3DPVNet：用于 6D 姿态估计的块级三维霍夫投票网络
计算机视觉与模式识别
2020-09-16 v1
摘要
本文关注点云中物体 6D 姿态的估计。尽管该主题已被广泛研究，由于点云中的噪声与遮挡，姿态估计仍具挑战性。为解决该问题，本文提出新颖的 3DPVNet，其利用三维局部块对物体 6D 姿态进行投票。3DPVNet 由三个模块组成。特别地，首先引入块统一（\textbf{PU}）模块以归一化输入块，并为其创建标准局部坐标系以生成可靠投票。我们随后在网络中设计加权引导邻域特征融合（\textbf{WNFF}）模块，融合邻域特征以为中心块产生半全局特征。WNFF 模块挖掘局部块的邻域信息，从而显著增强对局部几何特征的表征能力，使方法对一定水平噪声具有鲁棒性。此外，我们提出块级投票（\textbf{PV}）模块以回归变换并生成姿态投票。在所有块投票聚合及精炼步骤后，可获得物体最终姿态。与近期基于投票的方法相比，3DPVNet 为块级且直接在点云上进行。因此，3DPVNet 比点/像素级投票方案计算量更少，并对部分数据具有鲁棒性。在多个数据集上的实验表明，3DPVNet 达到了最先进性能，并对噪声与遮挡具有鲁棒性。
引用
@article{arxiv.2009.06887,
title = {3DPVNet: Patch-level 3D Hough Voting Network for 6D Pose Estimation},
author = {Yuanpeng Liu and Jun Zhou and Yuqi Zhang and Chao Ding and Jun Wang},
journal= {arXiv preprint arXiv:2009.06887},
year = {2020}
}
备注
9 pages, 5 figures