Časová konzistence odhadu polohy a orientace objektu z obrázků

Abstract

Odhad polohy objektu v prostoru z vstupního obrazu je jedním z přístupů pro výpočet zpětnovazebního signálu pro řízení robota založeného na zpětné vazbě, například pro uchopení založené na modelově prediktivním řízení. Většina stávajících metod odhadu polohy objektu počítá polohu objektu po jednotlivých snímcích a ignoruje tak časovou konzistenci. V této práci navrhujeme použití pravděpodobnostního filtrování k dosažení časové konzistence odhadu polohy objektu a k odfiltrování chybných měření, které jsou získávány nejmodernějšími metodami odhadu polohy. Demonstrujeme, že vynucení časové konzistence a odfiltrování odlehlých hodnot zlepšuje standardizované referenční testy odhadu polohy. Experimentálně jsme ověřili stabilitu navrhovaného přístupu pro úlohu řízení robota založeného na zpětné vazbě, při níž byl objekt sledován kamerou připojenou k robotu Franka Emika Panda.

Estimating object spatial pose from an input image is one of the approaches to compute feedback signal for feedback-based robot control, for example, for model predictive control based grasping. Most of the existing pose estimation methods compute object pose in a per-frame manner, ignoring the temporal consistency. In this work, we propose using probabilistic filtering to achieve the temporal smoothness of object pose estimation and to filter out outliers that are predicted by state-of-the-art pose estimation methods. We show that enforcing temporal smoothness and filtering outliers improves the standardized pose estimation benchmarks. We experimentally validated the stability of the proposed approach for a feedback-based robot control task in which the object was tracked by the camera attached to the Franka Emika Panda robot.