Fit-NGP: 将物体模型拟合到神经图形基元
计算机视觉与模式识别
2024-01-05 v1
摘要
精确的3D物体姿态估计是实现涉及复杂物体交互的许多机器人应用的关键。在这项工作中，我们展示了由最先进的辐射场重建方法产生的密度场适用于已知3D模型的物体的高精度和鲁棒姿态估计，即使物体非常小且具有挑战性的反射表面。我们提出了一个基于机器人手臂和单个腕部相机的全自动物体姿态估计系统，该系统可以从头开始扫描场景，在几分钟内检测并估计多个物体的6自由度(DoF)姿态。小物体如螺栓和螺母的估计精度在1毫米量级。
引用
@article{arxiv.2401.02357,
title = {Fit-NGP: Fitting Object Models to Neural Graphics Primitives},
author = {Marwan Taher and Ignacio Alzugaray and Andrew J. Davison},
journal= {arXiv preprint arXiv:2401.02357},
year = {2024}
}