透明物體常被辨識成雜訊
目前電腦視覺常使用RGB-D相機(可以記錄景深資訊的相機,如Kinect)、光達(Lidar)等光學距離感應器建立準確的3D環境模型,然而使用光學方式偵測的缺點,就是很容易受到玻璃容器等透明物體干擾。
其中主要的原因,在於這類感應器在運作過成中,會假設所有的物體表面均為完全漫反射(Lambertian Reflectance,指表面能將光線均勻反射至所有方向,從而在所有視角下產生均勻的表面亮度),然而透明物體的表面除了有反射光之外,還會有折射光,所以違背了這個假設,造成無法辨識或是被辨識為雜訊等情況。
根據ClearGrasp的論文(PDF)指出,ClearGrasp可以在深度學習的協助下,使用深度卷積網絡判斷物體表面的法線,以及透明物體的表面遮罩、遮擋邊界(Occlusion Boundary,即景深的不連續性),以精確推算單張RGB-D圖像中的景深資訊。
使用模擬圖像訓練
ClearGrasp運作過程總計使用3個神經網路,第1個是用於標記物體表面的法線,第2個則用於標記遮擋邊界,最後的則用於標記透明物體,以利後續透過遮罩過慮屬於透明物體的所有像素,並在最後補上正確的景深數據。
由於目前沒有現成的透明物體圖片與景深資料庫,因此在訓練過程中,開發團隊使用3D繪圖的方式產生了超過50,000張的RGB-D模擬圖像,這樣一來不但可以快速建立資料庫,還能夠使用逼真的CG圖像搭配準確的景深資料訓練系統,並依需要改變背景和照明條件,增加訓練資料庫的豐富性。
為了驗證訓練成果,研發團隊準備了286組真實照片,每組由2張照片構成,其中1張包含透明物品,而另1張則將透明物品替換為外型一模一樣的非透明物品,藉以分析2種情況下的辨識情況是否相同。
值得注意的是,雖然這種訓練能準確辨識真實照片中的透明物體,但對於其他表面(如牆壁或一般物品)的表面辨識確不太理想,因此開發團隊還補充使用Matterport3D與ScanNet資料庫訓練系統一般物品,以強化整體表現。
在驗證實驗部分,開發團對使用UR5機械手臂測試抓取透明物體,使用平行爪抓取物體的成功率可以從12%提升到74%,如果使用吸盤吸取物體的話,成功率則從64%提高升到86%,證明ClearGrasp的準確度相當理想。
▲ClearGrasp的成果展示。影片最後可以看到ClearGrasp(右上)的辨識情況與真實條件(左上)相當接近。
ClearGrasp目前已經以開源型式釋出,有興趣的讀者可以參考專案網頁或GitHub取得更多資訊。
加入電腦王Facebook粉絲團