Un conjunto de datos de estimación de pose 6DoF y una red para múltiples formas paramétricas en escenarios apilados
Autores: Zhang, Xinyu; Lv, Weijie; Zeng, Long
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Un conjunto de datos de estimación de pose 6DoF y una red para múltiples formas paramétricas en escenarios apilados
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Partes industriales
Plantillas paramétricas
Estimación de pose 6D
Conjunto de Datos Multi-Paramétrico
MPP-Net
Evaluación de generalización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
La mayoría de las piezas industriales se instancian a partir de diferentes plantillas paramétricas. Las tareas de estimación de pose 6DoF (6D) son desafiantes, ya que algunos objetos de piezas de una plantilla conocida pueden no haberse visto antes. Este documento presenta un nuevo y bien anotado conjunto de datos de estimación de pose 6D para múltiples plantillas paramétricas en escenarios apilados, denominado Conjunto de Datos Multi-Paramétrico, donde se obtiene un conjunto de entrenamiento (50K escenas) y un conjunto de prueba (2K escenas) mediante técnicas de etiquetado automático. En particular, el conjunto de prueba se divide además en un conjunto de datos TEST-L para la evaluación del aprendizaje y un conjunto de datos TEST-G para la evaluación de la generalización. Dado que los objetos de piezas de la misma plantilla se consideran una clase en el Conjunto de Datos Multi-Paramétrico y el número de objetos de piezas es infinito, proponemos una nueva red de estimación de pose 6D como nuestro método base, Red de Pose Paramétrica Multi-plantillas (MPP-Net), con el objetivo de tener una capacidad de generalización suficiente para objetos de piezas paramétricas en escenarios apilados. Hasta donde sabemos, nuestro conjunto de datos y método son los primeros en lograr conjuntamente la estimación de pose 6D y la predicción de valores de parámetros para múltiples plantillas paramétricas. Se realizan muchos experimentos en el Conjunto de Datos Multi-Paramétrico. El mIoU y la Precisión General de la segmentación de primer plano y la segmentación de plantillas en los dos conjuntos de prueba superan el 99.0%. Además, MPP-Net logra un 92.9% y un 90.8% en mAP bajo el umbral de 0.5cm para la predicción de traducción, logra un 41.9% y un 36.8% bajo el umbral para la predicción de rotación, y logra un 51.0% y un 6.0% bajo el umbral del 5% para la predicción de valores de parámetros, en los dos conjuntos de prueba, respectivamente. Los resultados han demostrado que nuestro conjunto de datos tiene un valor exploratorio para las tareas de estimación de pose 6D y predicción de valores de parámetros.
Descripción
La mayoría de las piezas industriales se instancian a partir de diferentes plantillas paramétricas. Las tareas de estimación de pose 6DoF (6D) son desafiantes, ya que algunos objetos de piezas de una plantilla conocida pueden no haberse visto antes. Este documento presenta un nuevo y bien anotado conjunto de datos de estimación de pose 6D para múltiples plantillas paramétricas en escenarios apilados, denominado Conjunto de Datos Multi-Paramétrico, donde se obtiene un conjunto de entrenamiento (50K escenas) y un conjunto de prueba (2K escenas) mediante técnicas de etiquetado automático. En particular, el conjunto de prueba se divide además en un conjunto de datos TEST-L para la evaluación del aprendizaje y un conjunto de datos TEST-G para la evaluación de la generalización. Dado que los objetos de piezas de la misma plantilla se consideran una clase en el Conjunto de Datos Multi-Paramétrico y el número de objetos de piezas es infinito, proponemos una nueva red de estimación de pose 6D como nuestro método base, Red de Pose Paramétrica Multi-plantillas (MPP-Net), con el objetivo de tener una capacidad de generalización suficiente para objetos de piezas paramétricas en escenarios apilados. Hasta donde sabemos, nuestro conjunto de datos y método son los primeros en lograr conjuntamente la estimación de pose 6D y la predicción de valores de parámetros para múltiples plantillas paramétricas. Se realizan muchos experimentos en el Conjunto de Datos Multi-Paramétrico. El mIoU y la Precisión General de la segmentación de primer plano y la segmentación de plantillas en los dos conjuntos de prueba superan el 99.0%. Además, MPP-Net logra un 92.9% y un 90.8% en mAP bajo el umbral de 0.5cm para la predicción de traducción, logra un 41.9% y un 36.8% bajo el umbral para la predicción de rotación, y logra un 51.0% y un 6.0% bajo el umbral del 5% para la predicción de valores de parámetros, en los dos conjuntos de prueba, respectivamente. Los resultados han demostrado que nuestro conjunto de datos tiene un valor exploratorio para las tareas de estimación de pose 6D y predicción de valores de parámetros.