学习局部RGB到CAD对应关系用于物体位姿估计
计算机视觉与模式识别
2019-08-01 v4 机器学习
机器人学
摘要
我们考虑三维物体位姿估计问题。尽管近期许多工作聚焦于RGB域，但对精确标注图像的依赖限制了它们的泛化性和可扩展性。另一方面，易获取的物体CAD模型是丰富的数据源，可提供大量合成渲染图像。在本文中，我们通过提出一种将RGB图像与CAD模型进行匹配以估计物体位姿的新方法，解决了现有方法需要昂贵三维位姿标注这一关键问题。与现有工作相比，我们的关键创新在于不再需要CAD模型的真实世界纹理或RGB图像的显式三维位姿标注。我们通过一系列目标函数实现这一点，这些目标函数学习如何选择关键点，并强制RGB图像与CAD模型渲染之间的视角和模态不变性。我们进行了大量实验，表明所提方法能够可靠地估计RGB图像中的物体位姿，并可泛化到训练期间未见的物体实例。
引用
@article{arxiv.1811.07249,
title = {Learning Local RGB-to-CAD Correspondences for Object Pose Estimation},
author = {Georgios Georgakis and Srikrishna Karanam and Ziyan Wu and Jana Kosecka},
journal= {arXiv preprint arXiv:1811.07249},
year = {2019}
}
备注
10 pages, 6 figures, 4 tables, ICCV 2019