使深度热图对部分遮挡具有鲁棒性以用于三维物体位姿估计
计算机视觉与模式识别
2018-07-27 v3
摘要
我们提出了一种新颖的方法，用于在存在大面积遮挡的情况下从单张彩色图像中鲁棒且准确地估计三维物体位姿。遵循近期的方法，我们首先预测与目标物体相关的三维点的二维投影，然后使用几何方法从这些对应关系中计算出三维位姿。不幸的是，正如我们的实验结果显示，使用常规 CNN 或 Convolutional Pose Machine 预测这些二维投影对部分遮挡高度敏感，即使这些方法在训练时使用了部分遮挡的样本。我们的解决方案是独立地从多个小图像块预测热图，并累积结果以获得准确且鲁棒的预测。随后训练变得具有挑战性，因为外观相似但在物体上位置不同的图像块对应于不同的热图。然而，我们提供了一种简单而有效的解决方案来处理此类歧义。我们表明，我们的方法在两个具有挑战性的数据集上优于现有方法：Occluded LineMOD 数据集和 YCB-Video 数据集，两者均呈现带有高度遮挡物体的杂乱场景。项目网站：https://www.tugraz.at/institute/icg/research/team-lepetit/research-projects/robust-object-pose-estimation/
引用
@article{arxiv.1804.03959,
title = {Making Deep Heatmaps Robust to Partial Occlusions for 3D Object Pose Estimation},
author = {Markus Oberweger and Mahdi Rad and Vincent Lepetit},
journal= {arXiv preprint arXiv:1804.03959},
year = {2018}
}