BOP 2022 挑战赛：特定刚体目标的检测、分割与位姿估计
计算机视觉与模式识别
2023-02-28 v1
摘要
我们介绍了 BOP 2022 挑战赛的评估方法、数据集与结果，这是一系列公开竞赛中的第四届，其目标是把握从 RGB/RGB-D 图像进行 6D 物体位姿估计领域的现状。2022 年，我们见证了位姿估计精度的又一次显著提升——2019 年的最先进水平为 56.9 AR（Vidal 等人），2020 年为 69.8 AR（CosyPose），现已提升至 83.7 AR（GDRNPP）的新高度。在自 2019 年以来评估的 49 种位姿估计方法中，前 18 名均来自 2022 年。基于点对特征的方法于 2010 年提出，甚至在 2020 年仍取得有竞争力的结果，现已被深度学习方法明显超越。合成到真实的域差距再次显著缩小，仅使用 BlenderProc 合成图像训练的 GDRNPP 达到了 82.7 AR。GDRNPP 的最快变体达到了 80.5 AR，平均每张图像耗时 0.23s。由于近期大多数 6D 物体位姿估计方法都从检测/分割物体开始，我们也开始基于 COCO 指标评估 2D 物体检测与分割性能。与 2020 年 CosyPose 的 Mask R-CNN 结果相比，检测从 60.3 AP 提升至 77.3 AP，分割从 40.5 AP 提升至 58.7 AP。在线评估系统保持开放，可从以下网址访问：\href{http://bop.felk.cvut.cz/}{bop.felk.cvut.cz}。
引用
@article{arxiv.2302.13075,
title = {BOP Challenge 2022 on Detection, Segmentation and Pose Estimation of Specific Rigid Objects},
author = {Martin Sundermeyer and Tomas Hodan and Yann Labbe and Gu Wang and Eric Brachmann and Bertram Drost and Carsten Rother and Jiri Matas},
journal= {arXiv preprint arXiv:2302.13075},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2009.07378