基于关键点从 RGB 序列进行带不确定性估计的类别级物体位姿跟踪
计算机视觉与模式识别
2022-05-24 v1 机器人学
摘要
我们提出了一种单阶段、类别级的 6-DoF 位姿估计算法，可同时检测并跟踪已知类别中物体的实例。我们的方法以单目 RGB 视频的前一帧与当前帧，以及前一帧的预测结果作为输入，预测边界立方体与 6-DoF 位姿（尺度除外）。在内部，深度网络预测图像坐标中物体关键点（边界立方体的顶点）上的分布，随后一种新颖的概率滤波过程在估计间进行积分，再使用 PnP 计算最终位姿。我们的框架使系统能在预测当前帧时考虑先前的不确定性，从而得到比单帧方法更准确且稳定的预测。大量实验表明，我们的方法在具有挑战性的 Objectron 标注物体视频基准上优于现有方法。我们还展示了我们的工作在增强现实设置中的可用性。
引用
@article{arxiv.2205.11047,
title = {Keypoint-Based Category-Level Object Pose Tracking from an RGB Sequence with Uncertainty Estimation},
author = {Yunzhi Lin and Jonathan Tremblay and Stephen Tyree and Patricio A. Vela and Stan Birchfield},
journal= {arXiv preprint arXiv:2205.11047},
year = {2022}
}
备注
ICRA 2022. Project site is at https://sites.google.com/view/centerposetrack