[论文解读] Edge-Based Recognition of Novel Objects for Robotic Grasping

Amirhossein Jabalameli, Nabil Ettehadi+1 more|arXiv (Cornell University)|Feb 23, 2018

Robot Manipulation and Learning参考文献 15被引用 9

一句话总结

本文提出了一种基于边缘的框架，用于仅使用单张2D深度图像对新型物体进行机器人抓取。通过检测深度边缘、形成物体轮廓，并利用几何特征分析来识别具有接触区域而非接触点的力闭合抓取，该方法在Baxter机器人上对箱子实现了100%的成功率，对圆柱体实现了90%的成功率，对杂乱混合场景实现了72%的成功率。

ABSTRACT

In this paper, we investigate the problem of grasping novel objects in unstructured environments. To address this problem, consideration of the object geometry, reachability and force closure analysis are required. We propose a framework for grasping unknown objects by localizing contact regions on the contours formed by a set of depth edges in a single view 2D depth image. According to the edge geometric features obtained from analyzing the data of the depth map, the contact regions are determined. Finally,We validate the performance of the approach by applying it to the scenes with both single and multiple objects, using Baxter manipulator.

研究动机与目标

• 在无结构环境中实现对新型未知物体的机器人抓取，且无需预先获取3D模型。
• 解决仅使用单张深度图像在部分观测和遮挡情况下的抓取挑战。
• 通过使用接触区域而非离散接触点，提升对传感器噪声和位姿不确定性的鲁棒性。
• 将力闭合、可达性与机械手几何约束整合到统一的抓取规划框架中。
• 在单物体和多物体杂乱场景等真实世界场景中验证该方法的有效性。

提出的方法

• 处理单张2D深度图像，利用边缘检测算法检测深度边缘。
• 将检测到的边缘分组为表示物体边界的轮廓。
• 对边缘类型（DD/CD）进行分类，并为几何分析确定力矩方向特征（+、−、0）。
• 基于几何特征和末端执行器约束，评估所有轮廓以识别可行的抓取构型。
• 生成满足力闭合、可达性与机械手运动学约束的抓取参数（PG、VR、VC）。
• 使用接触区域（二维线段）而非接触点，以增强对传感器噪声和位姿不确定性的鲁棒性。

实验结果

研究问题

• RQ1 单张2D深度图像是否能提供足够的几何信息，以实现对新型物体的可靠抓取规划？
• RQ2 基于边缘的轮廓分析在部分观测和遮挡条件下如何提升抓取的鲁棒性？
• RQ3 在处理传感器噪声和执行不确定性方面，接触区域在多大程度上优于接触点？
• RQ4 该方法在未进行物体分割的杂乱多物体环境中效果如何？
• RQ5 抓取检测与执行中的主要失败模式是什么，以及如何加以缓解？

主要发现

• 该方法在多次试验中对箱形物体实现了100%的成功率。
• 对于圆柱形物体，成功率为90%（5次抓取中有4次成功）。
• 在高度杂乱的混合物体类型场景中，成功率下降至72%（8次尝试中有5次成功）。
• 抓取执行失败的主要原因是手指与物体表面之间的摩擦力不足，尤其是在光滑或低摩擦材料上。
• 边缘误分类和噪声导致的检测误差被确定为误报和漏报的根本原因，尤其影响DD/CD边缘类型的识别。
• 使用接触区域显著提升了对位姿和传感器不确定性的鲁棒性，相较于基于点的接触模型有明显优势。