6DOPE-GS：基于高斯溅写的在线6D物体姿态估计
计算机视觉与模式识别
2025-04-04 v2 机器人学
摘要
高效且准确的物体姿态估计是众多应用（如增强现实、自动驾驶和机器人）中现代视觉系统的关键组件。虽然基于模型的6D物体姿态估计研究取得了令人鼓舞的成果，但模型无关方法在渲染和推断RGB-D视频流中任意物体的一致姿态方面受到高计算负载的制约。为解决此问题，我们提出6DOPE-GS，这是一种 novel method，用于通过单一RGB-D摄像机进行在线6D物体姿态估计与跟踪，有效利用高斯溅写技术的进展。由于高斯溅写快速可微分渲染能力，6DOPE-GS能够同时优化6D物体姿态和3D物体重建。为实现实时跟踪所需的效率与准确性，本方法采用增量2D高斯溅写并结合智能动态关键帧选择程序，以实现高空间物体覆盖并防止错误姿态更新。我们还提出了基于不透明度统计的修剪机制，用于自适应控制高斯密度，确保训练稳定性和效率。在HO3D和YCBInEOAT数据集上进行评估，结果表明6DOPE-GS在提供5倍加速的同时，匹配了最新模型无关方法在6D姿态跟踪和重建方面的性能。我们还展示了该方法在真实场景下进行实时、动态物体跟踪和重建的适用性。
引用
@article{arxiv.2412.01543,
title = {6DOPE-GS: Online 6D Object Pose Estimation using Gaussian Splatting},
author = {Yufeng Jin and Vignesh Prasad and Snehal Jauhri and Mathias Franzius and Georgia Chalvatzaki},
journal= {arXiv preprint arXiv:2412.01543},
year = {2025}
}