基于对应分布与对极几何的多视角物体位姿估计
计算机视觉与模式识别
2023-03-24 v2 机器人学
摘要
在许多涉及刚体操作的自动化任务中，必须获取物体的位姿。基于视觉、使用单个 RGB 或 RGB-D 传感器的位姿估计因其广泛适用性而尤为流行。然而，单视角位姿估计固有地受限于深度模糊以及由遮挡、自遮挡、反射等各种现象带来的模糊。聚合来自多视角的信息有可能解决这些模糊，但当前最先进的多视角位姿估计方法仅使用多视角来聚合单视角位姿估计结果，因此依赖于获得良好的单视角估计。我们提出一种多视角位姿估计方法，该方法从多个视角聚合学习的 2D-3D 分布，用于初始估计和可选优化。我们的方法利用学习的 2D-3D 对应分布（其被隐式训练以尊重对称性等视觉模糊）在对极约束下对 3D-3D 对应进行概率采样。在 T-LESS 数据集上的评估表明，与最佳单视角方法相比，我们的方法将位姿估计误差降低了 80-91%，并且即使在四个视角下与使用五个和八个视角的方法相比，我们在 T-LESS 上也取得了最先进的结果。
引用
@article{arxiv.2210.00924,
title = {Multi-view object pose estimation from correspondence distributions and epipolar geometry},
author = {Rasmus Laurvig Haugaard and Thorbjørn Mosekjær Iversen},
journal= {arXiv preprint arXiv:2210.00924},
year = {2023}
}
备注
7 pages, 2 figures, 1 table, ICRA 2023