基于无标记深度学习的移动机器人RGB数据6自由度位姿估计

增强现实因其能够增强人机交互与理解而受到工业界各类集成尝试的关注。神经网络在计算机视觉领域取得了显著成果，具有协助和促进增强现实体验的巨大潜力。然而，大多数神经网络计算密集且需要巨大的处理能力，因此不适合部署在增强现实设备上。本工作中，我们提出一种在增强现实设备上部署最先进神经网络以实现实时3D物体定位的方法。据此，我们提供了一种更自动化的增强现实设备与移动机器人系统标定方法。为加速标定过程并提升用户体验，我们聚焦于快速2D检测方案，其仅利用2D输入即可快速且准确地提取物体的3D位姿。结果被实现为一个用于直观机器人控制与传感器数据可视化的增强现实应用。对于2D图像的6D标注，我们开发了一个标注工具，据我们所知，这是首个可用的开源工具。我们取得了可行的结果，普遍适用于任何增强现实设备，从而使本工作对结合高需求神经网络与物联网设备的进一步研究具有前景。