SHREC 2020 赛道：6D 物体位姿估计
计算机视觉与模式识别
2020-10-20 v1 机器学习
机器人学
摘要
6D 位姿估计对于增强现实、虚拟现实、机器人操控与视觉导航至关重要。然而，由于真实世界中物体的多样性，该问题具有挑战性。它们具有变化的 3D 形状，且在所捕获图像中的外观受传感器噪声、变化光照条件与物体间遮挡的影响。不同的位姿估计方法具有不同的优势与劣势，取决于特征表示与场景内容。同时，现有用于数据驱动方法估计 6D 位姿的 3D 数据集视角有限且分辨率低。为解决这些问题，我们组织了形状检索挑战（Shape Retrieval Challenge）中 6D 位姿估计的基准，并创建了一个能生成具有对应真实 6D 位姿的照片级真实彩色-深度图像对的物理精确模拟器。从捕获的彩色与深度图像，我们利用该模拟器生成一个 3D 数据集，其包含 400 对具各种视角的照片级真实合成彩色-深度图像对用于训练，以及另外 100 张捕获与合成图像用于测试。五个研究小组在该赛道注册，其中两个提交了结果。数据驱动方法是当前 6D 物体位姿估计的趋势，我们的评估结果表示充分挖掘颜色与几何特征的方法对反射且无纹理物体及遮挡的 6D 位姿估计更鲁棒。该基准与比较评估结果有潜力进一步丰富并推动 6D 物体位姿估计及其应用的研究。
引用
@article{arxiv.2010.09355,
title = {SHREC 2020 track: 6D Object Pose Estimation},
author = {Honglin Yuan and Remco C. Veltkamp and Georgios Albanis and Nikolaos Zioulis and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2010.09355},
year = {2020}
}