基于深度模型的 RGB 图像 6D 位姿精化
计算机视觉与模式识别
2018-10-09 v1
摘要
我们提出了一种基于模型的彩色数据 6D 位姿精化新方法。基于已有的基于轮廓的位姿跟踪思想，我们训练深度神经网络来预测平移与旋转更新。其核心在于，我们提出了一种新的视觉损失，通过对齐物体轮廓来驱动位姿更新，从而避免了任何显式外观模型的定义。与以往工作相比，我们的方法无需对应点、无需分割，能够处理遮挡，并且对几何对称性和视觉歧义均不敏感。此外，我们观察到该方法对粗糙初始化具有很强的鲁棒性。该方法能够实时运行，并在无需深度数据的情况下产生接近 3D ICP 的位姿精度。此外，我们的网络仅使用纯合成数据进行训练，并将与精化代码一同发布以确保可复现性。
引用
@article{arxiv.1810.03065,
title = {Deep Model-Based 6D Pose Refinement in RGB},
author = {Fabian Manhardt and Wadim Kehl and Nassir Navab and Federico Tombari},
journal= {arXiv preprint arXiv:1810.03065},
year = {2018}
}
备注
The first two authors contributed equally to this work