6D pose tracking of bins without CAD model using RGBD data: evaluation of the BundleTrack algorithm

Abstract

De onderzoeksgroep Automatisering, Computer vision en Robotica (ACRO) van KU Leuven heeft een heftruck ontwikkeld die houten bakken, of palloxen, in een boomgaard kan oppakken. Om dit te automatiseren, is het belangrijk om de six degrees-of-freedom (6D)-pose van een pallox te bepalen. Voor het volgen van de palloxen werd een tracking by detection-algoritme gebruikt voor het eerste frame, en een snellere temporal tracking-methode zonder een Computer Aided Design (CAD)-model voor de volgende frames. Op die manier kan het algoritme de palloxen nauwkeurig en efficiënt volgen, terwijl het weinig rekenkracht vereist. Deze paper presenteert een softwareoplossing die gebruik maakt van BundleTrack in combinatie met het Segment Anything Model (SAM) en bijkomende code. Het voorgestelde algoritme berekent de 6D-pose van het object ten opzichte van het eerste frame en gebruikt de RealSense LIDAR L515 camera voor gegevensvastlegging. De nauwkeurigheid van de oplossing werd geëvalueerd door de output van het algoritme te vergelijken met de ground truth-metingen, verkregen met het 6DPoseAnnotator-algoritme. BundleTrack schat de 6D-pose van de pallox nauwkeurig in, met een gemiddelde rotatiefout van 2,93° en een positiefout van 7,74 cm. Het behaalt een Area Under Curve (AUC) van 26,17 voor de Average Distance of Points (ADD) metriek en een AUC van 72,94 voor de Average Distance of Points Symmetry (ADD-S) metriek. Daarnaast heeft het algoritme een realtimeprestatie van 6 Hz, maar vereist het verdere optimalisatie voor volledige autonomie.