雖然在透明物體上，RGB-D 經(jīng)典的深度估算方法無法給出準(zhǔn)確數(shù)據(jù)，但仍然有一些蛛絲馬跡暗示了物體的形狀。最重要的一點是，透明表面會出現(xiàn)鏡面反射，在光線充足的環(huán)境中會顯示成亮點，在 RGB 圖像中非常明顯，而且主要受到物體形狀的影響。

因此，卷積神經(jīng)網(wǎng)絡(luò)可以利用這些反射數(shù)據(jù)推斷出準(zhǔn)確的表面法線，然后將其用于深度估算。

另一方面，大多數(shù)機器學(xué)習(xí)算法都嘗試直接從單眼 RGB 圖像中估計深度，不過即使對于人類而言，這也是一個困難的任務(wù)。尤其在背景表面比較平滑時，現(xiàn)有算法對深度的估計會出現(xiàn)很大的誤差。這也會進(jìn)一步加大透明物體深度的估算誤差。

基于此，研究人員認(rèn)為與其直接估算透明物體深度，不如矯正 RGB-D 相機的初始深度估算數(shù)據(jù)。這樣更容易實現(xiàn)，還可以通過非透明表面的深度來推算透明表面的深度。

ClearGrasp 算法

ClearGrasp 算法使用了三個神經(jīng)網(wǎng)絡(luò)：一個用于估計表面法線，一個用于分析受遮擋邊界（深度不連續(xù)），另一個給透明對象罩上蒙版。蒙版負(fù)責(zé)刪除透明對象的所有像素，以便填充上正確的深度數(shù)據(jù)。

研究人員使用了一種全局優(yōu)化模塊，可以預(yù)測表面法線并利用其來引導(dǎo)形狀的重建，實現(xiàn)對已知表面深度的拓展，還可以利用推算出的遮擋邊界來保持不同物體之間的分離狀態(tài)。

由于研究人員創(chuàng)建的數(shù)據(jù)集存在局限性，比如訓(xùn)練圖片只包含放在地平面上的透明物體，因此初期的ClearGrasp 算法判斷墻壁等其他表面法線的表現(xiàn)很差。為了改善這一問題，他們在表面法線估算訓(xùn)練中加入了 Matterport3D 和 ScanNet 數(shù)據(jù)集中的真實室內(nèi)場景，雖然沒有透明物體，但針對真實場景的訓(xùn)練有效提高了算法估算表面法線的準(zhǔn)確率。

圖 | 三套神經(jīng)網(wǎng)絡(luò)各有不同分工（來源：谷歌 AI）

為了系統(tǒng)分析 ClearGrasp 的性能，研究人員分別利用 RGB-D 數(shù)據(jù)和 ClearGrasp 數(shù)據(jù)構(gòu)造了 3D 點云。點云顯示了算法所生成的 3D 表面形狀干凈且連貫，沒有原始單眼深度估算法中常見的鋸齒狀噪聲，而且還可以分辨復(fù)雜圖案背景下的透明物體，以及區(qū)分相互遮擋的透明物體。

最重要的是，ClearGrasp 輸出深度數(shù)據(jù)可以直接控制依賴于 RGB-D 圖像的機械臂。

研究人員使用了 UR5 工業(yè)機械臂進(jìn)行測試，將其原始傳感器數(shù)據(jù)替換成 ClearGrasp 輸出深度數(shù)據(jù)后，它的透明物體抓取成功率得到了顯著改善：平行夾爪的成功率從 12% 大幅提升到 74%，吸爪的成功率從 64% 提升到 86%。

圖 | UR5 機械臂拾取透明物體（來源：谷歌 AI）

雖然分辨透明物體的準(zhǔn)確率已經(jīng)有了大幅提升，但新算法仍然有很大的進(jìn)步空間。

研究人員認(rèn)為，受到訓(xùn)練數(shù)據(jù)集和傳統(tǒng)路徑跟蹤及渲染算法的局限性影響，ClearGrasp 仍然不能準(zhǔn)確分辨散焦線，經(jīng)常會把明亮的散焦線和物體陰影混淆為獨立的透明物體。這將是未來的重要研究方向之一。

研究人員相信，這項研究成果證明了，基于深度學(xué)習(xí)的深度數(shù)據(jù)重建方法足以勝過傳統(tǒng)方法，使機器能夠更好地感知透明表面，不僅有望提高 LIDAR 無人駕駛等技術(shù)的安全性，而且還可以在多變的應(yīng)用場景中開啟新的交互方式，讓分類機器人或者室內(nèi)導(dǎo)航等技術(shù)更加高效和可靠。