L6DNet：用于小数据集下鲁棒精确物体位姿估计的轻量六自由度网络
计算机视觉与模式识别
2022-05-31 v6
摘要
估计物体的3D位姿是一项具有挑战性的任务，可应用于增强现实或机器人领域。本文中，我们提出一种从单张RGB-D图像进行6自由度（6 DoF）物体位姿估计的新方法。我们采用两阶段混合流程：分别为数据驱动与几何阶段。数据驱动步骤包含一个分类CNN，用于从局部图像块估计物体在图像中的2D位置，随后是一个回归CNN，经训练预测相机坐标系下一组关键点的3D位置。为提取位姿信息，几何步骤通过最小化配准误差将相机坐标系中的3D点与世界坐标系中的对应3D点对齐，从而计算位姿。我们在标准数据集LineMod上的实验表明，我们的方法比最先进的方法更鲁棒且更精确。该方法还通过视觉伺服验证了可实现6 DoF定位任务。
引用
@article{arxiv.2002.00911,
title = {L6DNet: Light 6 DoF Network for Robust and Precise Object Pose Estimation with Small Datasets},
author = {Mathieu Gonzalez and Amine Kacete and Albert Murienne and Eric Marchand},
journal= {arXiv preprint arXiv:2002.00911},
year = {2022}
}
备注
This work has been accepted at IEEE Robotics and Automation Letters