TrackAgent：基于强化学习的6D物体跟踪
计算机视觉与模式识别
2023-07-31 v1 机器人学
摘要
在物体自身或观测相机运动的情况下跟踪物体的6D位姿，对许多机器人与增强现实应用十分重要。虽然利用时间先验可缓解该问题，但跟踪丢失后需要物体特定的知识来恢复。在跟踪任务的严格时间约束下，基于RGB(D)的方法往往概念复杂或依赖启发式运动模型。相比之下，我们提出将物体跟踪简化为一个强化点云（仅深度）对齐任务。这使我们能够从零开始以有限的稀疏3D点云训练一种精简方法，而先前工作需使用大量多样的RGBD序列数据集。我们通过使用强化学习（RL）智能体联合求解帧间配准与基于物体的恢复两个目标，将时间上的帧到帧配准与通过帧到模型精炼实现的基于物体的恢复相结合。我们还展示了RL智能体的不确定性和基于渲染的掩码传播是有效的重新初始化触发条件。
引用
@article{arxiv.2307.15671,
title = {TrackAgent: 6D Object Tracking via Reinforcement Learning},
author = {Konstantin Röhrl and Dominik Bauer and Timothy Patten and Markus Vincze},
journal= {arXiv preprint arXiv:2307.15671},
year = {2023}
}
备注
International Conference on Computer Vision Systems (ICVS) 2023