SDFEst：利用有符号距离场从 RGB-D 图像进行物体类别级位姿与形状估计
计算机视觉与模式识别
2022-07-12 v1 机器人学
摘要
对世界丰富的几何理解是诸多机器人应用（如规划与操控）的重要组成。本文中，我们提出一个模块化流水线，用于在给定物体类别的条件下从 RGB-D 图像估计其位姿与形状。我们方法的核心是一个生成式形状模型，我们将其与一种新颖的初始化网络及可微渲染器相集成，以实现基于单视图或多视图的 6D 位姿与形状估计。我们研究了使用离散化有符号距离场作为一种高效形状表示，以进行快速的分析-综合优化。我们的模块化框架支持多视图优化与可扩展性。我们在多个合成与真实数据的实验中展示了该方法相对于最先进方法的优势。我们在 https://github.com/roym899/sdfest 开源了我们的方法。
引用
@article{arxiv.2207.04880,
title = {SDFEst: Categorical Pose and Shape Estimation of Objects from RGB-D using Signed Distance Fields},
author = {Leonard Bruns and Patric Jensfelt},
journal= {arXiv preprint arXiv:2207.04880},
year = {2022}
}
备注
Accepted to IEEE Robotics and Automation Letters (and IROS 2022). Project page: https://github.com/roym899/sdfest