GISR: Geometric Initialization and Silhouette-based Refinement for Single-View Robot Pose and Configuration Estimation

对于自主机器人应用来说，机器人能够准确地测量其潜在状态并感知其环境，包括其中的其他代理（例如与人类互动的协作机器人）至关重要。这些测量的冗余性很重要，因为它允许在传感器故障或外部干扰事件发生时进行规划和执行恢复协议。视觉估计可以通过使用低成本传感器提供这种冗余性，并在没有基于编码器的传感时作为独立的本体感知来源。因此，我们联合估计机器人的配置和姿态，从而提供对观察到的机器人的完整空间理解。我们提出了GISR-一种深度配置和机器人到相机姿态估计方法，其优先考虑实时执行。GISR由两个模块组成：（i）几何初始化模块，有效地计算近似机器人姿态和配置，以及（ii）基于轮廓的迭代细化模块，在仅几次迭代中细化初始解决方案。我们在公开可用的数据集上评估了我们的方法，并显示GISR在与现有最先进方法竞争时表现出色，同时与同类现有方法相比速度显著更快。我们的代码可在https://github.com/iwhitey/GISR-robot上获得。

GISR: 一种用于机器人姿态估计的快速几何初始化和迭代轮廓优化方法

GISR方法通过联合机器人姿态和配置估计，提供机器人的完整空间理解，同时使用迭代轮廓优化模块在几次迭代中对初始解进行优化，从而实现快速的实时执行。

该论文在公开数据集上进行了评估，并表明GISR方法在与现有最先进方法相比的同时，具有显着的速度优势。此外，该论文提供了开源代码。

在这个领域中的相关研究包括“Deep Object Pose Estimation”和“Real-Time Seamless Single Shot 6D Object Pose Prediction”。