DeepIM：用于6D姿态估计的深度迭代匹配
计算机视觉与模式识别
2019-10-03 v4 机器人学
摘要
从图像估计物体的6D姿态是机器人操纵和虚拟现实等各种应用中的重要问题。虽然图像到物体姿态的直接回归精度有限，但将物体的渲染图像与观测图像进行匹配可以产生准确的结果。在这项工作中，我们提出一种用于6D姿态匹配的新型深度神经网络，名为DeepIM。给定初始姿态估计，我们的网络能够通过将渲染图像与观测图像匹配来迭代地细化姿态。该网络使用3D位置和3D方向的非纠缠表示以及迭代训练过程来预测相对姿态变换。在两个常用的6D姿态估计基准上的实验表明，DeepIM比SOTA方法实现了大幅改进。我们进一步表明，DeepIM能够匹配先前未见过的物体。
引用
@article{arxiv.1804.00175,
title = {DeepIM: Deep Iterative Matching for 6D Pose Estimation},
author = {Yi Li and Gu Wang and Xiangyang Ji and Yu Xiang and Dieter Fox},
journal= {arXiv preprint arXiv:1804.00175},
year = {2019}
}
备注
submitted to IJCV, update results on YCB_Video, add depth-based results