VAPO：面向高效 6DoF 物体姿态估计的可见性感知关键点定位
计算机视觉与模式识别
2025-07-21 v5
摘要
在二维图像中定位预定义的三维关键点是建立实例级 6DoF 物体姿态估计所需 3D-2D 对应关系的有效方法。然而，不可见关键点的不可靠定位结果会降低对应关系的质量。本文通过根据可见性定位重要关键点来解决这一问题。由于当前数据集采集过程中缺失关键点可见性信息，我们提出了一种高效方法，利用可用的物体级标注为不对称物体和对称物体的关键点生成二值可见性标签。我们进一步基于 PageRank 算法从二值标签推导出实值的可见性感知重要性。利用可见性感知重要性的灵活性，我们通过将其与最先进的姿态估计算法以及额外的位置编码相结合，构建了 VAPO（可见性感知姿态估计器）。VAPO 可在基于 CAD 和无 CAD 两种设置下工作。在包括 Linemod、Linemod-Occlusion 和 YCB-V 在内的流行姿态估计基准上进行了大量实验，结果表明 VAPO 明显达到了最先进的性能。项目页面：https://github.com/RuyiLian/VAPO。
引用
@article{arxiv.2403.14559,
title = {VAPO: Visibility-Aware Keypoint Localization for Efficient 6DoF Object Pose Estimation},
author = {Ruyi Lian and Yuewei Lin and Longin Jan Latecki and Haibin Ling},
journal= {arXiv preprint arXiv:2403.14559},
year = {2025}
}
备注
accepted for publication in the Proceedings of the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025) as oral presentation