elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Unknown Object Segmentation from Stereo Images

Durner, Maximilian und Boerdijk, Wout und Sundermeyer, Martin und Friedl, Werner und Marton, Zoltan-Csaba und Triebel, Rudolph (2021) Unknown Object Segmentation from Stereo Images. In: 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2021. International Conference on Intelligent Robots and Systems, 2021-09-27 - 2021-10-01, Prague (online). doi: 10.1109/IROS51168.2021.9636281. ISBN 978-166541714-3. ISSN 2153-0858.

[img] PDF
5MB

Kurzfassung

Although instance-aware perception is a key prerequisite for many autonomous robotic applications, most of the methods only partially solve the problem by focusing solely on known object categories. However, for robots interacting in dynamic and cluttered environments, this is not realistic and severely limits the range of potential applications. Therefore, we propose a novel object instance segmentation approach that does not require any semantic or geometric information of the objects beforehand. In contrast to existing works, we do not explicitly use depth data as input, but rely on the insight that slight viewpoint changes, which for example are provided by stereo image pairs, are often sufficient to determine object boundaries and thus to segment objects. Focusing on the versatility of stereo sensors, we employ a transformer-based architecture that maps directly from the pair of input images to the object instances. This has the major advantage that instead of a noisy, and potentially incomplete depth map as an input, on which the segmentation is computed, we use the original image pair to infer the object instances and a dense depth map. In experiments in several different application domains, we show that our Instance Stereo Transformer (INSTR) algorithm outperforms current state-of-the-art methods that are based on depth maps. Training code and pretrained models are available at https://github.com/DLR-RM/instr

elib-URL des Eintrags:https://elib.dlr.de/145858/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Unknown Object Segmentation from Stereo Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Durner, Maximilianmaximilian.durner (at) dlr.dehttps://orcid.org/0000-0001-8885-5334NICHT SPEZIFIZIERT
Boerdijk, WoutWout.Boerdijk (at) dlr.dehttps://orcid.org/0000-0003-0789-5970NICHT SPEZIFIZIERT
Sundermeyer, Martinmartin.sundermeyer (at) dlr.dehttps://orcid.org/0000-0003-0587-9643NICHT SPEZIFIZIERT
Friedl, WernerWerner.Friedl (at) dlr.dehttps://orcid.org/0000-0003-3002-7274NICHT SPEZIFIZIERT
Marton, Zoltan-CsabaZoltan.Marton (at) dlr.dehttps://orcid.org/0000-0002-3035-493XNICHT SPEZIFIZIERT
Triebel, Rudolphrudolph.triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Datum:2021
Erschienen in:2021 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2021
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/IROS51168.2021.9636281
ISSN:2153-0858
ISBN:978-166541714-3
Status:veröffentlicht
Stichwörter:instance segmentation unknown object segmentation stereo-vision
Veranstaltungstitel:International Conference on Intelligent Robots and Systems
Veranstaltungsort:Prague (online)
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:27 September 2021
Veranstaltungsende:1 Oktober 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Multisensorielle Weltmodellierung (RM) [RO]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Durner, Maximilian
Hinterlegt am:22 Nov 2021 09:55
Letzte Änderung:24 Apr 2024 20:44

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.