MarkerPose：面向精确立体位姿估计的鲁棒实时平面靶标跟踪
计算机视觉与模式识别
2021-06-01 v2
摘要
尽管近年来无标记位姿估计备受关注，在有控环境条件下基于标记的方法仍提供无可匹敌的精度。因此，其用于机器人与生物医学等诸多领域，但主要通过经典方法实现，需大量启发式规则与参数调优以在不同环境下可靠工作。本文提出MarkerPose，一种基于三圆平面靶标与立体视觉系统的鲁棒实时位姿估计系统，面向高精度位姿估计应用。我们的方法包含两个用于标记点检测的深层神经网络：一个用于像素级精度关键点定位与分类的SuperPoint类网络，以及我们引入的用于亚像素级精度关键点检测的轻量椭圆分割网络EllipSegNet。靶标位姿通过立体三角测量估计。目标点检测对低光照与运动模糊条件具鲁棒性。我们用机械臂验证，将MarkerPose与基于经典计算机视觉技术的检测方法比较，结果显示本方法精度优于经典技术。最后，我们在需极高精度位姿估计的3D自由臂超声系统中展示了MarkerPose的适用性。代码见https://github.com/jhacsonmeza/MarkerPose的Python与C++实现。
引用
@article{arxiv.2105.00368,
title = {MarkerPose: Robust Real-time Planar Target Tracking for Accurate Stereo Pose Estimation},
author = {Jhacson Meza and Lenny A. Romero and Andres G. Marrugo},
journal= {arXiv preprint arXiv:2105.00368},
year = {2021}
}
备注
Accepted at CVPR 2021 LXCV Workshop