在 RGB-D 点云上进行三维卷积以实现精确的免模型物体位姿估计
机器人学
2019-01-01 v1 计算机视觉与模式识别
机器学习
摘要
传统的三维物体位姿估计通常需要该物体的三维模型知识。即便随着卷积神经网络（CNNs）近期的发展，在最终估计中往往仍需要一个三维模型。本文提出一种两阶段流水线，其接收原始彩色点云数据，并通过在体素上运行三维卷积来估计物体的平移与旋转。该流水线简单却高度精确：平移误差降低至体素分辨率（约 1 cm），旋转误差约 5 度。该流水线还被应用于实际机器人抓取测试，对测试物体取得了 above 90% 的成功率。另一创新之处在于使用动作捕捉系统自动标注点云样本，从而使得快速收集大量高精度真实数据用于训练神经网络成为可能。
引用
@article{arxiv.1812.11284,
title = {3D Convolution on RGB-D Point Clouds for Accurate Model-free Object Pose Estimation},
author = {Zhongang Cai and Cunjun Yu and Quang-Cuong Pham},
journal= {arXiv preprint arXiv:1812.11284},
year = {2019}
}