DOPE – Deep Object Pose Detection [1]

DOPE dient zur Erkennung und 6-DOF-Posenschätzung bekannter Objekte über RGBKamerabilder. Der Algorithmus ist für ein neuronales Netz ausgelegt, welches ausschließlich auf synthetische Trainingsdaten trainiert wurde.

Da die Generierung synthetischer Daten eine nahezu unbegrenzte Menge gelabelter Trainingsdaten verspricht, wird in diesem Projekt konkret die Problemstellung des Reality-Gap im Kontext der 6-DOFPosenschätzung bekannter Objekte aus einem einzelnen RGB-Bild untersucht. Dieser Prognosefehler tritt auf, wenn ein Modell ausschließlich auf synthetischen Daten beruht aber bei der Vorhersage reale Input-Bilder verwendet werden.

Es stellt sich heraus, dass der Reality-Gap durch Kombination von domänen-randomisierten und fotorealistischen Daten erfolgreich überbrückt werden kann. Zudem zeigte sich, dass das tiefe neuronale DOPE-Netzwerk (One-Shot fully convolutional) in der Kombination der  Trainingsdaten, die Performance eines state-of-the-art Netzes, welches mit echten Trainingsdaten trainiert wurde, bei der Schätzung der 6-DOF-Objektpose schlägt. Außerdem wurde gezeigt, dass das DOPE-Netzwerk mit solchen  Trainingsdaten in neuen Umgebungen, einschließlich extremer Lichtverhältnisse, besser generalisiert.

[1] Jonathan Tremblay u. a. „Deep Object Pose Estimation for Semantic Robotic Grasping of Household Objects“. In: CoRR abs/1809.10790 (2018). arXiv: 1809.10790. url: http://arxiv.org/abs/1809.10790.