LocPoseNet：面向未见物体姿态估计的鲁棒位置先验
计算机视觉与模式识别
2024-02-07 v3 机器人学
摘要
物体位置先验在标准 6D 物体姿态估计设定中至关重要。该先验可用于初始化三维物体平移并辅助三维物体旋转估计。遗憾的是，用于此目的的物体检测器无法泛化到未见物体。因此，现有的面向未见物体的 6D 姿态估计方法要么假设已知真实物体位置，要么在其不可用时产生不准确的结果。本文通过提出一种名为 LocPoseNet 的方法来解决该问题，该方法能够为未见物体鲁棒地学习位置先验。我们的方法建立在模板匹配策略之上，其中我们提出分布参考核并将其与查询进行卷积以高效计算多尺度相关性。随后我们引入一种新颖的平移估计器，其解耦尺度敏感与尺度鲁棒特征以预测不同的物体位置参数。我们的方法在 LINEMOD 和 GenMOP 上大幅优于现有工作。我们进一步构建了一个具有挑战性的合成数据集，借此凸显我们的方法对各类噪声源更好的鲁棒性。我们的项目网站位于：https://sailor-z.github.io/projects/3DV2024_LocPoseNet.html。
引用
@article{arxiv.2211.16290,
title = {LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation},
author = {Chen Zhao and Yinlin Hu and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2211.16290},
year = {2024}
}
备注
Accepted by 3DV2024