OnePose：无需 CAD 模型的单次物体位姿估计
计算机视觉与模式识别
2022-05-25 v1
摘要
我们提出一种名为 OnePose 的物体位姿估计新方法。与现有的实例级或类别级方法不同，OnePose 不依赖 CAD 模型，且能处理任意类别的物体而无需实例或类别特定的网络训练。OnePose 借鉴视觉定位的思想，仅需对物体进行简单的 RGB 视频扫描即可构建物体的稀疏 SfM 模型。随后，该模型通过通用特征匹配网络配准到新的查询图像。为缓解现有视觉定位方法运行慢的问题，我们提出一种新的图注意力网络，直接匹配查询图像中的二维兴趣点与 SfM 模型中的三维点，从而实现高效鲁棒的位姿估计。结合基于特征的位姿跟踪器，OnePose 能够实时稳定地检测和跟踪日常家用物体的 6D 位姿。我们还收集了一个由 150 个物体的 450 段序列组成的大规模数据集。
引用
@article{arxiv.2205.12257,
title = {OnePose: One-Shot Object Pose Estimation without CAD Models},
author = {Jiaming Sun and Zihao Wang and Siyu Zhang and Xingyi He and Hongcheng Zhao and Guofeng Zhang and Xiaowei Zhou},
journal= {arXiv preprint arXiv:2205.12257},
year = {2022}
}
备注
Accepted to CVPR 2022. Project page: https://zju3dv.github.io/onepose/