上下文中自遮挡物体的三维配准
计算机视觉与模式识别
2020-11-24 v1
摘要
尽管三维点云配准任务已取得诸多进展，目前仍不存在能够估计由 2.5D 传感器在场景中观测到的物体 6D 位姿的基于学习的方法。该场景的挑战在于：多数测量值为描绘物体周围上下文的离群点，以及完整三维物体模型与其自遮挡观测之间的不匹配。我们提出首个能有效处理该场景的深度学习框架。我们的方法由一个实例分割模块和一个位姿估计模块组成，能够以一次性方式执行三维配准，无需昂贵的迭代过程。我们进一步开发了一种基于即时渲染的训练策略，在时间与内存上均高效。我们的实验证明了该方法相对于最先进的传统与基于学习的三维配准方法的优越性。
引用
@article{arxiv.2011.11260,
title = {3D Registration for Self-Occluded Objects in Context},
author = {Zheng Dang and Fei Wang and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2011.11260},
year = {2020}
}
备注
8 pages