过有组织的3D点云用于垃圾拾取应用程序
Marek Franaszek1, Prem Rachakonda1, Kamel S Saidi1
1National Institute of Standards and Technology, Gaithersburg, MD 20899, USA.
Applied sciences (Basel, Switzerland)
|April 3, 2024
概括
本研究介绍了一种新的过技术,用于在机器人垃圾选中从3D数据中删除异常点. 与现有程序相比,新方法在混乱的制造场景中显著提高了异常值移除效率.
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
- 感知系统 感知系统
背景情况:
- 机器人垃圾拾取依赖于对象识别的感知系统.
- 虚假的3D数据点 (异常值) 污染了感知数据,阻碍了障碍回避和部分细分.
- 现有的异常值去除方法,通常是为户外场景而设计的,在制造环境中的有组织的3D点云中表现不佳.
研究的目的:
- 开发和介绍一种新的过技术,用于在有组织的3D点云中去除异常值,这对于机器人垃圾挑选任务来说是特别的.
- 为了解决杂乱的制造场景中通用异常值移除程序的局限性.
主要方法:
- 为有组织的3D点云开发了一种新的过技术.
- 该技术是专门设计的,以处理杂乱的场景典型的垃圾拾取.
- 使用六个不同的数据集对通用统计异常值删除程序进行了性能评估.
主要成果:
- 新的过技术证明了与通用统计异常值删除程序相比,更高的异常值删除效率.
- 该方法在具有异常值高密度的数据集上表现出特别高的有效性.
- 在机器人垃圾拾取应用的背景下,观察到更好的性能.
结论:
- 拟议的过技术对于在机器人垃圾选中从有组织的3D点云中删除异常值非常有效.
- 这一进步可以提高制造业中自主机器人操作的可靠性和效率.
- 该方法为混乱的工业环境中的感知挑战提供了专门的解决方案.
