2023年BOP挑战赛：可见与未见刚性物体的检测、分割和姿态估计
计算机视觉与模式识别
2024-04-18 v2 机器人学
摘要
我们介绍了BOP挑战赛2023的评估方法、数据集和结果，这是旨在捕捉基于模型的RGB/RGB-D图像6D物体姿态估计及相关任务最新技术水平的系列公开竞赛中的第五届。除了2022年的三个任务（训练期间所见物体的基于模型的2D检测、2D分割和6D定位），2023年挑战赛引入了这些任务的新变体，专注于训练期间未见过的物体。在新任务中，方法需要在短暂的引导阶段（最多5分钟，1个GPU）内，从提供的3D物体模型中学习新物体。用于未见物体6D定位的最佳2023方法（GenFlow）显著达到了最佳2020方法（CosyPose）用于可见物体的精度，尽管速度明显较慢。用于可见物体的最佳2023方法（GPose）与最佳2022对应方法（GDRNPP）相比，实现了适度的精度提升，但运行时间显著提高了43%。自2017年以来，可见物体6D定位的精度提高了超过50%（从56.9 AR_C提高到85.6 AR_C）。在线评估系统保持开放，可通过以下网址访问：http://bop.felk.cvut.cz/。
引用
@article{arxiv.2403.09799,
title = {BOP Challenge 2023 on Detection, Segmentation and Pose Estimation of Seen and Unseen Rigid Objects},
author = {Tomas Hodan and Martin Sundermeyer and Yann Labbe and Van Nguyen Nguyen and Gu Wang and Eric Brachmann and Bertram Drost and Vincent Lepetit and Carsten Rother and Jiri Matas},
journal= {arXiv preprint arXiv:2403.09799},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2302.13075