DPOD：6D位姿目标检测器与优化器
计算机视觉与模式识别
2019-08-21 v3 机器人学
摘要
本文提出一种从RGB图像进行3D目标检测与6D位姿估计的新型深度学习方法。我们的方法名为DPOD（Dense Pose Object Detector，稠密位姿目标检测器），在输入图像与可用3D模型之间估计稠密多类2D-3D对应图。给定对应点后，通过PnP与RANSAC计算6DoF位姿。使用基于自定义深度学习的优化方案对初始位姿估计进行额外的RGB位姿细化。我们的结果以及与大量相关工作的比较表明，大量对应点在细化前后均有利于获得高质量6D位姿。与其他主要使用真实数据训练且不训练于合成渲染的方法不同，我们在合成与真实训练数据上均进行评估，在与所有近期检测器比较时展现出细化前后的优越结果。所提方法在保持精度的同时仍具备实时能力。
引用
@article{arxiv.1902.11020,
title = {DPOD: 6D Pose Object Detector and Refiner},
author = {Sergey Zakharov and Ivan Shugurov and Slobodan Ilic},
journal= {arXiv preprint arXiv:1902.11020},
year = {2019}
}
备注
ICCV 2019. 8 pages + supplementary material + references. The first two authors contributed equally to this work