深度 6 自由度跟踪

我们提出了一种时序 6 自由度跟踪方法，该方法利用深度学习在具有挑战性的真实世界采集数据集上取得了 SOTA 的性能。我们的方法比现有性能最佳的方法更准确、对遮挡更鲁棒，同时保持了实时性能。为了评估其有效性，我们在多种条件下对真实物体的几个具有挑战性的 RGBD 序列上评估了我们的方法。值得注意的是，我们通过一系列目标物体被逐渐遮挡的序列，系统地评估了对遮挡的鲁棒性。最后，我们的方法是纯数据驱动的，不需要任何手工设计的特征：鲁棒的跟踪是从数据中自动学习的。