Dec, 2020

使用 RGB-D 序列在多个对象跟踪中看到物体背后

PDF
TL;DR本文提出了一种基于 RGB-D 视频序列的多目标跟踪方法，通过联合推断目标的完整几何形状和跟踪它们来提高跟踪的稳健性，通过人工构建目标的视状图像，得到相同实例之间的额外对应关系，从而提高了跟踪的鲁棒性。实验结果表明该方法在动态目标跟踪方面取得了 state-of-the-art 的性能。
multi-object trackingrgb-d video sequencesobject geometrycorrespondence mappingobject completion
发现论文，激发创造
  • TrackAgent: 通过强化学习进行 6D 物体追踪

    追踪物体的六维姿态，在物体本身或观察相机移动时，对许多机器人学和增强现实应用非常重要。在跟踪任务的严格时间限制下，我们提出了将物体追踪简化为加强点云（仅深度）对齐任务的方法。

    Jul, 2023

  • DepthTrack: 揭示 RGBD 跟踪的威力

    该论文介绍了一种新的 RGBD 跟踪数据集 - Depth-Track，其中有 200 个序列，40 种场景类型和 90 个对象，并建立了一个新的 RGBD 跟踪基准 DeT，揭示了真正的训练数据对深度 RGBD 跟踪的益处。

    Aug, 2021

  • RevealNet: RGB-D 扫描中探索物体背后

    介绍一种新的数据驱动方法 RevealNet，能够检测物体的实例以及推断物体的完整几何形状，包括隐藏和未观察到的部分。这种方法在真实和合成扫描基准数据上均表现出卓越的性能。

    Apr, 2019

  • MoreFusion: 基于体素融合的多目标推理技术在 6D 位姿估计中的应用

    提出了一种基于多视角视野的实时视觉系统，可以从单个 RGB-D 视角提出三维物体姿态建议，并且根据多个视角的姿态估计和非参数占用信息积累这些姿态估计，从而对接触的多个已知对象进行一致的、不相交的姿态估计。应用于实时机器人应用程序中，只使用机载 RGB-D 视觉，机械臂可以精确而有序地拆卸复杂的物体堆放，展示了其准确性和鲁棒性。

    Apr, 2020

  • 通过 3D 模型估计跟踪未知视频对象

    本文提出一种新的方法，在视觉目标追踪方面通过 3D 形态和位姿表达，结合可微分渲染技术优化一个新型的损失函数，取得了在三个数据集上追踪刚性物体方面的最新进展。

    Apr, 2023

  • 从 RGB-D 输入实时联合跟踪手部操纵物体

    本文提出了一种实时的手和物体姿态联合追踪方法，利用一个单独的 RGB-D 相机，通过 3D GMM 算法和创新的正则化策略，同时解决了遮挡、快速运动和手与物体重合的问题，辅以判别式手部部分分类和物体分割，实现了实时追踪。实验结果表明，该方法具有速度、准确性和鲁棒性。

    Oct, 2016

  • 使用单个 RGB 相机进行可见性感知的人体 - 物体交互追踪

    该研究提出了一种基于神经网络和 SMPL 模型的新方法，用于通过一个单一的 RGB 摄像机跟踪三维人体、物体及其相对位移，且能够在强遮挡情况下保持稳健性。

    Mar, 2023

  • 深度 6 - 自由度跟踪

    利用深度学习，我们提出了一种基于时间的 6 自由度跟踪方法，可在具有挑战性的真实世界数据集中实现最先进的性能，具有比现有最佳方法更准确、更鲁棒的抗遮挡性能，同时保持实时性能。在评估其效力时，我们在几个具有挑战性的 RGBD 序列上进行了评估，并通过一系列对象逐渐被遮挡的序列系统地评估了对遮挡的鲁棒性。最后，我们的方法完全是数据驱动的，不需要任何手动设计的特征：鲁棒跟踪是自动从数据中学习的。

    Mar, 2017

  • 透明物体深度补全的 RGB-D 本地隐式函数

    本文提出了一种基于局部隐式神经表示的方法，使用射线 - 体素对捕获透明物体的深度信息，并在缺失深度数据的情况下，利用迭代式自我纠正模型和大规模合成数据集进一步完善估计，实验结果表明，这种方法在合成和真实数据上均比现有的最佳方法 ClearGrasp 表现显著优越，并将推理速度提高了 20 倍。

    Apr, 2021

  • 基于运动深度的单眼三维物体检测

    通过研究基于单目输入的三维物体感知，提出了一种利用相机自运动提供的强几何结构进行精确物体深度估计和检测的方法，并建立了一个名为 “DfM” 的框架，成功地提高了 KITTI 基准数据集上的检测性能。

    Jul, 2022