面向双视图6D物体位姿估计：融合策略的比较研究
计算机视觉与模式识别
2022-07-04 v1 机器人学
摘要
当前基于RGB的6D物体位姿估计方法在数据集与真实世界应用中已取得显著性能。然而，从单一2D图像特征预测6D位姿易受环境变化以及无纹理或相似物体表面的干扰。因此，基于RGB的方法通常比部署图像特征与3D结构特征的RGBD方法取得竞争力较弱的结果。为缩小此性能差距，本文提出一种从2张RGB图像学习隐式3D信息的6D物体位姿估计框架。结合学习到的3D信息与2D图像特征，我们在场景与物体模型间建立更稳定的对应。为寻求最佳利用来自RGB输入的3D信息的方法，我们对三种不同方法进行调查，包括早期融合、中期融合和晚期融合。我们确定中期融合是恢复对物体位姿估计最有用的精确3D关键点的最佳方法。实验表明，我们的方法优于最先进的基于RGB的方法，并取得了与RGBD方法相当的结果。
引用
@article{arxiv.2207.00260,
title = {Towards Two-view 6D Object Pose Estimation: A Comparative Study on Fusion Strategy},
author = {Jun Wu and Lilu Liu and Yue Wang and Rong Xiong},
journal= {arXiv preprint arXiv:2207.00260},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2109.12266