시간 추적에 성공했으며, 안정적이고 일관된 자세 추정 결과를 도출함.
• 무작위 행렬 방법은 타원형 형태에 국한되어 있어 부정확한 형태 추정을 초래하였으며, 더 유연한 표현의 필요성을 확인함.
• 알파 형태는 더 세부적인 정보를 제공하지만 노이즈에 매우 민감하고 시간 단계 간에 불안정성이 있었으며, 이에 비해 필터 기반 접근법은 뛰어난 안정성을 확보함.
• 구면 조화함수의 사용은 다각도 깊이 데이터의 반복적 융합을 가능하게 하여 시간에 따라 일관되고 부드러운 3D 형태 모델을 생성함.
• 상태 모델에 알려진 각속도를 통합함으로써 동적 추정 성능이 향상되었으며, 특히 회전 운동 시에 두드러진 효과를 보임.