基于事件相机的关键点动态物体6自由度姿态跟踪
机器学习
2026-04-28 v1
摘要
准确估计物体的6自由度姿态是机器人执行精确操作任务的关键。然而，对于动态物体姿态估计，传统相机方法面临运动模糊、传感器噪声和低光限制等诸多挑战。为此，我们采用事件相机，其高动态范围和低延迟提供了有前景的解决方案。进一步，我们提出了一种基于关键点的检测和跟踪方法，用于动态物体姿态估计。首先，构建关键点检测网络，从事件流生成的时间 surfaces 中提取关键点。随后，利用事件的极性和空间坐标，以及关键点附近事件密度，以实现连续关键点跟踪。最后，在2D关键点和3D模型关键点之间建立哈希映射，并采用 EPnP 算法估计6自由度姿态。实验结果表明，在仿真或真实事件环境中，所提方法在准确性和鲁棒性方面均优于基于事件的现有方法。
引用
@article{arxiv.2604.23385,
title = {Domain-Adapted Fine-Tuning of ECG Foundation Models for Multi-Label Structural Heart Disease Screening},
author = {Duc N. Do and Minh N. Do and Dang Nguyen and Khanh T. Q. Le and Khoa D. Pham and Hung N. Huynh and Phi Pham-Van-Hoang and Quan K. Huynh and Ramez M. Odat and Perisa Ashar and Ethan Philip Lowder and Minh H. N. Le and Hoang Le and Phat V. H. Nguyen and Quan Le and Jacques Kpodonu and Phat K. Huynh},
journal= {arXiv preprint arXiv:2604.23385},
year = {2026}
}
备注
Accepted to Canadian AI 2026