PrimA6D：基于旋转基元重建的增强鲁棒6D位姿估计
计算机视觉与模式识别
2020-07-06 v2 机器人学
摘要
本文提出一种基于旋转基元预测的单图像6D物体位姿估计方法。我们利用单张含遮挡的图像求解已知物体相对于相机的6D位姿。近年来许多最先进的（SOTA）两步法采用图像关键点提取结合PnP回归进行位姿估计。不同于依赖物体边界框或关键点，我们提出学习方向诱导的基元，以实现不受物体尺寸影响的位姿估计精度。我们利用变分自编码器（VAE）学习这一底层基元及其关联关键点。从重建的基元图像推断出的关键点随后用于通过PnP回归旋转。最后，我们在一个独立的定位模块中计算平移，完成整个6D位姿估计。在公开数据集上的评估表明，所提方法在LINEMOD、Occlusion LINEMOD和YCB-Video数据集上均取得了显著提升。我们还提供了一个仅用合成数据训练的案例，其性能与需要在训练阶段使用真实图像的现有方法相当。
引用
@article{arxiv.2006.07789,
title = {PrimA6D: Rotational Primitive Reconstruction for Enhanced and Robust 6D Pose Estimation},
author = {Myung-Hwan Jeon and Ayoung Kim},
journal= {arXiv preprint arXiv:2006.07789},
year = {2020}
}
备注
RA-L and IROS 2020