基于物理约束的 6D 物体姿态精炼
计算机视觉与模式识别
2025-04-01 v1 机器人学
摘要
从图像中准确估计6D物体姿态是物体中心场景理解中的关键问题，使其能够应用于机器人、增强现实和场景重建等应用。尽管近期取得的进展令人鼓舞，但现有方法常常产生不符合物理常识的姿态估计，阻碍其在真实场景中的部署。我们引入 PhysPose 方法，通过后处理优化集成物理推理，强制执行非穿透约束和重力约束。利用场景几何信息，PhysPose 对姿态估计进行精炼，以确保其物理可行性。我们的方法在 YCB-Video 数据集上实现了与当前最好的准确率，并在 HOPE-Video 数据集上优于当前最先进的姿态估计方法。此外，我们进一步在机器人应用中通过显著提高挑战性的抓取和放置任务成功率，展示了物理一致性在实际应用中的重要性。
引用
@article{arxiv.2503.23587,
title = {PhysPose: Refining 6D Object Poses with Physical Constraints},
author = {Martin Malenický and Martin Cífka and Médéric Fourmy and Louis Montaut and Justin Carpentier and Josef Sivic and Vladimir Petrik},
journal= {arXiv preprint arXiv:2503.23587},
year = {2025}
}
备注
Project page: https://data.ciirc.cvut.cz/public/projects/2025PhysPose