空间中大深度范围的 6D 物体位姿估计
计算机视觉与模式识别
2021-04-02 v1 图形学
机器人学
摘要
空间中的 6D 位姿估计带来了地面环境中不常遇到的独特挑战。最显著的差异之一是缺乏大气散射，使物体能从极远距离可见，同时使光照条件复杂化。当前可用的基准数据集未充分强调这一方面，大多描绘近距离目标。先前解决大尺度变化下位姿估计的工作依赖两阶段方法，先估计尺度，再在缩放后的图像块上估计位姿。我们转而提出一种对尺度变化更鲁棒的单阶段分层端到端可训练网络。我们证明它不仅在合成以 resemble 太空图像的图像上，也在标准基准上优于现有方法。
引用
@article{arxiv.2104.00337,
title = {Wide-Depth-Range 6D Object Pose Estimation in Space},
author = {Yinlin Hu and Sebastien Speierer and Wenzel Jakob and Pascal Fua and Mathieu Salzmann},
journal= {arXiv preprint arXiv:2104.00337},
year = {2021}
}
备注
CVPR 2021