面向更全面的 6DoF 物体位姿跟踪评估
计算机视觉与模式识别
2023-09-18 v2
摘要
随着该领域的发展，先前关于 6DoF 物体位姿跟踪的评估已呈现出明显局限。具体而言，不同方法的评估协议不统一，广泛使用的 YCBV 数据集存在显著标注错误，且误差度量也可能有偏。因此，难以公平比较各方法，这已成为开发新算法的一大障碍。本文中，我们贡献了一个统一基准以解决上述问题。为更精确地标注 YCBV，我们提出了一种多视角多物体全局位姿精化方法，可联合精化所有物体与视角相机的位姿，实现亚像素亚毫米级对齐误差。我们分析了先前评分方法与误差度量的局限，并据此引入改进的评估方法。该统一基准以 YCBV 和 BCOT 为基础数据集，二者在场景类别上互补。实验中，我们使用专为 YCBV 构建的真实半合成数据集验证了所提全局位姿精化方法的精度与可靠性，随后给出了统一学习与无学习、RGB 与 RGBD 方法的基准结果，并发现了先前研究未揭示的一些现象。
引用
@article{arxiv.2309.07796,
title = {For A More Comprehensive Evaluation of 6DoF Object Pose Tracking},
author = {Yang Li and Fan Zhong and Xin Wang and Shuangbing Song and Jiachen Li and Xueying Qin and Changhe Tu},
journal= {arXiv preprint arXiv:2309.07796},
year = {2023}
}