基于SE(3)流形的类别级可关节物体姿态跟踪探索
计算机视觉与模式识别
2025-11-13 v1 人工智能
多媒体
摘要
可关节物体在日常生活和机器人操作任务中广泛存在。然而，与刚性物体相比，可关节物体的姿态跟踪仍是未被充分探索的问题，due to其固有的运动约束。为了解决这些挑战，本工作提出了一种新颖的基于点对的姿态跟踪框架，称为\textbf{PPF-Tracker}。该框架首先在SE(3)李群空间中对点云进行准标准化处理，然后使用点对特征（PPF）来预测姿态投票参数，利用SE(3)的不变性质。最后，融合关节轴的语义信息，以在可关节物体的所有部件上施加统一的运动约束。PPF-Tracker在人工合成数据集和真实场景上进行了系统评估，显示出在多样化和具有挑战性的环境中的强大泛化能力。实验结果突出了PPF-Tracker在可关节物体多帧姿态跟踪中的有效性和鲁棒性。我们认为这一工作可以推动机器人、具身智能和增强现实领域的进展。代码已公开于https://github.com/mengxh20/PPFTracker。
引用
@article{arxiv.2511.05996,
title = {Exploring Category-level Articulated Object Pose Tracking on SE(3) Manifolds},
author = {Xianhui Meng and Yukang Huo and Li Zhang and Liu Liu and Haonan Jiang and Yan Zhong and Pingrui Zhang and Cewu Lu and Jun Liu},
journal= {arXiv preprint arXiv:2511.05996},
year = {2025}
}