端到端概率几何引导回归的6D物体姿态估计
计算机视觉与模式识别
2024-09-19 v1
摘要
6D物体姿态估计是确定物体相对于选定坐标系的位置和方向的问题，是现代XR应用的核心技术。最先进的6D物体姿态估计器直接根据物体观测预测物体姿态。由于姿态估计问题的不适定性，即多个不同姿态可能对应单一观测，因此每次观测生成额外的合理估计可能很有价值。为解决此问题，我们改进了最先进的算法GDRNPP，并引入了EPRO-GDR（端到端概率几何引导回归）。我们不预测每次检测的单一姿态，而是估计姿态的概率密度分布。使用BOP（6D物体姿态估计基准）挑战赛定义的评估流程，我们在其四个核心数据集上测试了我们的方法，并展示了EPRO-GDR在LM-O、YCB-V和ITODD上的优越定量结果。我们的概率解决方案表明，预测姿态分布而非单一姿态可以改进最先进的单视图姿态估计，同时提供采样多个有意义的姿态候选的额外优势。
关键词
引用
@article{arxiv.2409.11819,
title = {End-to-End Probabilistic Geometry-Guided Regression for 6DoF Object Pose Estimation},
author = {Thomas Pöllabauer and Jiayin Li and Volker Knauthe and Sarah Berkei and Arjan Kuijper},
journal= {arXiv preprint arXiv:2409.11819},
year = {2024}
}