利用关键点与部分亲和场进行 6D 物体位姿估计
计算机视觉与模式识别
2021-07-23 v2 机器人学
摘要
从RGB图像进行6D物体位姿估计是自主服务机器人与真实世界交互的重要需求。本文提出一个两步流水线来估计已知物体的6自由度平移与朝向。采用人体姿态估计的OpenPose CNN架构从输入图像预测关键点与部分亲和场（PAFs）。随后通过PnP-RANSAC算法在检测到的关键点与模型关键点间建立2D-3D对应，计算物体位姿。所提方法在YCB-Video数据集上评估，达到了与近期文献方法相当的精度。使用PAFs将检测关键点组装为物体实例比仅用热图更有优势。训练用于预测单一物体类关键点的模型显著优于训练用于多类的模型。
引用
@article{arxiv.2107.02057,
title = {6D Object Pose Estimation using Keypoints and Part Affinity Fields},
author = {Moritz Zappel and Simon Bultmann and Sven Behnke},
journal= {arXiv preprint arXiv:2107.02057},
year = {2021}
}
备注
In: Proceedings of 24th RoboCup International Symposium, June 2021, 12 pages, 6 figures