物体姿态估计的3D重建方法的比较评估
计算机视觉与模式识别
2025-06-17 v2
摘要
物体姿态估计对于涉及机器人操作、导航和增强现实的许多工业应用至关重要。当前的通用物体姿态估计器，即无需针对每个物体进行训练的方法，依赖于精确的3D模型。主要使用CAD模型，这在实践中可能难以获取。同时，通常可以获取物体的图像。这自然引出了一个问题：从图像重建的3D模型是否足以实现精确的物体姿态估计。我们旨在通过提出一种新的基准来回答这个问题，用于衡量3D重建质量对姿态估计精度的影响。我们的基准为物体重建提供了经过校准的图像，这些图像与YCB-V数据集的测试图像配准，用于在BOP基准格式下进行姿态评估。与多种最先进的3D重建和物体姿态估计方法的详细实验表明，现代重建方法产生的几何结构通常足以实现精确的姿态估计。我们的实验得出了有趣的观察结果：（1）衡量3D重建质量的标准指标不一定能反映姿态估计的准确性，这表明需要像我们这样的专用基准。（2）经典的非学习方法可以与现代基于学习的重建技术相媲美，甚至可以提供更好的重建时间-姿态精度权衡。（3）使用重建模型与使用CAD模型相比，性能之间仍存在相当大的差距。为了促进缩小这一差距的研究，我们的基准在https://github.com/VarunBurde/reconstruction_pose_benchmark上公开发布。
引用
@article{arxiv.2408.08234,
title = {Comparative Evaluation of 3D Reconstruction Methods for Object Pose Estimation},
author = {Varun Burde and Assia Benbihi and Pavel Burget and Torsten Sattler},
journal= {arXiv preprint arXiv:2408.08234},
year = {2025}
}