Robust pose estimation of 3D objects with symmetries

Abstract

Die genaue Ermittlung der Position und Orientierung eines Objektes im Raum, besser bekannt als die Berechnung von Posen, ist eine fundamentale Problemstellung in vielen Bereichen wie Computer Vision, Robotik oder industrielle Automatisierung. Während sich viele der kürzlich entwickelten Methoden als sehr effektiv herausgestellt haben, werden symmetrische Objekte - trotz derer zahlreichen Präsenz im täglichen Leben - von den Autoren vielfach ignoriert. Aufgrund der Ambiguität der repräsentierenden Orientierungen stellen diese jedoch eine besondere Herausforderung dar und können bei vielen der aktuellen Methoden zu teils schwerwiegenden Problematiken führen. Um diese Lücke zu beheben, präsentieren wir einen Ansatz zur robusten Berechnung von Posen, der alle Arten von Objekten berücksichtigt, also auch symmetrische. Typischerweise werden Posen in der Praxis mit rigiden Transformationen assoziiert. Diese Herangehensweise ist allerdings suboptimal bei symmetrischen Objekten. Wir wollen dieses Problem von Grund auf lösen, indem wir den Begriff der Pose neu definieren. Danach führen wir eine Metrik auf diesem Raum der Posen ein, welche die Symmetrie des Objektes berücksichtigt. Mit dieser Metrik weiten wir eine bestehende Methode zur Bestimmung von Posen auf alle Objekttypen aus. Dazu demonstrieren wir zuerst die mangelhafte Funktionsweise des klassischen Zugangs mittels Experimenten mit synthetischen Daten. Danach zeigen wir die Effektivität unseres Algorithmus mit realen Daten. Zusätzlich vergleichen wir unseren Ansatz mit bestehenden Methoden und zeigen verbesserte Genauigkeit und Robustheit.

The precise determination of an object's position and orientation in space, known as pose estimation, is fundamental in fields such as computer vision, robotics, and industrial automation. Despite the effectiveness of recent methods, authors frequently overlook the presence of symmetrical objects, which are ubiquitous in daily life. Due to the ambiguity of the representing orientation, such objects impose a special challenge when estimating their pose. To address this issue, we present a robust pose estimation approach applicable to all types of objects. Typically, poses are associated with rigid transformations. However, this approach fails when dealing with symmetrical objects. We aim to tackle this problem at the core, by redefining the notion of pose. Subsequently, we introduce a metric on this space of poses, which accounts for the object's symmetries. Using this distance, we enhance a conventional method of robust pose estimation to accommodate symmetrical objects. We demonstrate the insufficiency of a classical approach through experiments conducted with synthetic data. Furthermore, we validate the effectiveness of our proposed method through an experiment utilizing real-world data. This involves a comparative analysis with other state-of-the-art algorithms, showing improved robustness and accuracy.