基于点云的物体姿态分布估计：用于确定旋转与反射不确定性

物体姿态估计是机器人感知的关键任务，通常提供单一姿态估计。然而，单一估计无法捕捉源于视觉歧义的姿态不确定性，这会导致行为不可靠。现有姿态分布方法高度依赖颜色信息，往往在工业环境中不可用。我们提出了一种基于神经网络的方法，用于仅使用3D无色数据估计物体姿态不确定性。据我们了解，这是首个在不依赖RGB输入的情况下利用深度学习进行姿态分布估计的方法。我们在实际场景中的真实数据验证了该方法，针对具有不同几何歧义的对象进行测试。当前实现侧重于反射和旋转对称性，但该框架可扩展至完整的SE(3)姿态分布估计。源代码可在opde3d.github.io访问。