用于6D物体姿态估计的全局假设生成
计算机视觉与模式识别
2017-01-03 v3
摘要
本文致力于从单张 RGB-D 图像估计已知 3D 物体的 6D 姿态这一任务。大多数现代方法通过三个步骤解决此任务：i) 计算局部特征；ii) 生成姿态假设池；iii) 从池中选择并优化一个姿态。本工作聚焦于第二步。虽然所有现有方法都通过局部推理（例如 RANSAC 或霍夫投票）生成假设池，但我们首次证明了全局推理在此阶段是有益的。特别地，我们构建了一个新颖的全连接条件随机场（CRF），其输出极少量的姿态假设。尽管该 CRF 的势函数是非高斯的，我们给出了一种新的、高效的两步优化过程，并对其最优性提供了一定保证。我们利用我们的全局假设生成过程，在具有挑战性的“遮挡物体数据集”上取得了超越当前最先进水平的结果。
引用
@article{arxiv.1612.02287,
title = {Global Hypothesis Generation for 6D Object Pose Estimation},
author = {Frank Michel and Alexander Kirillov and Eric Brachmann and Alexander Krull and Stefan Gumhold and Bogdan Savchynskyy and Carsten Rother},
journal= {arXiv preprint arXiv:1612.02287},
year = {2017}
}