单阶段六维物体位姿估计
计算机视觉与模式识别
2020-03-24 v2
摘要
大多数近期的 6D 位姿估计框架首先依赖深度网络建立 3D 物体关键点与 2D 图像位置之间的对应，然后使用基于 RANSAC 的 Perspective-n-Point (PnP) 算法的变体。然而，这种两阶段过程是非最优的：首先，它无法端到端训练。其次，深度网络的训练依赖于不能直接反映最终 6D 位姿估计任务的替代损失。在本工作中，我们引入了一种直接从对应关系回归 6D 位姿的深度架构。它为每个 3D 关键点输入一组候选对应，并考虑到每组内对应的顺序无关，而组的顺序（即 3D 关键点的顺序）是固定的。我们的架构是通用的，因此可与现有的对应提取网络结合使用，从而产生单阶段 6D 位姿估计框架。我们的实验表明，这些单阶段框架在准确率和速度方面均持续优于其两阶段对应方法。
引用
@article{arxiv.1911.08324,
title = {Single-Stage 6D Object Pose Estimation},
author = {Yinlin Hu and Pascal Fua and Wei Wang and Mathieu Salzmann},
journal= {arXiv preprint arXiv:1911.08324},
year = {2020}
}
备注
CVPR 2020