面向大众的半自动三维物体关键点标注与检测
计算机视觉与模式识别
2022-01-20 v1 机器人学
摘要
创建计算机视觉数据集需要精心规划和大量时间精力。在机器人研究中，我们经常不得不使用标准化物体（如 YCB 物体集）来完成物体跟踪、姿态估计、抓取与操控等任务，因为这些物体已有可用数据集和预学习方法。这限制了我们研究的影响，因为基于学习的计算机视觉方法只能用于现有数据集支持的场景。本工作中，我们提出了一套完整的物体关键点跟踪工具包，涵盖从数据收集、标注、模型学习到评估的全过程。我们提出了一种利用标准机械臂上腕部安装相机进行数据集收集与标注的半自动方法。使用我们的工具包和方法，我们能够在仅数小时主动时间内完成数据收集、标注和学习，得到一个可用的三维物体关键点检测器。
引用
@article{arxiv.2201.07665,
title = {Semi-automatic 3D Object Keypoint Annotation and Detection for the Masses},
author = {Kenneth Blomqvist and Jen Jen Chung and Lionel Ott and Roland Siegwart},
journal= {arXiv preprint arXiv:2201.07665},
year = {2022}
}
备注
Code: https://github.com/ethz-asl/object_keypoints