类别级关节物体姿态估计
计算机视觉与模式识别
2020-04-10 v2 人工智能
机器人学
摘要
本项目解决从单张深度图像对关节物体进行类别级姿态估计的任务。我们提出一种新颖的类别级方法，能够正确处理训练期间未见过的新物体实例。我们引入关节感知归一化坐标空间层次结构（ANCSH）——一种用于给定类别中不同关节物体的规范表示。作为实现类内泛化的关键，该表示构建了一个规范物体空间以及一组规范部件空间。规范物体空间对物体朝向、尺度与关节状态（如关节参数与状态）进行归一化，而每个规范部件空间进一步对其部件姿态与尺度进行归一化。我们开发了基于PointNet++的深度网络，从单张深度点云预测ANCSH，包括部件分割、归一化坐标以及规范物体空间中的关节参数。通过利用规范化后的关节，我们展示了：1）利用关节导出的运动学约束，改进了部件姿态与尺度估计的性能；2）在相机空间中关节参数估计的高精度。
引用
@article{arxiv.1912.11913,
title = {Category-Level Articulated Object Pose Estimation},
author = {Xiaolong Li and He Wang and Li Yi and Leonidas Guibas and A. Lynn Abbott and Shuran Song},
journal= {arXiv preprint arXiv:1912.11913},
year = {2020}
}
备注
14 pages, 8 figures