未见物体 6D 位姿估计：一个基准与基线方法
计算机视觉与模式识别
2022-06-24 v1 机器人学
摘要
估计未见物体的 6D 位姿在许多现实应用中需求巨大。然而，当前最先进的位姿估计方法只能处理先前训练过的物体。本文提出一项新任务，使算法能够在测试时估计新物体的 6D 位姿并为之提供便利。我们收集了一个包含真实与合成图像的数据集，测试集中至多含 48 个未见物体。同时，我们提出名为下确界 ADD（IADD）的新指标，它是对具有不同类型位姿模糊性的物体的不变度量。我们还提供了该任务的两阶段基线方案。通过训练端到端 3D 对应网络，我们的方法准确且高效地找到未见物体与部分视角 RGBD 图像之间的对应点，随后使用对物体对称性鲁棒的算法从对应点计算 6D 位姿。大量实验表明我们的方法优于若干直观基线，从而验证了其有效性。所有数据、代码与模型将公开可用。项目主页：www.graspnet.net/unseen6d
引用
@article{arxiv.2206.11808,
title = {Unseen Object 6D Pose Estimation: A Benchmark and Baselines},
author = {Minghao Gou and Haolin Pan and Hao-Shu Fang and Ziyuan Liu and Cewu Lu and Ping Tan},
journal= {arXiv preprint arXiv:2206.11808},
year = {2022}
}