基于语义关键点的六自由度物体位姿估计
计算机视觉与模式识别
2017-03-16 v1 机器人学
摘要
本文提出了一种从单张 RGB 图像估计物体连续六自由度(6-DoF)位姿(三维平移与旋转)的新方法。该方法将卷积网络(convnet)预测的语义关键点与可变形形状模型相结合。与先前工作不同，我们无论物体是否有纹理均适用，因为卷积网络从可用的训练图像数据中学习最优表示。此外，该方法可应用于基于实例与基于类别的位姿恢复。通过实验，我们表明所提方法能在杂乱背景下准确恢复基于实例与基于类别场景下的 6-DoF 物体位姿。对于基于类别的物体位姿估计，在大规模 PASCAL3D+ 数据集上展示了最先进的精度。
引用
@article{arxiv.1703.04670,
title = {6-DoF Object Pose from Semantic Keypoints},
author = {Georgios Pavlakos and Xiaowei Zhou and Aaron Chan and Konstantinos G. Derpanis and Kostas Daniilidis},
journal= {arXiv preprint arXiv:1703.04670},
year = {2017}
}
备注
IEEE International Conference on Robotics and Automation (ICRA), 2017