CPU上的实时6D物体位姿估计
计算机视觉与模式识别
2020-03-10 v3 机器人学
摘要
我们提出一种基于RGB-D图像的快速且准确的6D物体位姿估计方法。我们提出的方法基于模板匹配，由三个主要技术组件构成：PCOF-MOD（多模态PCOF）、平衡位姿树（BPT）以及用于由粗到细搜索的最优内存重排。我们在密集采样视角上建立模型模板，且PCOF-MOD显式处理一定范围的3D物体位姿，提升了对背景杂波的鲁棒性。BPT是一种针对大量模板的高效基于树的数据结构，且在重排特征图上的模板匹配将邻近特征线性对齐，从而加速位姿估计。在桌面与分拣数据集上的实验评估表明，与包括近期基于CNN的方法在内的最先进技术相比，我们的方法取得了更高的精度与更快的速度。此外，我们的模型模板仅用3D CAD在几分钟内即可训练完成，且位姿估计在CPU上以近实时（23 fps）运行。这些特性适用于任何实际应用。
引用
@article{arxiv.1811.08588,
title = {Real-Time 6D Object Pose Estimation on CPU},
author = {Yoshinori Konishi and Kosuke Hattori and Manabu Hashimoto},
journal= {arXiv preprint arXiv:1811.08588},
year = {2020}
}
备注
accepted to IROS 2019