Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Detection, Tracking and 3D Modeling of Objects with Sparse RGB-D SLAM and Interactive Perception
KTH, Skolan för elektroteknik och datavetenskap (EECS), Robotik, perception och lärande, RPL.ORCID-id: 0000-0003-3252-715X
Wayfair, Boston, MA 02116, USA.
Mitsubishi Electric Research Labs (MERL), Cambridge, MA 02139, USA.
2019 (Engelska)Ingår i: IEEE-RAS International Conference on Humanoid Robots (Humanoids), 2019Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We present an interactive perception system that enables an autonomous agent to deliberately interact with its environment and produce 3D object models. Our system verifies object hypotheses through interaction and simultaneously maintains 3D SLAM maps for each rigidly moving object hypothesis in the scene. We rely on depth-based segmentation and a multigroup registration scheme to classify features into various object maps. Our main contribution lies in the employment of a novel segment classification scheme that allows the system to handle incorrect object hypotheses, common in cluttered environments due to touching objects or occlusion. We start with a single map and initiate further object maps based on the outcome of depth segment classification. For each existing map, we select a segment to interact with and execute a manipulation primitive with the goal of disturbing it. If the resulting set of depth segments has at least one segment that did not follow the dominant motion pattern of its respective map, we split the map, thus yielding updated object hypotheses. We show qualitative results with a Fetch manipulator and objects of various shapes, which showcase the viability of the method for identifying and modelling multiple objects through repeated interactions.

Ort, förlag, år, upplaga, sidor
2019.
Nationell ämneskategori
Robotteknik och automation
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-259617OAI: oai:DiVA.org:kth-259617DiVA, id: diva2:1352526
Konferens
IEEE-RAS International Conference on Humanoid Robots
Anmärkning

QC 20190930

Tillgänglig från: 2019-09-19 Skapad: 2019-09-19 Senast uppdaterad: 2019-09-30Bibliografiskt granskad

Open Access i DiVA

fulltext(4574 kB)13 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 4574 kBChecksumma SHA-512
cc0c3b10001ce4c6cc0b6b168e220ce36e49b53e176ef5523f703c7102784c891d1f8e9e237fcf846bb750d0eab9dbfc1c523223cced5317c97df10a60a7077b
Typ fulltextMimetyp application/pdf

Övriga länkar

Conference webpage

Personposter BETA

Almeida, Diogo

Sök vidare i DiVA

Av författaren/redaktören
Almeida, Diogo
Av organisationen
Robotik, perception och lärande, RPL
Robotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 13 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 210 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf