P$^2$GNet：用于 6-DoF 物体位姿估计的位姿引导点云生成网络
计算机视觉与模式识别
2019-12-23 v2 机器人学
摘要
人类能够通过利用日常生活中习得的对象模型先验，即使在严重遮挡下也能进行快速准确的物体位姿估计。然而，大多数近期提出的位姿估计算法忽视利用物体模型信息，往往精度有限，并且在杂乱场景中表现不足。本文提出一种新颖的基于学习的模型，即用于 6D 物体位姿估计的位姿引导点云生成网络(PGNet)，旨在有效利用物体模型先验以促进 6D 物体位姿估计。我们通过一个端到端的“由生成而估计”工作流实现此目标，该工作流结合来自 RGB-D 图像的外观信息与来自物体点云的结构知识，以实现准确且鲁棒的位姿估计。在两个常用的 6D 位姿估计基准（YCB-Video 数据集和 LineMOD 数据集）上的实验表明，PGNet 大幅优于最先进方法，并对严重遮挡表现出显著鲁棒性，同时实现了实时推理。
引用
@article{arxiv.1912.09316,
title = {P$^2$GNet: Pose-Guided Point Cloud Generating Networks for 6-DoF Object Pose Estimation},
author = {Peiyu Yu and Yongming Rao and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:1912.09316},
year = {2019}
}
备注
10 pages, 4 figures