提升透明物体姿态估计：GDR-Net与边缘检测的融合
计算机视觉与模式识别
2025-02-18 v1
摘要
透明物体的姿态估计仍然是机器人视觉领域的一项具有挑战性的任务，由于光照、背景和反射的巨大影响。然而，清晰物体的边缘具有最高的对比度，能够产生稳定且显著的特征。我们提出了一种新颖的方法，在物体检测和姿态估计任务之前将边缘检测作为预处理步骤。我们进行了实验以研究不同边缘检测器对透明物体的影响。我们考察了在将不同边缘检测器作为预处理步骤（即带和不带颜色信息的 Canny 边缘检测，以及全嵌套边缘 HED）时，最先进的 6D 物体姿态估计流水线 GDR-Net 和物体检测器 YOLOX 的性能。我们在 BOP Challenge 提出的参数下评估了透明物体的基于物理渲染的数据集 Trans6D-32K。我们的结果表明，将边缘检测作为预处理步骤可以提升某些物体的性能。
引用
@article{arxiv.2502.12027,
title = {Enhancing Transparent Object Pose Estimation: A Fusion of GDR-Net and Edge Detection},
author = {Tessa Pulli and Peter Hönig and Stefan Thalhammer and Matthias Hirschmanner and Markus Vincze},
journal= {arXiv preprint arXiv:2502.12027},
year = {2025}
}
备注
accepted at First Austrian Symposium on AI, Robotics, and Vision (AIROV 2024)