面向点云中实时物体识别与位姿估计
计算机视觉与模式识别
2020-11-30 v1
摘要
物体识别与 6DoF 位姿估计是计算机视觉应用中颇具挑战性的任务。尽管标准方法在此类任务中有效，但其处理速率远未达到实时。本文提出一种新颖的流程，用于估计物体的精细 6DoF 位姿，并可实时应用于真实场景。我们将方案分为三个主要部分。首先，颜色特征分类利用在 ImageNet 上预训练的 CNN 颜色特征进行物体检测。基于特征的配准模块给出粗位姿估计，最后，精细调整步骤执行基于 ICP 的稠密配准。我们的方案在最佳情况下于 RGB-D Scenes 数据集上取得了近 83% 的准确率。在处理时间方面，物体检测任务以高达 90 FPS 的帧处理速率完成，而位姿估计在全执行策略下以近 14 FPS 完成。我们指出，由于方案的模块化，我们可仅在有必要时进行全执行，并实施一种调度执行策略，从而解锁实时处理，即便在多任务情形下亦如此。
引用
@article{arxiv.2011.13669,
title = {Towards real-time object recognition and pose estimation in point clouds},
author = {Marlon Marcon and Olga Regina Pereira Bellon and Luciano Silva},
journal= {arXiv preprint arXiv:2011.13669},
year = {2020}
}
备注
Accepted as Full paper at VISAPP2021