前言

視覺(jué)伺服是工業(yè)上很重要的一個(gè)領(lǐng)域，在自動(dòng)裝配、高精配準(zhǔn)上應(yīng)用非常多。針對(duì)近兩年常見(jiàn)的算法模式，在這里進(jìn)行了簡(jiǎn)單的匯總。

1、Predicting Target Feature Configuration of Non-stationary Objects for Grasping with Image-Based Visual Servoing

本文研究了RGB-D相機(jī)無(wú)法提供有效深度信息時(shí)，閉環(huán)抓取的最后逼近階段問(wèn)題，這對(duì)于當(dāng)前機(jī)器人抓取控制器失靈的情況下抓取非平穩(wěn)物體是必要的。

在最后的抓取姿態(tài)下，本文預(yù)測(cè)觀察到的圖像特征像面坐標(biāo)，并使用基于圖像的視覺(jué)伺服來(lái)引導(dǎo)機(jī)器人達(dá)到該姿態(tài)。

基于圖像的視覺(jué)伺服是一種成熟的控制技術(shù)，它可以在三維空間中移動(dòng)攝像機(jī)，從而將圖像平面的特征配置驅(qū)動(dòng)到某種目標(biāo)狀態(tài)。先前的工作中，假設(shè)目標(biāo)特征配置是已知的，但是對(duì)于某些應(yīng)用，這可能是不可行的，例如第一次對(duì)場(chǎng)景執(zhí)行運(yùn)動(dòng)。本文提出的方法對(duì)抓取最后階段的場(chǎng)景運(yùn)動(dòng)以及機(jī)器人運(yùn)動(dòng)控制中的誤差具有魯棒性。

2、Camera-to-Robot Pose Estimation from a Single Image（卡內(nèi)基梅隆大學(xué)，代碼開(kāi)源）

本文提出了一種從單個(gè)圖像估計(jì)攝像機(jī)相對(duì)于機(jī)器人姿態(tài)的方法。該方法利用深度神經(jīng)網(wǎng)絡(luò)對(duì)攝像機(jī)的RGB圖像進(jìn)行處理，檢測(cè)機(jī)器人上的二維關(guān)鍵點(diǎn)，并利用區(qū)域隨機(jī)化的方法對(duì)網(wǎng)絡(luò)進(jìn)行完全的模擬訓(xùn)練。假設(shè)機(jī)器人機(jī)械手的關(guān)節(jié)結(jié)構(gòu)已知，一般使用PnP方式恢復(fù)相機(jī)外部。與傳統(tǒng)的手眼標(biāo)定系統(tǒng)不同，本文的方法不需要離線標(biāo)定步驟，能夠通過(guò)單幀計(jì)算相機(jī)外參，從而打開(kāi)了在線標(biāo)定的可能性。本文給出了三種不同攝像機(jī)傳感器的實(shí)驗(yàn)結(jié)果，證明了該方法能夠在單幀條件下達(dá)到比傳統(tǒng)的多幀離線手眼標(biāo)定更好的精度。通過(guò)附加幀，精度進(jìn)一步提高。

3、Learning Driven Coarse-to-Fine Articulated Robot Tracking（ICRA2019）

本文提出了一種機(jī)器人關(guān)節(jié)跟蹤方法，它只依賴于顏色和深度圖像的視覺(jué)線索來(lái)估計(jì)機(jī)器人在與環(huán)境交互或被環(huán)境遮擋時(shí)的狀態(tài)。文章假設(shè)只有在觀測(cè)狀態(tài)和估計(jì)狀態(tài)之間建立亞像素級(jí)的精確對(duì)應(yīng)關(guān)系時(shí)，關(guān)節(jié)模型擬合方法才能實(shí)現(xiàn)精確跟蹤。以前工作只依賴于識(shí)別深度信息或彩色邊緣對(duì)應(yīng)作為跟蹤目標(biāo)，并要求從聯(lián)合編碼器初始化。本文提出了一種粗糙到精細(xì)的關(guān)節(jié)狀態(tài)估計(jì)器，該估計(jì)器僅依賴于顏色邊緣和學(xué)習(xí)到的深度關(guān)鍵點(diǎn)的視覺(jué)線索，并由深度圖像預(yù)測(cè)的機(jī)器人狀態(tài)分布初始化。在四個(gè)RGB-D序列上評(píng)估了論文的方法，展示了KUKA-LWR臂和 Schunk-SDH2手與環(huán)境進(jìn)行交互，并證明這種組合的關(guān)鍵點(diǎn)和邊緣跟蹤目標(biāo)可以在不使用任何聯(lián)合編碼器傳感的情況下進(jìn)行平均誤差為2.5cm的手掌位置估計(jì)。

