基于创新CNN的迭代优化用于位姿精化
计算机视觉与模式识别
2021-01-25 v1
摘要
由于光照条件和视角变化的可变性，从单张RGB图像进行物体位姿估计是一个具有挑战性的问题。最准确的位姿估计网络通过已知带纹理3D模型的重投影来实现位姿精化，然而，此类方法在没有观测物体的高质量3D模型时无法应用。在本工作中，我们提出一种称为创新CNN（Innovation CNN）的方法，用于物体位姿估计精化，克服了重投影带纹理3D模型的需求。我们的方法通过在随机梯度下降（SGD）框架中迭代应用创新CNN，逐步改进初始位姿估计。我们在流行的LINEMOD和Occlusion LINEMOD数据集上评估了我们的方法，并在两个数据集上均取得了最先进的性能。
引用
@article{arxiv.2101.08895,
title = {Iterative Optimisation with an Innovation CNN for Pose Refinement},
author = {Gerard Kennedy and Zheyu Zhuang and Xin Yu and Robert Mahony},
journal= {arXiv preprint arXiv:2101.08895},
year = {2021}
}