SO6D: Symmetry-aware Octree Encoding for Textureless Objects’ 6D Pose Estimation

在现代制造业繁忙的世界中，机器人正越来越多地被赋予组装零件、分拣组件和堆叠箱子等精细任务。为了实现这一目标，机器人需要准确知道一个物体在哪里以及它是如何在空间中旋转的。这被称为六自由度位姿估计（six-dimensional pose estimation），这个术词简单来说就是确定物体的三维位置及其三维朝向。虽然对于形状独特的物品来说这听起来可能很简单，但当物体具有对称性时，它就变成了一个深刻的难题。想象一下一个普通的金属圆柱体或一个扁平的正方形板；这些形状从许多不同的角度看去都是一样的。对于计算机视觉系统而言，旋转了九十度的圆柱体看起来与原始状态完全相同，这造成了一种令人困惑的情况，即机器人无法分辨哪边是上，或者哪一面向前。这种歧义会导致标准的视觉系统出错，从而导致整个生产线停工。

上海理工大学的研究人员开发了一种新方法来解决这一特定问题，重点针对缺乏表面纹理且具有对称属性的物体。他们的方法被称为 SO6D，它不将挑战视为一次性的猜测，而是一个编码、投票和精炼的结构化过程。该团队设计的系统并非试图以假设每个点都是独特的方式将物体的每一个微小细节与 3D 模型进行匹配，而是识别出物体的不同部分实际上由于对称性而变得相同。他们通过将物体表面组织成类似于城市街区划分的网格状结构来实现这一点，但有一个特殊的规则：互为镜像的点会被赋予完全相同的数字标签。这确保了计算机在看到对称特征时不会感到困惑，而是将相同的部件视为相同的部件，而不是作为截然不同且相互冲突的线索。

一旦物体被贴上了这些具有对称感知能力的代码，系统就会进入下一阶段：寻找物体的中心。想象计算机看着物体并询问每一个可见的点：“如果你是一个完美圆的一部分，你的中心会在哪里？”每个点都会为一个特定的空间位置投出一票。系统收集所有这些选票，并找到它们重叠最多的位置，从而有效地定位物体的中心。这是一种即使在物体部分被遮挡或光照较差的情况下也能找到中心点的稳健方法。找到中心后，系统会确定物体的朝向。对于像瓶子那样围绕轴对称的物体，它会计算穿过中间的线；对于像盒子那样关于平面对称的物体，它会计算将物体一分为二的平面。这是通过一种寻找数据点中最佳拟合线或平面的数学技术完成的，从而平滑了初始视图中的噪声或误差。

最后一步涉及一个仔细的精炼过程，以将位姿锁定到位。系统会获取其初始猜测，并进行一系列调整，不断检查机器人的视角与 3D 模型之间的距离。然而，与那些可能因为盲目匹配点而陷入错误答案的旧方法不同，该系统使用了早期创建的特殊代码。它只比较共享相同对称代码的点，确保它永远不会尝试以破坏对称性的方式将左侧与右侧进行匹配。这使得系统即使在物体被部分遮挡的情况下，也能快速且准确地收敛到正确的位置。

研究人员在两个包含对称和非对称物体的知名数据集上测试了他们的方法。在涉及一组常见家用物品的测试中，他们的系统表现优于以往领先的方法，在正确识别对称物体的位置和角度方面实现了更高的成功率。在一个专门设计用于测试对称性的更具挑战性的数据集上，这种新方法显示出了显著的准确性提升，特别是在如何将 3D 模型与现实世界物体对齐方面。事实证明，该系统能够处理困难的条件，例如强烈的阴影和仅部分可见的物体，而这些情况往往会导致其他系统失败。虽然该方法需要为每种类型的物体训练特定的模型，但结果表明，为了给工业环境带来的可靠性，这一额外步骤是值得的。这项工作表明，通过明确教导计算机去理解对称性，而不是与其对抗，机器可以以全新的精度来感知和操纵世界。