用于6D物体位姿估计的形状约束循环流
计算机视觉与模式识别
2023-06-26 v1
摘要
大多数近期6D物体位姿方法使用2D光流来细化其结果。然而，通用光流方法在匹配时通常不考虑目标的3D形状信息，使其在6D物体位姿估计中效果较差。在本工作中，我们提出一种用于6D物体位姿估计的形状约束循环匹配框架。我们首先基于初始位姿与当前估计位姿间2D重投影的位移计算位姿诱导流，其隐式嵌入了目标的3D形状。然后我们利用该位姿诱导流为后续匹配迭代构建相关图，这显著减小了匹配空间且更易于学习。此外，我们利用网络基于当前估计流学习物体位姿，这便于下一次迭代的位姿诱导流计算，并产出用于物体位姿的端到端系统。最后，我们以循环方式同时优化光流与物体位姿。我们在三个具挑战性的6D物体位姿数据集上评估了我们的方法，并表明其在准确率和效率上均显著优于当前最优（SOTA）。
引用
@article{arxiv.2306.13266,
title = {Shape-Constraint Recurrent Flow for 6D Object Pose Estimation},
author = {Yang Hai and Rui Song and Jiaojiao Li and Yinlin Hu},
journal= {arXiv preprint arXiv:2306.13266},
year = {2023}
}
备注
CVPR 2023