复现 MODEST 机器人抓取透明物体 单目 ICRA 2025

MODEST 单目透明物体抓取算法，来自ICRA 2025，本文分享它的复现过程。

输入单个视角的RGB图像，模型需要同时处理深度和分割任务，输出透明物体的分割结果和场景深度预测。

论文地址：

代码地址：

将算法迁移到真实机器人平台，开展了透明物体抓取实验。实验平台主要由UR机械臂和深度相机组成。

在借助MODEST方法对透明物体进行分割和深度预测，生成点云数据作为输入，进而采用GraspNet生成抓取位姿。

1、创建Conda环境

使用conda创建一个虚拟环境，名字为modest，指定使用python3.8

然后进入modest环境

conda create -n modest python=3.8
conda activate modest

2、安装torch和CUDA

需要安装torch==1.10.1+cu111，执行下面命令：

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

然后安装其他依赖

sudo apt-get install openexr libopenexr-dev

3、安装依赖库requirements.txt

下载MODEST代码到本地，然后解压

打开requirements.txt，注释torch==1.10.1+cu111、torchvision==0.11.2+cu111，因为上面安装了

然后执行命令，安装依赖库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4、准备数据集ClearPose

ClearPose 数据集是使用 RealSense L515 摄像头在室内环境中捕获的，捕获了 63 个透明物体。

它包含 RGB、原始深度、地面真实深度、地面真实表面法线图像以及所有物体实例6D位姿。

代码地址：

下载地址：

ClearPose 被分成 9 个集合，其中 Set1 只包含化学透明物体，Set2-7 只包含家居物品，Set8-9 还包含其他对抗因素。

文件夹结构如下：

<dataset_path>
|-- set1
    |-- scene1
        |-- metadata.mat            # 
        |-- 000000-color.png        # RGB image
        |-- 000000-depth.png        # Raw depth image
        |-- 000000-depth_true.png   # Ground truth depth image
        |-- 000000-label.png        #
        |-- 000000-normal_true.png  #
        ...
|-- model
    |-- <object1>
        |-- <object1>.obj
    |-- <object2>
        |-- <object2>.obj
        ...

示例数据：

5、下载 模型权重

Syn-TODD 数据集上预先训练的模型权重：

真实世界数据集 ClearPose 的模型权重：

然后创建文件夹ckpt，放到里面：

6、进行推理

首先配置文件：config/config.json，指定预训练权重ISGNet_clearpose.p

使用CPU运行，“device”:“cpu”；如果使用GPU，“device”:“cuda”

然后在推理代码inference.py中，需要修改图片路径，比如：

image_path = “./datasets/clearpose_downsample_100/set1/scene1/000000-color.png”

推理代码如下

import json
from models.Trainer import Trainer
from utils.visualize import *


image_path = "./datasets/clearpose_downsample_100/set1/scene1/000000-color.png"

################ load the config file ##################
with open('config/config.json', 'r') as f:
    config = json.load(f)

############### load the trainer ###############
trainer = Trainer(config)

############### start inference ##############
trainer.inference(image_path)

执行代码：

运行结果，在results目录保存了

原图是这样的

模型预测的深度图：

模型预测的分割效果：

MODEST对透明物体进行分割和深度预测，生成点云数据作为输入，进而采用GraspNet生成抓取位姿。

分享完成～