CloudAAE：在点云上通过在线数据合成学习 6D 物体位姿回归
计算机视觉与模式识别
2021-03-04 v1
摘要
由于人工标注成本高昂，通常希望在合成数据上训练 6D 位姿估计系统。然而，由于合成与真实图像间存在巨大域差距，合成彩色图像代价高昂。相比之下，对于深度信息，该域差距明显更小且更易弥补。本工作中，我们提出一个从以点云表示的深度信息回归 6D 物体位姿的系统，以及一条轻量合成数据流水线，用于生成训练用的合成点云片段。我们使用增强自编码器（AAE）学习编码 6D 物体位姿信息的潜码以进行位姿回归。该数据合成流水线仅需无纹理的 3D 物体模型与期望视角，且在时间与硬件存储上均很廉价。我们的数据合成过程比常用的渲染 RGB 图像数据方法快至多三个数量级。我们在 LineMOD、LineMOD Occlusion 与 YCB Video 数据集上展示了系统的有效性。我们的系统实现见：https://github.com/GeeeG/CloudAAE。
引用
@article{arxiv.2103.01977,
title = {CloudAAE: Learning 6D Object Pose Regression with On-line Data Synthesis on Point Clouds},
author = {Ge Gao and Mikko Lauri and Xiaolin Hu and Jianwei Zhang and Simone Frintrop},
journal= {arXiv preprint arXiv:2103.01977},
year = {2021}
}
备注
Accepted to ICRA 2021