GigaPose：基于单对应关系的快速鲁棒新物体位姿估计
计算机视觉与模式识别
2024-03-18 v2
摘要
我们提出 GigaPose，一种快速、鲁棒且准确的基于 CAD 的 RGB 图像新物体位姿估计方法。GigaPose 首先利用判别性“模板”（即 CAD 模型的渲染图像）恢复面外旋转，随后使用块对应关系估计其余四个参数。我们的方法仅在二维自由度空间中采样模板，而非通常的三维，并在特征空间中使用快速最近邻搜索将输入图像与模板匹配，相比当前最优方法实现了 35 倍的加速。此外，GigaPose 对分割错误显著更具鲁棒性。我们在 BOP 挑战的七个核心数据集上的广泛评估表明，其达到了当前最优精度，并可无缝集成现有细化方法。另外，我们展示了 GigaPose 结合近期单图像三维重建工作所预测的 3D 模型的潜力，从而放宽了对 CAD 模型的需求，使 6D 位姿物体估计更加便捷。我们的源代码与训练模型公开于 https://github.com/nv-nguyen/gigaPose
引用
@article{arxiv.2311.14155,
title = {GigaPose: Fast and Robust Novel Object Pose Estimation via One Correspondence},
author = {Van Nguyen Nguyen and Thibault Groueix and Mathieu Salzmann and Vincent Lepetit},
journal= {arXiv preprint arXiv:2311.14155},
year = {2024}
}
备注
CVPR 2024