iPose：部分遮挡物体的实例感知六维位姿估计
计算机视觉与模式识别
2018-06-19 v3
摘要
我们致力于解决在物体部分遮挡场景下，从单张输入图像中估计已知刚性物体六维位姿的任务。近期基于 RGB-D 的方法对中等程度的遮挡具有鲁棒性。对于 RGB 输入，此前尚无方法能较好地处理部分遮挡物体。我们的主要贡献是提出了首个基于深度学习的系统，可从 RGB-D 和 RGB 输入中估计部分遮挡物体的精确位姿。我们通过一种新颖的实例感知流程实现这一目标，该流程将六维物体位姿估计分解为一系列更简单的步骤，其中每一步消除问题的特定方面。第一步使用实例分割网络定位图像中所有已知物体，从而消除周围杂波与遮挡物。第二步使用编码器-解码器网络将像素密集映射到三维物体表面位置（即物体坐标），从而消除物体外观的影响。第三步也是最后一步，利用几何优化预测六维位姿。我们证明，在 RGB 和 RGB-D 输入的部分遮挡物体位姿估计方面，我们的方法显著优于当前最优方法。
引用
@article{arxiv.1712.01924,
title = {iPose: Instance-Aware 6D Pose Estimation of Partly Occluded Objects},
author = {Omid Hosseini Jafari and Siva Karthik Mustikovela and Karl Pertsch and Eric Brachmann and Carsten Rother},
journal= {arXiv preprint arXiv:1712.01924},
year = {2018}
}