通过定位指定表面关键点估计 6D 位姿
计算机视觉与模式识别
2018-12-05 v1 图形学
摘要
本文提出一种准确而高效的从 RGB 图像估计 6D 位姿的方案。我们方法的核心在于，首先在目标物体模型上指定一组表面点作为关键点，然后训练一个关键点检测器（KPD）来定位它们。最后可根据关键点的 2D-3D 关系通过 PnP 算法恢复 6D 位姿。与近期依赖耗时后处理流程的基于 CNN 的先进方法不同，我们的方法在位姿预测后无需任何细化即可达到有竞争力的精度。同时，在不使用细化方法的一类方法中，我们的 ADD 精度相对提升了 30%。此外，我们通过选取最可信的关键点恢复 6D 位姿，成功处理了严重遮挡情况。为了可复现性，我们将很快公开我们的代码与模型。
引用
@article{arxiv.1812.01387,
title = {Estimating 6D Pose From Localizing Designated Surface Keypoints},
author = {Zelin Zhao and Gao Peng and Haoyu Wang and Hao-Shu Fang and Chengkun Li and Cewu Lu},
journal= {arXiv preprint arXiv:1812.01387},
year = {2018}
}