BundleTrack:无需实例或类别级三维模型的新型物体六维位姿跟踪
计算机视觉与模式识别
2021-08-03 v1 人工智能
图形学
机器人学
摘要
在视频序列中跟踪物体的 6D 位姿对于机器人操作十分重要。然而,大多数先前的工作通常假设目标物体的 CAD 模型(至少类别级)可用于离线训练或在线模板匹配。本工作提出 BundleTrack,一种用于新型物体 6D 位姿跟踪的通用框架,其不依赖于实例级或类别级的三维模型。它利用了近期深度学习在分割和鲁棒特征提取方面的进展,以及记忆增强位姿图优化对于时空一致性的互补特性。这使得在各种挑战性场景(包括显著遮挡和物体运动)下实现长期、低漂移跟踪成为可能。基于两个公开基准的综合实验表明,所提方法显著优于最先进的类别级 6D 跟踪或动态 SLAM 方法。与依赖物体实例 CAD 模型的最先进方法相比,尽管所提方法的信息需求更少,仍取得了相当的性能。在 CUDA 中的高效实现为整个框架提供了 10Hz 的实时性能。代码见:https://github.com/wenbowen123/BundleTrack
引用
@article{arxiv.2108.00516,
title = {BundleTrack: 6D Pose Tracking for Novel Objects without Instance or Category-Level 3D Models},
author = {Bowen Wen and Kostas Bekris},
journal= {arXiv preprint arXiv:2108.00516},
year = {2021}
}