GMatch：一种用于机器人抓取任务中零样本六自由度位姿估计的轻量级几何约束关键点匹配器
计算机视觉与模式识别
2025-10-21 v2
摘要
六自由度（6DoF）物体位姿估计是机器人抓取任务的基础。尽管近期基于学习的方法取得了高精度，但其计算需求阻碍了在资源受限的移动平台上的部署。在这项工作中，我们重新审视了经典的关键点匹配范式，并提出了 GMatch，一种轻量级、几何约束的关键点匹配器，能够在仅配备 CPU 的嵌入式平台上高效运行。GMatch 利用关键点描述子，并使用一组几何约束来建立描述子提取的特征之间的固有歧义性，从而给出全局一致的对应关系，据此可以轻松解算出六自由度位姿。我们在 HOPE 和 YCB-Video 数据集上对 GMatch 进行了基准测试，在三种常用描述子下，我们的方法均优于现有的关键点匹配器（包括基于特征和基于几何的方法），并在纹理丰富的物体上以更简陋的设备逼近了最先进的零样本方法。该方法进一步部署在 LoCoBot 移动操作机器人上，实现了一次性抓取流程，在真实世界实验中展示了高任务成功率。总之，凭借其轻量级和白盒特性，GMatch 为资源有限的机器人系统提供了一种实用的解决方案，尽管目前受限于描述符质量，但该框架为鲁棒且高效的位姿估计指明了一个有前景的方向。代码将很快在 Mozilla Public License 下发布。
引用
@article{arxiv.2505.16144,
title = {GMatch: A Lightweight, Geometry-Constrained Keypoint Matcher for Zero-Shot 6DoF Pose Estimation in Robotic Grasp Tasks},
author = {Ming Yang and Haoran Li},
journal= {arXiv preprint arXiv:2505.16144},
year = {2025}
}
备注
6 pages + 1 page references + 1 page appendix; 6 figures; 3 tables