基于分割与预测形状先验的类别级概率位姿估计
计算机视觉与模式识别
2019-05-30 v1 机器人学
摘要
我们提出一种用于类别级位姿估计的新方法，该方法通过整合来自生成式物体模型的 3D 形状估计与分割信息，产生预测位姿上的分布。给定物体的输入深度图像，我们这种变时长方法使用混合密度网络架构产生关于 3DOF 位姿的多峰分布；随后将该分布与鼓励观测输入与预测物体位姿之间轮廓一致的先验概率相结合。我们的方法在 Pix3D 和 ShapeNet 数据集上的测评中，显著优于当前最优的类别级 3DOF 位姿估计——后者输出点估计且未显式纳入形状与分割信息。
引用
@article{arxiv.1905.12079,
title = {Probabilistic Category-Level Pose Estimation via Segmentation and Predicted-Shape Priors},
author = {Benjamin Burchfiel and George Konidaris},
journal= {arXiv preprint arXiv:1905.12079},
year = {2019}
}