RAG-6DPose：基于CAD知识库的检索增强6D姿态估计
计算机视觉与模式识别
2025-06-24 v1
摘要
准确的6D姿态估计是机器人操作的关键，使能够实现对对象进行精确定位，以执行诸如抓取等任务。我们提出了RAG-6DPose，一种检索增强的方法，通过整合视觉线索和几何线索，利用3D CAD模型作为知识库。RAG-6DPose大致包含三个阶段：1)构建多模态CAD知识库，通过提取多视角CAD渲染图像的2D视觉特征并附加3D点；2)通过我们的ReSPC模块根据当前查询图像从知识库中检索相关CAD特征；3)将检索到的CAD信息用于通过检索增强解码来细化姿态预测。在标准基准测试和实际机器人任务上的实验结果表明，我们的方法在处理遮挡和新视角方面具有有效性和鲁棒性。附录材料可在我们的项目网站上获取：https://sressers.github.io/RAG-6DPose。
引用
@article{arxiv.2506.18856,
title = {RAG-6DPose: Retrieval-Augmented 6D Pose Estimation via Leveraging CAD as Knowledge Base},
author = {Kuanning Wang and Yuqian Fu and Tianyu Wang and Yanwei Fu and Longfei Liang and Yu-Gang Jiang and Xiangyang Xue},
journal= {arXiv preprint arXiv:2506.18856},
year = {2025}
}
备注
Accepted by IROS 2025