CVPRApr, 2021

使用密集相关体进行极端旋转估计

PDF
TL;DR本论文通过神经网络比较两张 RGB 图像中所有点对的特征，构造密集的特征相关体并处理，以预测非重叠图像间的相对三维旋转，在室内外不同光照和地理位置情况下成功实现了对非重叠图像的旋转估计，避免了在即使重叠面积很小或没有重叠的图像之间的估计难题。
relative 3d rotationrgb image pairdense feature correlation volumesimplicit cuesnon-overlapping images
发现论文，激发创造
  • 基于场景补全的 RGB-D 扫描极端相对姿态估计

    提出了一种使用深度神经网络处理 RGB-D 扫描数据的方法，该方法可以处理极端的相对位姿变换，且在相对位姿估计和场景完成方面都达到了更好的效果。

    Dec, 2018

  • 混合表示下的极端相对姿态网络

    本文介绍了一种新的 RGB-D 相对位姿估计方法，该方法适用于小重叠或非重叠扫描，并且可以输出多个相对位姿。该方法执行场景补全和匹配补全的扫描。

    Dec, 2019

  • 从 RGB 图像中学习 6D 物体探测的隐式三维方向

    我们提出了一种基于实时 RGB 的管道来实现物体检测和六自由度姿态估计。我们的创新性三维方向估计基于域随机化训练的三维模型的模拟视图，采用了变体的降噪自编码器。我们称之为增强自编码器相较于现有方法具有多个优点：它不需要真实标注的训练数据，适用于各种测试传感器，固有的处理物体和视角对称性。我们提出了一种隐式表征物体方向的方法，定义了潜在空间内的样本，而不是学习从输入图像到对象姿态的显式映射。我们的管道在 T-LESS 数据集的 RGB 和 RGB-D 领域均取得了最新成果。我们还在 LineMOD 数据集上进行评估，其中我们可以与其他合成训练方法竞争。当物体偏离图像中心时，通过纠正三维方向估计来进一步提高性能，并展示了扩展结果。

    Feb, 2019

  • 基于相关融合的 6D 姿态估计

    本文提出了一种新的方法，使用注意力机制有效地考虑 RGB 和深度之间的相关性，探索了用于确保 RGB 和深度之间有效信息流的内部和交叉相关模块的有效融合策略。实验结果表明，该方法在对象姿态估计方面的表现优于现有方法，并证明了该方法可以为真实世界的机器人抓取任务提供准确的物体姿态估计。

    Sep, 2019

  • 通过学习 RGB-D 特征实现鲁棒的 6D 物体姿态估计

    本文提出了一种离散连续的旋转回归公式来解决对称物体旋转不确定性问题，并通过点聚集向量来检测物体位置，并在 LINEMOD 和 YCB-Video 基准测试中得到比现有方法更好的表现。

    Feb, 2020

  • RoRD: 旋转鲁棒的特征描述符和正交视图用于局部特征匹配

    本文介绍了一种使用数据增强和正交视角投影学习不变性描述符的新框架，通过旋转保角本质的数据增强学习旋转不变性的本地描述符，并通过一种对特征匹配方法进行改进的技术以及新的自定义数据集进行了验证，在包括姿势估计和视觉位置识别等关键任务上提供了实用性能量的性能表现。

    Mar, 2021

  • RGBD 相对位姿估计中的几何深度一致性

    该论文介绍了一种相对位姿估计方法，利用 RGBD 相机的 RGB 和深度信息，通过几何深度约束和嵌套 RANSAC 算法实现对相机位姿的快速准确估计。

    Jan, 2024

  • 基于柔性向量旋转表示的六维物体类别姿态估计

    本文提出了一种新型的基于 3D 图卷积的流水线，用于从单目 RGB-D 图像中的分类级别 6D 姿态和尺寸估计。提出的方法利用了高效的 3D 数据增强和新型的基于向量的分解旋转表示。实验结果表明，该流水线在分类级别任务上具有最先进的性能。同时，实验证明，所提出的旋转表示比其他旋转表示更适合姿态估计任务。

    Dec, 2022

  • 拥挤场景下鲁棒的帧间相机旋转估计

    我们提出了一种从手持单目视频中估计拥挤真实场景中相机旋转的方法，通过在 SO (3) 上引入 Hough 变换，可在光流中高效而鲁棒地找到与之最相符的相机旋转，且在速度上比其他方法更准确。

    Sep, 2023

  • 组相关立体网络

    本文提出了使用分组相关来构建成本体积，并改进了三维堆叠沙漏网络，以用于立体匹配的深度感知，通过实验证明在 Scene Flow、KITI 2012 和 KITTI 2015 数据集上，该方法优于之前的方法。

    Mar, 2019