CA-SpaceNet：面向空间 6D 位姿估计的反事实分析
计算机视觉与模式识别
2022-07-19 v1
摘要
对非合作空间目标的可靠且稳定的 6D 位姿估计在在轨服务与碎片清除任务中起着至关重要的作用。考虑到位姿估计器对背景干扰敏感，本文提出一种名为 CA-SpaceNet 的反事实分析框架，以在复杂背景下完成星载目标的鲁棒 6D 位姿估计。具体而言，在事实情形下，采用常规方法提取整幅图像的特征。在反事实情形下，构想一幅不存在目标、仅有背景的虚构图像。通过反事实分析降低背景干扰带来的副作用，从而在最终结果中得到无偏预测。此外，我们还对 CA-SpaceNet 进行了低比特宽度量化，并将该框架的一部分部署到 FPGA 上的存内处理（PIM）加速器。定性与定量结果证明了我们所提方法的有效性与高效性。据我们所知，本文首次将因果推断与网络量化应用于星载目标的 6D 位姿估计。代码见 https://github.com/Shunli-Wang/CA-SpaceNet。
引用
@article{arxiv.2207.07869,
title = {CA-SpaceNet: Counterfactual Analysis for 6D Pose Estimation in Space},
author = {Shunli Wang and Shuaibing Wang and Bo Jiao and Dingkang Yang and Liuzhen Su and Peng Zhai and Chixiao Chen and Lihua Zhang},
journal= {arXiv preprint arXiv:2207.07869},
year = {2022}
}
备注
8 pages, 6 figures, IROS-2022 conference paper