基于 RGB-D 的类别级物体位姿与形状估计：方法、数据集与评测
计算机视觉与模式识别
2023-01-20 v1 机器人学
摘要
近来，针对物体类别级 6D 位姿与形状估计的多种方法被相继提出。本文从方法、数据集与评测协议三方面对该领域进行综述。首先，概述现有工作及其共性与差异。其次，我们批判性地审视主流评测协议，包括指标与数据集。基于上述发现，我们提出一组新指标，为 Redwood 数据集贡献新标注，并在公平比较下评测最先进方法。结果表明，现有方法对无约束朝向的泛化能力较弱，且实际上严重偏向物体直立的情况。我们提供了一个易用的评测工具箱，具备定义良好的指标、方法与数据集接口，支持与多种最先进方法评测和比较（https://github.com/roym899/pose_and_shape_evaluation）。
引用
@article{arxiv.2301.08147,
title = {RGB-D-Based Categorical Object Pose and Shape Estimation: Methods, Datasets, and Evaluation},
author = {Leonard Bruns and Patric Jensfelt},
journal= {arXiv preprint arXiv:2301.08147},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2202.10346