4、CRAVES: Controlling Robotic Arm with a Vision-based Economic System（CVPR2019）

訓(xùn)練機(jī)器人手臂來(lái)完成現(xiàn)實(shí)世界的任務(wù)已經(jīng)引起學(xué)術(shù)界和工業(yè)界越來(lái)越多的關(guān)注。本文討論了計(jì)算機(jī)視覺(jué)算法在這一領(lǐng)域中的作用并專注于沒(méi)有傳感器的低成本機(jī)械臂，因此所有的決策都是基于視覺(jué)識(shí)別，例如實(shí)時(shí)三維姿態(tài)估計(jì)。然而，這就需要標(biāo)注大量的訓(xùn)練數(shù)據(jù)，不僅費(fèi)時(shí)而且費(fèi)力?；谠撛?，本文提出了一種新的解決方案，即利用三維模型生成大量的合成數(shù)據(jù)，在該虛擬域中訓(xùn)練一個(gè)視覺(jué)模型，并在域自適應(yīng)后應(yīng)用于真實(shí)圖像。為此，論文設(shè)計(jì)了一個(gè)半監(jiān)督方法，充分利用了關(guān)鍵點(diǎn)之間的幾何約束，并采用迭代算法進(jìn)行優(yōu)化。該算法不需要對(duì)真實(shí)圖像進(jìn)行任何標(biāo)注，具有很好的推廣性，在兩個(gè)真實(shí)數(shù)據(jù)集上得到了不錯(cuò)的三維姿態(tài)估計(jì)結(jié)果。本文還構(gòu)建了一個(gè)基于視覺(jué)的任務(wù)完成控制系統(tǒng)，在虛擬環(huán)境中訓(xùn)練了一個(gè)強(qiáng)化學(xué)習(xí)agent，并將其應(yīng)用于現(xiàn)實(shí)世界。

5、Robot Arm Pose Estimation by Pixel-wise Regression of Joint Angles（ICRA）

為了用機(jī)械臂實(shí)現(xiàn)基于視覺(jué)的精確控制，需要良好的手眼協(xié)調(diào)。然而，由于來(lái)自關(guān)節(jié)編碼器的噪聲讀數(shù)或不準(zhǔn)確的手眼校準(zhǔn)，了解手臂的當(dāng)前配置可能非常困難。提出了一種以手臂深度圖像為輸入，直接估計(jì)關(guān)節(jié)角位置的機(jī)器人手臂姿態(tài)估計(jì)方法。這是一種逐幀的方法，它不依賴于前一幀解的良好初始化或來(lái)自聯(lián)合編碼器的知識(shí)。為了進(jìn)行估計(jì)，本文使用了一個(gè)隨機(jī)回歸森林，它基于綜合生成的數(shù)據(jù)進(jìn)行訓(xùn)練。論文比較了隨機(jī)森林的不同訓(xùn)練目標(biāo)，并分析了手臂的先驗(yàn)分割對(duì)訓(xùn)練精度的影響。實(shí)驗(yàn)表明，這種方法提高了先前的工作，無(wú)論是在計(jì)算復(fù)雜性和準(zhǔn)確性方面。盡管只對(duì)合成數(shù)據(jù)進(jìn)行了訓(xùn)練，但這種估計(jì)也適用于真實(shí)的深度圖像。