基于模型的从 RGB 进行水下 6D 位姿估计
机器人学
2023-09-18 v2 计算机视觉与模式识别
摘要
水下物体位姿估计使自主系统能够执行跟踪与干预任务。然而，水下目标位姿估计极具挑战，原因包括（诸多因素中）能见度有限、光散射、环境杂乱及水质持续变化。一种方法是采用声纳或激光传感获取 3D 数据，但数据不清晰且传感器昂贵。为此，学界聚焦于从 RGB 输入提取位姿估计。本工作中，我们提出一种利用 2D 物体检测以在不同水下场景中可靠计算 6D 位姿估计的方法。我们以 4 个具对称形状与贫纹理的物体在 33,920 个合成场景与 10 个真实场景中测试了我们的方案。所有物体与场景均发布于一个开源数据集，包含物体检测与位姿估计标注。当与类似的端到端 6D 物体位姿估计方法基准比较时，我们的流水线提供的估计精度高出 8%。我们还在水下机械臂的触及任务中展示了该位姿估计流水线的真实世界可用性。
引用
@article{arxiv.2302.06821,
title = {Model-Based Underwater 6D Pose Estimation from RGB},
author = {Davide Sapienza and Elena Govi and Sara Aldhaheri and Marko Bertogna and Eloy Roura and Èric Pairet and Micaela Verucchi and Paola Ardón},
journal= {arXiv preprint arXiv:2302.06821},
year = {2023}
}
备注
Under RA-L Submission