BCOT：一种无标记高精度三维物体跟踪基准
计算机视觉与模式识别
2022-03-28 v1
摘要
基于模板的三维物体跟踪由于缺乏真实场景的高精度基准而受限，原因在于难以在不使用标记的情况下标注真实运动视频物体的精确三维位姿。本文中，我们提出一种多视角方法来估计真实运动物体的精确三维位姿，然后利用双目数据构建用于单目无纹理三维物体跟踪的新基准。所提方法无需标记，且相机仅需同步、作为交叉视角相对固定并经过标定。基于我们以物体为中心的模型，我们通过最小化所有视角中的形状重投影约束来联合优化物体位姿，与单视角方法相比大幅提高了精度，甚至比基于深度的方法更精确。我们的新基准数据集包含 20 个无纹理物体、22 个场景、404 个视频序列以及真实场景中采集的 126K 图像。根据理论分析和验证实验，标注误差保证小于 2mm。我们使用我们的数据集重新评估了最先进的（SOTA）三维物体跟踪方法，报告了它们在真实场景中的性能排名。我们的 BCOT 基准和代码可在 https://ar3dv.github.io/BCOT-Benchmark/ 找到。
引用
@article{arxiv.2203.13437,
title = {BCOT: A Markerless High-Precision 3D Object Tracking Benchmark},
author = {Jiachen Li and Bin Wang and Shiqiang Zhu and Xin Cao and Fan Zhong and Wenxuan Chen and Te Li and Jason Gu and Xueying Qin},
journal= {arXiv preprint arXiv:2203.13437},
year = {2022}
}