在有限数据下检测三维线段以实现六自由度姿态估计
计算机视觉与模式识别
2026-02-05 v2
摘要
六自由度（6DoF）物体姿态估计任务是三维视觉的基本问题之一，具有许多实际应用，如工业自动化。针对此任务的传统深度学习方法通常需要大量的训练数据或CAD模型，这限制了它们在数据稀缺且物体实例多变的真实工业环境中的应用。我们提出了一种专门针对工业环境中使用的料箱的6DoF姿态估计新方法。我们利用料箱的长方体几何形状，首先检测与其顶部边缘对应的中间三维线段。我们的方法将二维线段检测网络LeTR扩展到结构化点云数据上运行。然后，使用简单的几何程序处理检测到的三维线段，以稳健地确定料箱的6DoF姿态。为了评估我们的方法，我们通过新收集和标注的数据集扩展现有数据集，并将其公开。我们表明，加入合成训练数据显著提高了在真实扫描上的姿态估计精度。此外，我们表明，我们的方法在姿态精度（3厘米平移误差，8.2°旋转误差）方面显著优于当前最先进的6DoF姿态估计方法，同时在推理过程中不需要特定于实例的CAD模型。
引用
@article{arxiv.2601.12090,
title = {Detecting 3D Line Segments for 6DoF Pose Estimation with Limited Data},
author = {Matej Mok and Lukáš Gajdošech and Michal Mesároš and Martin Madaras and Viktor Kocur},
journal= {arXiv preprint arXiv:2601.12090},
year = {2026}
}
备注
8 pages, Accepted to VISAPP 2026 as Position Paper