整合自我中心和机器人视觉用于物体识别,使用罗网络和超方格估计在部分阻塞场景中

科学领域:

• 机器人技术 机器人技术 机器人技术
• 计算机视觉 计算机视觉
• 人与机器人的交互

背景情况:

• 当前的人机交互往往依赖于预定义的对象知识或明确的命令.
• 让机器人通过目光等自然线索了解用户意图对于直观交互至关重要.
• 挑战包括处理遮蔽,视角变化,以及在没有事先培训的情况下适应新型对象.

研究的目的:

• 开发一种新的,无类别的方法,让机器人根据用户的目光识别对象.
• 为了使机器人能够理解用户选择的对象,而无需先前了解对象类别或位置.
• 通过在动态环境中基于目光的对象识别来促进自然的人机交互.

主要方法:

• 一个由两个部分组成的系统,将对象形状和姿势估计的超级象限与姆网络相结合,用于视角对视角的匹配.
• 使用超四边形对象形状和姿势的类别无关估计.
• 罗网络将用户注视的物体与机器人的视角对齐,坚固到部分遮蔽.

主要成果:

• 该系统根据用户的目光准确地识别对象,而无需事先提供对象信息或标记.
• 在部分遮蔽和显著视角差异的场景中表现出稳健性.
• 在部分遮蔽下,实现了85.2%的准确性,将用户选择的对象与机器人的视角对齐.

结论:

• 提出的基于视线的物体识别方法是实用的,可以适应现实世界的人机交互.
• 该系统允许用户通过目光自由移动和动态选择对象.
• 这种方法增强了自然的互动,使机器人能够通过眼睛跟踪来解释用户的意图.