[论文解读] Localizing Grasp Affordances in 3-D Points Clouds Using Taubin Quadric Fitting

Andreas ten Pas, Robert W. Platt|arXiv (Cornell University)|Nov 13, 2013

Robot Manipulation and Learning参考文献 21被引用 13

一句话总结

本文提出了一种快速且准确的方法，通过将抓握可操作性建模为圆柱壳并使用Taubin二次曲面拟合进行鲁棒的表面估计，实现在3D点云中定位包裹式抓握可操作性。该方法在杂乱场景中实现了高精度和高召回率，并能实时运行，适用于无需对象数据库或预处理步骤的机器人抓取系统。

ABSTRACT

Perception-for-grasping is a challenging problem in robotics. Inexpensive range sensors such as the Microsoft Kinect provide sensing capabilities that have given new life to the effort of developing robust and accurate perception methods for robot grasping. This paper proposes a new approach to localizing enveloping grasp affordances in 3-D point clouds efficiently. The approach is based on modeling enveloping grasp affordances as a cylindrical shells that corresponds to the geometry of the robot hand. A fast and accurate fitting method for quadratic surfaces is the core of our approach. An evaluation on a set of cluttered environments shows high precision and recall statistics. Our results also show that the approach compares favorably with some alternatives, and that it is efficient enough to be employed for robot grasping in real-time.

研究动机与目标

• 解决在无结构、杂乱环境中依赖对象数据库的鲁棒且高效的抓取感知问题。
• 通过将包裹式抓握可操作性建模为匹配机械手几何形状的圆柱壳，直接从3D点云中定位抓握可操作性。
• 开发一种计算高效的算法，避免昂贵的预处理步骤，如体素化、地面平面提取或对象分割。
• 通过优化速度和精度，使抓握定位能够实现实时应用。
• 通过聚焦于几何可操作性而非语义对象模型，将抓握规划与对象识别解耦。

提出的方法

• 将包裹式抓握可操作性建模为圆柱壳，其中内半径对应于机械手的最小张开度，内半径与外半径之间的间隙确保手部插入时的间隙。
• 应用Taubin二次曲面拟合，将二次曲面（圆柱）拟合到点云数据，通过广义特征值问题求解最优二次曲面参数。
• 每轮运行对点云进行4,000次采样，以探索潜在的圆柱拟合，每次采样通过局部点邻域分析定义一个候选圆柱。
• 实现三种算法变体：基于PCA、基于法向量和基于Taubin的方法，其差异在于局部几何估计方式。
• 在ROS的C++实现中，使用k近邻搜索（k=500）而非球形半径搜索以优化性能。
• 避免对地面平面、对象分离或重力对齐的假设，从而在无结构场景中实现更强的鲁棒性。

实验结果

研究问题

• RQ1 Taubin二次曲面拟合能否在杂乱的3D点云中以高精度和高召回率有效定位圆柱形抓握可操作性？
• RQ2 与PCA和基于表面法向量的拟合等替代技术相比，所提方法在准确性和速度方面表现如何？
• RQ3 该方法在无预处理或对象数据库依赖的真实世界无结构环境中表现如何？
• RQ4 该算法是否足够高效，能够支持机器人平台上实时抓取应用？
• RQ5 不同的几何拟合策略（PCA、法向量、Taubin）在复杂场景中检测弯曲手柄时有何影响？

主要发现

• Taubin方法在十个测试场景中的八个中实现了至少90%的精度，表明其在检测真实抓握可操作性方面具有高准确性。
• 所有三种方法在几乎所有运行中均实现了100%的召回率，表明算法成功检测了几乎所有真实抓握可操作性。
• PCA变体速度最快，5,000次采样运行时间低于0.01秒，而Taubin变体的运行时间与采样数呈线性关系。
• 法向量变体最慢，每轮运行耗时约4秒，主要由于表面法向量估计的计算开销。
• 在手柄曲率较弱的场景中（如尘铲），Taubin方法优于PCA和法向量方法，能正确排除非圆柱形特征。
• 所有方法在Kitchen1场景中均出现误报，主要源于对乳液瓶、纸箱和法式压滤壶的虚假检测，凸显了在高杂乱环境中面临的挑战。