基于姿态解释器网络的实时物体位姿估计
机器人学
2019-01-18 v1 计算机视觉与模式识别
摘要
本工作中，我们提出用于 6-DoF 物体位姿估计的姿态解释器网络（pose interpreter network）。与其他需要昂贵标注物体位姿数据的基于 CNN 的位姿估计方法不同，我们的姿态解释器网络完全在合成位姿数据上训练。我们使用物体掩码作为中间表示以桥接真实与合成数据。我们表明，当与在 RGB 图像上训练的分割模型结合时，我们合成训练得到的姿态解释器网络能够泛化到真实数据。我们用于物体位姿估计的端到端系统在实时（20 Hz）RGB 数据上运行，无需使用深度信息或 ICP 细化。
引用
@article{arxiv.1808.01099,
title = {Real-Time Object Pose Estimation with Pose Interpreter Networks},
author = {Jimmy Wu and Bolei Zhou and Rebecca Russell and Vincent Kee and Syler Wagner and Mitchell Hebert and Antonio Torralba and David M. S. Johnson},
journal= {arXiv preprint arXiv:1808.01099},
year = {2019}
}
备注
To appear at 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018). Code available at https://github.com/jimmyyhwu/pose-interpreter-networks