面向6DoF物体位姿估计的对称性与不确定性感知物体SLAM
机器人学
2022-07-14 v2
摘要
我们提出了一种基于关键点的物体级SLAM框架，能够为对称与非对称物体提供全局一致的6DoF位姿估计。据我们所知，我们的系统是最早利用SLAM提供的相机位姿信息为对称物体上的关键点跟踪提供先验知识的系统之一——确保新测量值与当前三维场景一致。此外，我们的语义关键点网络被训练用于预测关键点的高斯协方差，该协方差捕捉预测的真实误差，因此不仅可作为系统优化问题中残差的权重，也可作为无需手动阈值即可检测有害统计离群值的方法。实验表明，我们的方法在6DoF物体位姿估计中提供了与当前最优(state of the art)相竞争的性能，且达到实时速度。我们的代码、预训练模型和关键点标签可在 https://github.com/rpng/suo_slam 获取。
引用
@article{arxiv.2205.01823,
title = {Symmetry and Uncertainty-Aware Object SLAM for 6DoF Object Pose Estimation},
author = {Nathaniel Merrill and Yuliang Guo and Xingxing Zuo and Xinyu Huang and Stefan Leutenegger and Xi Peng and Liu Ren and Guoquan Huang},
journal= {arXiv preprint arXiv:2205.01823},
year = {2022}
}
备注
Accepted to CVPR2022