基于相关性融合的六维位姿估计
计算机视觉与模式识别
2021-04-07 v2 机器人学
摘要
六维物体位姿估计在抓取与操作等机器人任务中应用广泛。先前仅使用RGB图像的方法易受严重遮挡与光照不佳的影响，因此利用深度信息对其进行补充十分重要。然而，现有使用RGB-D数据的方法未能充分挖掘RGB与深度模态间一致且互补的信息。本文提出一种新方法，通过注意力机制有效考虑两模态内部及跨模态的相关性，以学习具有判别力且紧凑的多模态特征。随后，探索了内部相关与跨相关模块的有效融合策略，以确保RGB与深度间的信息高效流动。据我们所知，这是首项在六维位姿估计中探索有效模态内与模态间融合的工作。实验结果表明，我们的方法在LineMOD与YCB-Video数据集上达到了最先进的性能。我们还展示了所提方法可通过提供精确物体位姿估计，惠及真实世界机器人抓取任务。
引用
@article{arxiv.1909.12936,
title = {6D Pose Estimation with Correlation Fusion},
author = {Yi Cheng and Hongyuan Zhu and Ying Sun and Cihan Acar and Wei Jing and Yan Wu and Liyuan Li and Cheston Tan and Joo-Hwee Lim},
journal= {arXiv preprint arXiv:1909.12936},
year = {2021}
}
备注
Accepted by ICPR2020