Reference Paper : https://arxiv.org/abs/2203.01929 INTRODUCTION CentenrSnap 논문에서 가장 먼저 소개되는 내용은 위 사진과 같은 전체 적인 모델의 파이프라인이다. 최근 shape reconstruction 과 categry-level 6D pose 연구에서는 위 사진의 왼쪽 부분과 같이 Multi-stage 방식으로 많이 연구 되어진다. 보통 첫번째 stage에서는 2D detection 을 위한 단계이고 두번째 단계에서 object recontstruction 혹은 6D pose estimation 이 이루어진다. 이러한 과정은 투 Stage이기 때문에 비용적으로 효율적이지 못하고 real-world 에서 새로운 Instance의 추론에 있어 ..

오늘은 NOCS DATASET을 분석하여 정리해보고자한다. NOCS DATASET은 Category-level pose estimation 을 하기 위한 Dataset이라 할 수 있다. Instance level 6D pose estimation 에서와는 달리 훈련 또는 Test 에 정확한 개체 CAD 모델을 사용할 수 없다고 가정한다. Instance level 6D pose estimation 의 최근 연구동향으로는 template matching 방식 또는 object coordinates regression 방식으로 나뉜다. 탬플릿 매칭 기법은 3D CAD 모델을 촬영한 3D point cloud 데이터에 반복적으로 모든 점을 알고리즘으로 정렬하는 방식으로 진행된다. 객체 좌표 회귀 방법은 각각의..

우리가 협동로봇으로 Bin Picking Task를 수행할 때 가장 중요한 것은 카메라가 바라보는 물체의 좌표계를 로봇 베이스 좌표계로 변환하여 로봇의 6D POSE를 제어해야한다는 것이다. 이를 위해서 보편적으로 hand-eye calibration을 수행하게 된다. 이는 패턴이 있는 이진화된 보드를 카메라로 여러장 촬영함으로써 카메라의 외부 파라미터 ( 변환, 이동 행렬)을 획득하고 자세를 추정하기 위함이다. 이때 가장 많이 쓰이는 패턴은 Aruco , ChAruco 패턴으로 빠르게 Detection하고 유연하다는 장점이 있다. Charuco 보드는 chessboard와 Aruco 패턴의 결합으로 체커보드 모서리의 높은 서브 픽셀 검출 정확도를 이용하여 Aruco 마커의 위치 결정 정확도의 단점을 보..

- paper : : Boschetti, G.; Sinico, T.; Trevisani, A. Improving Robotic Bin-Picking Performances through Human–Robot Collaboration. Appl. Sci. 2023, 13, 5429. https://doi.org/ 10.3390/app13095429 Bin picking을 하기 위한 중요한 과제는 먼저 3D Object detection, 6d pose estimation, Grasping strategies, path planning 마지막으로 collision avoidance 가 있을 수 있겠다. 하지만 결과적으로 이 모든 Task를 잘 수행하도록 하는것은 어렵고 또한 표준화하는것이 상당히 어려운것이 ..

1. Intro 대부분의 Pose Estimation Task에서는 객체에 대한 3D CAD 모델에 의존하며 이미 모델을 가지고 있다 하고 가정한다. 최근에는 Instance-level CAD 모델에 의존하지 않기 위해 category-level에서의 pose estimation 연구가 많이 진행되어 왔다. 같은 category 내의 서로다른 Instance들을 하나의 범주로 묶으면서 새로운 인스턴스를 일반화 할수 있게 되었지만 여전히 이는 많은 훈련 샘플을 요하고 또한 새로운 Instance가 기존의 category 샘플들에서 아주 다른 모양이나 크기를 가지게 되면 일반화 기능이 보장되지 않을 수 있다. 이러한 문제를 해결하기 위한 완전히 새로운 방식의 모델을 제안하는것이 OnPose이다. 객체의 sp..

우리가 앞서 기존 Nerf 모델에서 이미지를 더욱 자세히 표현하게 해주는 기법인 Positional Encoding 기법에 대하여 다룬적이 있다. 기존의 Encoding 방식에서의 단점은 computational cost가 크기 때문에 속도가 엄청 느린 단점이 존재하였다. 이번에 소개할 논문은 어떤 Task에 국한 되지 않고 Nerf 이외에도 다양한 방법론에서 쓰일 수 있는 Multiresolution Hash Encoding 기법을 소개하며 동시에 빠르고 높은 퀄리티로 선명한 이미지를 얻을 수 있게하는 방법론을 제시한다. 1.INTRODUCTION 여러가지 분야에 적용될 수 있는 이번 Encoding 방식은 크게 4가지 방식에 적용될 수 있다고한다. GigaPixel image => SuperResou..