基于 RGB-D 数据的已知物体上下文感知六维位姿估计
计算机视觉与模式识别
2022-12-13 v1 机器人学
摘要
六维物体位姿估计一直是计算机视觉与机器人领域的研究课题。许多现代应用，如机器人抓取、操控、自主导航等，都需要场景中物体的正确位姿以执行其特定任务。当物体被置于杂乱场景且遮挡程度较高时，问题变得更加困难。先前的工作试图克服该问题，但未能达到可被认为在真实应用中可靠的精度。在本文中，我们提出了一种与先前工作不同、具有上下文感知能力的架构。它利用了关于物体可获取的上下文信息。我们提出的架构根据物体类型（即对称与非对称）分别处理。由于内在差异，对非对称物体使用了比对称物体更深的估计器与细化器网络对。我们的实验表明，在被视为遮挡与杂乱场景中位姿估计基准的 LineMOD 数据集上，相较先前最先进的 DenseFusion，精度提升了约 3.2%。我们的结果还表明，所获得的推理时间足以用于实时使用。
引用
@article{arxiv.2212.05560,
title = {Context-aware 6D Pose Estimation of Known Objects using RGB-D data},
author = {Ankit Kumar and Priya Shukla and Vandana Kushwaha and G. C. Nandi},
journal= {arXiv preprint arXiv:2212.05560},
year = {2022}
}