Аннотация

Аннотация: В статье представлен метод сегментации облака точек сцены, состоящей из неизвестных объектов, на основе использования метода сегментации Voxel Cloud Connectivity Segmentation (VCCS) и двухэтапной обработки векторов признаков с применением нейронной сети PointNet и динамической графовой сверточной нейронной сети (Dynamic Graph Convolutional Neural Network, DGCNN). В ряде случаев практическое применение манипуляционных роботов сопряжено с захватом объектов, форма, цвет и другие признаки которых не известны заранее. В частности, примерами таких задач могут служить уборка помещения, аварийно-спасательные операции по разбору завалов, работа в складских помещениях или в почтовых отделениях. В предлагаемом подходе по набору изображений загроможденной сцены, получаемому с RGBD-камер, составляется образ сцены в виде облака точек, затем данное облако точек подвергается обработке с помощью эвристического алгоритма VCCS и методов машинного обучения. Результатом работы подхода является сегментированное облако точек, для каждой точки которого имеется метка, определяющая ее принадлежность к отдельному объекту сцены. Новизна подхода заключается в совмещении эвристического алгоритма VCCS и новой архитектуры нейронной сети, представляющей собой комбинацию модифицированных сетей PointNet и DGCNN. Проведенные экспериментальные исследования подтверждают работоспособность предлагаемого решения.