过滤器在 6D 姿势估计中增强机器人视觉
机器人擅长做相同的重复动作，例如装配线上的简单任务。但是当它们在环境中移动时，它们缺乏感知物体的能力。伊利诺伊大学厄巴纳-香槟分校、NVIDIA、华盛顿大学和斯坦福大学的研究人员最近进行了一项关于 6D 物体姿态估计的研究，以开发一种滤波器，为机器人提供更大的空间感知，以便它们可以操纵物体和导航更准确地穿越空间。
虽然 3D 姿势提供了 X、Y 和 Z 轴上的位置信息——物体相对于相机的相对位置——但 6D 姿势提供了更完整的图片。就像描述飞行中的飞机一样，机器人需要知道物体方向的三个维度：偏航、俯仰和滚动。在现实生活环境中，所有这六个维度都在不断变化。
该过滤器旨在帮助机器人分析空间数据。过滤器会查看每个粒子，或相机针对物体收集的图像信息，以帮助减少判断错误。
在基于图像的 6D 姿态估计框架中，粒子滤波器使用样本来估计位置和方向。每个粒子就像一个假设——对需要估计的位置和方向的猜测。粒子滤波器通过观察来计算来自其他粒子的信息的重要性值，并消除不正确的估计。
以前，没有系统来估计物体方向的完整分布。这为机器人操作提供了重要的不确定性信息。新过滤器在 Rao-Blackwellized 粒子过滤框架中使用 6D 对象姿态跟踪，其中对象的 3D 旋转和 3D 平移是分开的。这允许称为 PoseRBPF 的新方法有效地估计对象的 3D 平移以及 3D 旋转上的完整分布。因此，Pose-RBPF 可以跟踪具有任意对称性的对象，同时仍保持足够的后验分布。
欲了解更多信息，请联系 Lois Yok-soulian，该电子邮件地址已收到反垃圾邮件插件保护。您需要启用 JavaScript 才能查看它。 217-244-2788。
传感器