稀疏色码网络：基于 RGB 的实时 6D 物体姿态估计
计算机视觉与模式识别
2024-06-06 v1 机器人学
摘要
随着机器人和增强现实应用对精确且高效 6D 物体姿态估计需求的增长，边缘设备上的实时性能成为更具互动和响应性系统的必备条件。我们提出的稀疏色码网络（Sparse Color-Code Net, SCCN）具有清晰简洁的管道设计，以有效应对这一需求。SCCN 对目标物体在 RGB 图像中的像素进行逐像素预测，利用关键物体几何特征的稀疏性加速 Perspective-n-Point（PnP）计算过程。此外，它引入一种基于像素的几何对象对称性表示，无缝集成于初始姿态预测中，从而有效解决对称物体的歧义问题。SCCN 在 NVIDIA Jetson AGX Xavier 上，分别在 LINEMOD 数据集和遮挡 LINEMOD 数据集上实现了 19 帧/秒（FPS）和 6 FPS 的估计率，同时在这些速度下始终保持高估计精度。
引用
@article{arxiv.2406.02977,
title = {Sparse Color-Code Net: Real-Time RGB-Based 6D Object Pose Estimation on Edge Devices},
author = {Xingjian Yang and Zhitao Yu and Ashis G. Banerjee},
journal= {arXiv preprint arXiv:2406.02977},
year = {2024}
}
备注
Accepted for publication in the Proceedings of the 2024 IEEE 20th International Conference on Automation Science and Engineering