SpyroPose：用于物体位姿分布估计的SE(3)金字塔
计算机视觉与模式识别
2024-01-04 v2 机器人学
摘要
物体位姿估计是计算机视觉核心问题，且常为机器人学的关键组件。位姿估计通常寻求物体位姿的单一最佳估计，但该方法不适用于存在视觉歧义的任务。此类情况下，宜将不确定性估计为位姿分布，以使下游任务能做出明智决策。位姿分布可具任意复杂度，这促使估计无参数分布；然而迄今因在SE(3)上训练与归一化的困难，其仅用于SO(3)上的朝向估计。我们提出一种SE(3)上位姿分布估计的新方法：采用分层网格（金字塔），在训练时实现高效重要性采样，推理时稀疏评估金字塔，从而允许实时6D位姿分布估计。我们的方法在SO(3)上优于最先进（SOTA）方法，且据我们所知，给出了SE(3)上位姿分布估计的首个定量结果。代码将发布于spyropose.github.io。
引用
@article{arxiv.2303.05308,
title = {SpyroPose: SE(3) Pyramids for Object Pose Distribution Estimation},
author = {Rasmus Laurvig Haugaard and Frederik Hagelskjær and Thorbjørn Mosekjær Iversen},
journal= {arXiv preprint arXiv:2303.05308},
year = {2024}
}
备注
ICCVW 2023 (R6D)