学习物体姿态估计的方向分布
计算机视觉与模式识别
2021-05-21 v2 机器学习
机器人学
摘要
为了使机器人在现实世界中稳健运行，它们应该意识到自身的不确定性。然而，大多数物体姿态估计方法返回的是物体姿态的单点估计。在这项工作中，我们提出了两种学习方法来估计物体方向的分布。我们的方法同时考虑了姿态估计中的不准确性以及物体的对称性。我们的第一种方法从深度学习特征回归到各向同性的Bingham分布，对于非对称物体的方向分布估计给出了最佳性能。我们的第二种方法学习比较深度特征并生成非参数直方图分布。该方法在具有未知对称性的物体上给出了最佳性能，能够准确地对对称和非对称物体进行建模，而无需任何对称性标注。我们展示了这两种方法都可以用于增强现有的姿态估计器。我们的评估将我们的方法与大量用于不同类型物体不确定性估计的基线方法进行了比较。
引用
@article{arxiv.2007.01418,
title = {Learning Orientation Distributions for Object Pose Estimation},
author = {Brian Okorn and Mengyun Xu and Martial Hebert and David Held},
journal= {arXiv preprint arXiv:2007.01418},
year = {2021}
}