结合局部与全局位姿估计以实现相似物体的精确跟踪
计算机视觉与模式识别
2022-03-02 v1
摘要
本文提出了一种针对潜在相似且无纹理物体的多目标 6D 检测与跟踪流水线。该方法将用于物体分类与粗略位姿估计的卷积神经网络，与局部位姿细化及自动误匹配检测相结合，从而能够直接应用于实时增强现实（AR）场景。一种仅使用合成图像训练的新型网络架构，能够在降低 GPU 内存消耗的同时提升性能，实现多物体的同步位姿估计。此外，通过一个显式利用已知物体几何信息的局部边缘细化步骤，位姿估计得到了进一步改善。对于连续运动，仅使用局部细化可减少由几何歧义或遮挡引起的位姿误匹配。我们展示了整个跟踪流水线，并论证了该结合方法的优势。在一组具有挑战性的无纹理相似物体上的实验表明，相较于基线方法，其质量得到了提升。最后，我们展示了该系统如何应用于建筑领域的实际 AR 辅助应用中。
引用
@article{arxiv.2201.13278,
title = {Combining Local and Global Pose Estimation for Precise Tracking of Similar Objects},
author = {Niklas Gard and Anna Hilsmann and Peter Eisert},
journal= {arXiv preprint arXiv:2201.13278},
year = {2022}
}
备注
Accepted at VISAPP 2022