“在混乱中发现物体”

麻省理工学院开发的新技术使机器人能够迅速识别隐藏在三维数据云中的物体，让人联想到如果人类能够以适当的方法注意它们，如何理解密集图案的魔眼图像。

机器人一般通过传感器看到他们的环境，这些传感器会收集视觉场景并转换为光栅。 想想黑客帝国的世界。 虚构人物neo所看到的1和0不仅被点-大量的点-置换，而且其图案和密度还描绘出了特定场景的物体。

这种从点云或点云中选择物体的传统技术可以通过速度或准确度来实现，但两者都不能。

研究人员表示，他们的新技术使机器人能够在接收到视觉数据的几秒钟内准确地选择像小动物一样的物体，这些物体被密集的点云所遮挡。 小组表示，该技术可用于改善改善机器感知所需的快速、准确的一系列情况，如工厂、家中无人车和机器人助手。

这项工作令人惊讶，如果我要求你在这几千朵云中找到小兔子，你就做不到这一点。 航空航天助理教授兼麻省理工学院实验室成员luca carlone说。 新闻和决策系统( lids )。 但是，我们的算法通过所有这些混乱可以看到对象。 所以我们在定位对象时达到了超人的性能水平。

carlone和研究生heng yang将于本月晚些时候在德国机器人:科学与系统会议上详细介绍这项技术。

不知不觉间失败

机器人目前正在尝试通过比较对象(如兔子)的三维点表示和现实世界中可能包含该对象的点云表示来识别点云中的对象。 模板图像包含描述对象的特征曲率和位置的特征和点的集合，例如兔子的耳朵和尾巴。 现有算法首先从现实点云中提取类似的特征，然后尝试使这些特征与模板的特征匹配，最终旋转以将特征与模板对齐，从而明确点云是否包含相关对象。

但是，流入机器人传感器的点云数据总是包含错误，以错误的位置和间隔不准确的点的形式，特征提取和匹配过程有可能被很大程度地混淆。 因此，机器人会产生很多错误的相关，或者研究者称之为点云之间的异常值，最终可以错误地识别对象，或者完全漏掉对象。

根据carlone的说法，功能一致后，最先进的算法可以从好的中筛选出坏的相关，但它们是在指数函数上花时间进行的。 也就是说，即使解决了大量的计算机，也无法通过现有算法密集筛选云数据，在合理的时间内处理问题。 这些技术是准确的，但分解包含密集点云的大型实际数据集并不现实。

可以更快地识别其他特征和相关的算法，在过程中会发生很多异常值和错误检测，不会注意到这些错误。

如果这是在自动驾驶汽车或安全重要的APP上运行，那就太可怕了。 carlone说。 在不知道你失败的情况下失败，这是可以算法的最糟糕的事件。

轻松的景色

yang和carlone设计了用多项式时间修剪异常值的技术。 这意味着对于越来越密集的点云也可以更快地完成。 因为，该技术可以更快、更准确地识别隐藏在杂乱场景中的对象。

研究人员首先利用传统的技术从点云中提取模板对象的特征。 然后，他们开发了一个三阶段过程，将点云中对象的大小、位置和方向与模板对象进行匹配，从而识别与坏特征相关的利益。

该小组开发了一种自适应投票方案，用于修剪异常值，使对象的大小和位置相匹配。 对于大小，算法会在模板和点云要素之间建立关联，并比较模板中的要素和点云中相应要素之间的相对距离。 例如，如果点云中两个元素之间的距离是模板中相应点的5倍，则算法将投票假设对象比模板对象大5倍。

该算法对每个特征执行此操作。 然后，该算法选择任何投票数最多的大小假设下的相关，将这些相关识别为正确的相关，并修整其他相关。 因此，该技术揭示了准确的相关性和这些相关性所表示的对象的相对大小。 使用相同的过程明确对象的位置。

研究人员开发了能够在三维空之间找出模板对象方向的单独的旋转算法。

实现这个是非常困难的计算工作。 想象一下拿着一个杯子，把它倾斜，试图与可能是同一个杯子的模糊图像匹配。 任何立场的杯子都可以倾斜。 各自的立场可能与模糊的图像一致。

现有技术通过将对象的潜在倾斜或旋转视为价格来解决这一问题。 价格越低，旋转在特征之间创建精确匹配的可能性就越高。 各个周转和相关的价格用各种各样的地形图表示，由多个山丘和山谷构成，低海拔与低价格相关。

但是，carlone先生说这很容易混淆算法。 特别地，如果有多个山谷，同时没有最低点，则表示对象的特定旋转和点云中的对象之间的真实情况，并且完全匹配。 相反，该团队开发了凸松弛算法，简化了地形图。 其中一个山谷代表最佳旋转。 因此，该算法可以快速识别定义点云中对象方向的旋转。

根据他们的做法，团队能够迅速且准确地识别隐藏在密度增加的点云中的三个不同物体:兔子、龙、佛陀。 他们还可以识别包括客厅在内的实际场景中的物体，其中算法很快就能发现麦片盒和棒球帽。

据carlone介绍，这种方法可以在多项式时间内工作，因此可以轻松扩展，以分解无人车等传感器数据的多样性和复杂性等更密集的点云。

导航、联合制造、家用机器人、搜索和救援、自动驾驶车是我们想影响的地方。 carlone说。

这个研究部分得到陆军研究实验室、海军研究室、谷歌白天研究计划的支持。

本文：《“在混乱中发现物体”》