单帧 6D 物体位姿估计
计算机视觉与模式识别
2020-04-28 v1 机器人学
图像与视频处理
摘要
在本文中，我们基于深度图像提出了一种用于刚性物体 6D 物体位姿估计的新型单帧方法。为此，采用全卷积神经网络，其中 3D 输入数据被空间离散化，并将位姿估计视为在所得体素上局部求解的回归任务。我们的物体位姿网络（OP-Net）在 GPU 上以 65 fps 极快运行，端到端优化，并同时估计图像中多个物体的 6D 位姿。我们的方法不需要人工 6D 位姿标注的真实世界数据集，并且尽管完全在合成数据上训练，仍可迁移到真实世界。所提方法在公开基准数据集上进行了评估，我们能够证明最先进的方法被显著超越。
引用
@article{arxiv.2004.12729,
title = {Single Shot 6D Object Pose Estimation},
author = {Kilian Kleeberger and Marco F. Huber},
journal= {arXiv preprint arXiv:2004.12729},
year = {2020}
}
备注
Accepted at 2020 IEEE International Conference on Robotics and Automation (ICRA 2020)