基于混合非局部优化的位移大范围 3D 物体跟踪
计算机视觉与模式识别
2022-07-27 v1
摘要
基于优化的 3D 物体跟踪以精确快速著称,但对帧间大位移敏感。本文提出一种快速有效的非局部 3D 跟踪方法。基于错误局部极小主要源于平面外旋转这一观察,我们提出一种针对不同类型参数结合非局部与局部优化的混合方法,从而在 6D 位姿空间中实现高效非局部搜索。此外,提出一种预计算的基于鲁棒轮廓的跟踪方法用于位姿优化。通过使用具有多个候选对应点的长搜索线,该方法可适应不同帧位移而无需由粗到细的搜索。预计算后,位姿更新可非常快速地进行,使非局部优化能够实时运行。我们的方法在大小位移下均优于以往所有方法。对于大位移,精度大幅提升()。同时,仅用 CPU 即可达到实时速度(50fps)。源代码见 \url{https://github.com/cvbubbles/nonlocal-3dtracking}。
引用
@article{arxiv.2207.12620,
title = {Large-displacement 3D Object Tracking with Hybrid Non-local Optimization},
author = {Xuhui Tian and Xinran Lin and Fan Zhong and Xueying Qin},
journal= {arXiv preprint arXiv:2207.12620},
year = {2022}
}