近日，计算机视觉领域“奥斯卡”CVPR 2022公布论文收录结果，全球AMR引领者极智嘉(Geek+)联合美国卡耐基梅隆大学(CMU)和印度理工大学(IIT) 撰写的物体重识别技术论文成功入选，再度印证了极智嘉在人工智能领域的领先科研水平，同时进一步奠定了极智嘉的行业领先地位。

IEEE国际计算机视觉与模式识别会议（Conference on Computer Vision and Pattern Recognition, CVPR）是计算机视觉领域的顶级国际性盛会。根据谷歌学术公布的2021年最新学术期刊和会议影响力排名，CVPR在所有学术刊物中位居第四，仅次于《Nature》、《NEJM》和《Science》。CVPR对论文的收录有着极其严格的评选标准，入选难度极大。本届CVPR的论文有效投稿量再创新高,多达8160篇，接收率仅为25.33%，竞争十分激烈。

技术创新 性能磅礴

高效率丨高灵活丨高安全

物体的重识别能力对于机器人的智能化至关重要，这决定着订单拣选任务完成的质量。极智嘉搬运产品部撰写的入选论文《AirObject : A Temporally Evolving Graph Embedding For Object Identification》创新地提出用于视觉感知的物体重识别技术，赋予机器人识别和记忆不同物体和行人的能力。

此前，极智嘉搬运产品部联合卡耐基梅隆大学(CMU)提出的用于视觉定位导航的全新提取对象描述符算法论文也获得了机器人顶级盛会ICRA和著名机器人期刊RA-L收录。

作为应用这两大创新技术的产品，极智嘉订单到人拣选机器人A60C凭借着先进的视觉定位和视觉感知技术，可以安全稳定地在复杂场景中人机混行，满足几乎所有工业、仓库场景实时变化的需求。

▲ 极智嘉订单到人拣选机器人A60C

持续创新 以技为用

学术赋能产品升级

为了提高机器人在工厂仓库环境下的物体重识别能力，我们提出了以下算法：首先使用Superpoint网络和MaskRCNN在每帧图像上提取物体的特征点和实例分割的掩膜。为了能够利用上物体的结构信息，我们使用Delaunay Triangulation算法对物体上的特征点进行三角剖分（得到一系列相连的但不重叠的三角形的集合，而且这些三角形的外接圆不包含这个面域的其他任何点）。

在得到物体的结构信息后，我们采用图神经网络GAT算法和稀疏化网络提取单帧物体上的描述符。最后使用TCP网络和SAP层聚合多帧物体的描述符，为每个物体形成描述其特性的唯一编码，用于物体的重识别。

▲ 算法流程（左）和仓库环境下的物体检测（右）

极智嘉订单到人拣选机器人A60C在某些拣选任务中，需要完成跟随仓库人员到达不同的货架取货(Follow Me)的功能。此时，机器人的物体识别和行人跟随能力将决定任务完成的质量。通过全新的物体重识别算法，A60C能够在极其复杂的场景下稳定高效地完成行人跟随和订单到人的任务，助力拣选效率实现2-3倍提升。

为了使A60C能够更加准确的重识别物体，我们在监督网络训练时加权使用了三个损失函数：特征稀疏化损失函数、描述符稠密化损失函数和物体重识别损失函数。损失函数三部分相互平衡，极大的提升了机器人的视觉感知能力。

▲ 网络训练的损失函数

我们进行了大量的实验去验证算法的有效性。新算法在YT-VIS、UVO、OVIS和TAO-VOS都取得了优异的性能，其Precision、Recall和F1-score均比当前SOTA的算法提升较多。

▲ 不同数据集下算法的性能对比

论文链接：

https://arxiv.org/pdf/2111.15150.pdf