项目名称: 面向服务机器人的3D场景理解方法研究

项目编号: No.61273360

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 原魁

作者单位: 中国科学院自动化研究所

项目金额: 82万元

中文摘要: 准确、快速地进行3D场景理解对服务机器人具有重要意义。由于将3D物理世界映射为2D图像会造成大量的信息丢失,利用普通视觉系统进行3D场景理解时存在很大困难。虽然利用深度信息传感器可以直接得到物体和场景的2.5D信息,但由于目前可用于服务机器人的深度信息传感器存在分辨率较低、不能准确反映物体细节、精度受外部条件影响较大等缺点,因此,也难以很好地满足进行3D场景理解的需要。本课题针对服务机器人的特点,提出一种将Marr视觉理论框架和主动视觉理论框架相结合的新的3D场景理解算法框架。该算法框架利用双目视觉提取场景中的"注意区域"并进行场景的深度层次划分,利用主动视觉提取"注意区域"的深度信息和图像特征,并在此基础上进行3D物体提取和3D场景理解。该算法框架发挥了Marr视觉理论和主动视觉理论两者的优势,利用主动视觉有效减少进行3D场景理解的计算量,对提高服务机器人的智能水平和实用性具有重要意义。

中文关键词: 服务机器人;3D场景理解;主动视觉;视觉伺服;

英文摘要: It is of great significance for service robots to comprehend 3D scenes accurately and rapidly. Since a large amount of information is lost while mapping the 3D physical world to 2D images, it is rather difficult for conventional machine vision systems to understand 3D scenes. Although 2.5D information of objects and scenes can be obtained directly with depth sensors, there exist some drawbacks in the current depth sensors available in service robots, such as relatively low resolutions with limited capability to reflect the details of objects and fluctuant precisions susceptible to external conditions, making them unsatisfactory in building a system to comprehend 3D scenes. With the characteristics of service robot in consideration, this project proposes a new algorithm framework to interpret 3D scenes, which combines the computer vision framework of Marr and the active vision framework. On extracting the region of interest (ROI) and acquiring the general depth gradation of the scene through binocular vision, the detailed depth information and image features in the ROI are obtained with active vision. Recognition of 3D objects and comprehension of 3D scenes are then realized on this basis. This algorithm framework exploits both the advantages of Marr's computer vision theory and active vision theory, and greatly

英文关键词: Service Robot;Interpreting 3D scenes;Active Vision;Vision Servo;

成为VIP会员查看完整内容
1

相关内容

服务机器人是机器人家族中的一个年轻成员,尚没有一个严格的定义。不同国家对服务机器人的认识不同。 可以分为专业领域服务机器人和个人/家庭服务机器人,服务机器人的应用范围很广,主要从事维护保养、修理、运输、清洗、保安、救援、监护等工作。
【CVPR2022】多机器人协同主动建图算法
专知会员服务
46+阅读 · 2022年4月3日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
MonoGRNet:单目3D目标检测的通用框架(TPAMI2021)
专知会员服务
17+阅读 · 2021年5月3日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
【NeurIPS 2020】一种端到端全自由度抓取姿态估计网络简介
专知会员服务
19+阅读 · 2020年10月18日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
【速览】ICCV 2021 | 从2D到3D的虚拟试穿模型
中国图象图形学学会CSIG
0+阅读 · 2021年10月22日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
【泡泡机器人】也来谈语义SLAM/语义地图
泡泡机器人SLAM
20+阅读 · 2019年3月12日
SkeletonNet:完整的人体三维位姿重建方法
计算机视觉life
21+阅读 · 2019年1月21日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
25+阅读 · 2022年1月3日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
20+阅读 · 2020年6月8日
小贴士
相关VIP内容
【CVPR2022】多机器人协同主动建图算法
专知会员服务
46+阅读 · 2022年4月3日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
MonoGRNet:单目3D目标检测的通用框架(TPAMI2021)
专知会员服务
17+阅读 · 2021年5月3日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
【NeurIPS 2020】一种端到端全自由度抓取姿态估计网络简介
专知会员服务
19+阅读 · 2020年10月18日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
【速览】ICCV 2021 | 从2D到3D的虚拟试穿模型
中国图象图形学学会CSIG
0+阅读 · 2021年10月22日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
【泡泡机器人】也来谈语义SLAM/语义地图
泡泡机器人SLAM
20+阅读 · 2019年3月12日
SkeletonNet:完整的人体三维位姿重建方法
计算机视觉life
21+阅读 · 2019年1月21日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
25+阅读 · 2022年1月3日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Arxiv
20+阅读 · 2020年6月8日
微信扫码咨询专知VIP会员