Objects with symmetries are common in our daily life and in industrial
contexts, but are often ignored in the recent literature on 6d pose estimation
from images. In this paper, we study in an analytical way the
本研究提出了一种解决 3D 物体检测和姿态估计中本质的模糊性的方法。对于每个物体实例,我们预测多个姿态和类别结果,以估计由对称和重复文理所产生的特定姿态分布。当视觉外观唯一识别出一个有效姿态时,分布将崩溃为单一结果。我们展示了我们的方法的好处,不仅提供更好的姿态模糊解释,而且在姿态估计方面也具有更高的准确性。
提出了基于关键点的对象级 SLAM 框架,能够为对称和非对称对象提供全局一致的 6DoF 姿态估计。通过利用来自 SLAM 的相机姿态信息,提供对对称对象上跟踪关键点的 先验知识 -- 确保新的测量结果与当前 3D 场景一致。实验表明,该方法在 6DoF 对象姿态估计方面具有竞争性能,并以实时速度运行。