CVPRMay, 2021

MarkerPose：精确立体位置估计的鲁棒实时平面目标跟踪

PDF
TL;DR该研究提出了 MarkerPose，一个基于三个圆形平面目标和立体视觉系统的强韧实时姿态估计系统，其包括用于 marker 点检测的像素级准确键点定位和分类的 SuperPoint 网络以及用于亚像素级准确键点检测的轻量级椭圆分割网络。该方法通过立体测量来估计 marker 的姿态，具有更高的精度和抗噪声性能，适用于需要高精度姿态估计的 3D 自由手超声系统中。
pose estimationmarker-based approachesneural networksstereo vision systemaccuracy
发现论文，激发创造
  • 使用平面正方形标记同时进行多视角相机姿态估计和物体跟踪

    本文提出了一种新的方法，同时解决了使用固定平面标记来进行多相机三维物体跟踪所面临的问题，能够在低分辨率摄像头下获得高精度的跟踪结果，从而在实现物体实时跟踪的同时，大大降低了计算成本。

    Mar, 2021

  • 基于自监督的模拟到现实迁移的无标记相机与机器人姿态估计

    提出了一种端到端的姿态估计框架，结合深度学习和几何视觉解决机器人姿态的问题，并利用自我监督的方法以及深度学习的技术训练神经网络，最终在真实环境的两个公共数据集上验证了该方法的有效性，并将其应用于视觉伺服系统中。

    Feb, 2023

  • 无标记运动捕捉的 3D 人体姿态估计算法综述

    本文综述了过去五年间的主要人体姿势估计方法，重点关注指标、基准和方法结构，提出了基于准确性、速度和鲁棒性的分类方法，并得出了未来研究的方向。

    Oct, 2020

  • 视频中高效姿态估计的检测与追踪

    该论文提出了一种基于最新的人体检测和视频理解技术的轻量化人体关键点估计和跟踪方法，在帧级别和短视频片段中进行关键点估计，并进行轻量级跟踪，领先于多项竞争者，成为 2017 年 ICCV PoseTrack 的关键点跟踪挑战的最佳表现。

    Dec, 2017

  • 基于分割的 6D 物体姿态估计

    本文提出一种基于分割的 6D 姿态估计框架，使用关键点检测获取局部姿态预测，并根据置信度预测将这些姿态候选融合成可靠的 3D-to-2D 对应关系，从而在多个低纹理物体相互遮挡的情况下获得最优姿态估计，其采用简单且高效的架构实现实时性能。

    Dec, 2018

  • MetaPose: 无需 3D 监督，快速从多视图中获得 3D 姿态

    本文介绍如何使用神经网络模型进行多摄像头人体姿势估计，在考虑多角度遮挡及联合位置不确定性情况下，使用 2D 关键点数据进行训练。相比于经典捆绑调整与弱监督单目 3D 基线方法，我们的模型在 Human3.6M 和 Ski-Pose PTZ 数据集上表现更好。

    Aug, 2021

  • 基于主动 LED 标记的事件相机实时六自由度姿态估计

    通过使用主动 LED 标记（ALM）的简单而有效的基于事件的姿态估计系统，本文提出了一种能够在实时操作中以小于 0.5 毫秒的延迟和 3 千赫兹的输出速率运行的快速而准确的姿态估计算法，并通过使用 OptiTrack 系统作为测量基准，在静态和动态场景中提供了实验结果以展示该方法在计算速度和绝对准确性方面的性能。

    Oct, 2023

  • DeLS-3D: 3D 语义地图的深度定位与分割

    该研究提出了一种基于深度学习的统一框架，通过将相机视频、运动传感器（GPS/IMU）和三维语义地图进行传感器融合，以实现自主驾驶、自我定位和场景分类等多个应用领域中场景解析和相机姿态同时处理的目的。研究使用的技术包括渲染技术，使用相机姿态和三维语义地图生成标注地图，并在深度神经网络中进行联合训练，以提高姿态估计精度。该研究表明，相较于单一传感器，传感器融合对于目标跟踪及姿态估计具有更高的鲁棒性和准确性。

    May, 2018

  • 重新思考三维姿态：用于非标记运动捕捉的多阶段细化与恢复

    通过多相机无标记运动捕捉，使用基于 CNN 的方法进行人体运动捕捉，利用三维推理提高关节点定位准确性，并利用高质量的多相机训练数据来提高现有单相机模型的准确性。

    Aug, 2018

  • 快速单次拍摄检测与姿态估计

    该研究提出了一种多用途的卷积神经网络方法，该方法能够在单次识别中实现物体检测和粗略姿态估计，可以作为高精度姿态估计、物体跟踪和定位以及 vSLAM 等任务的预处理步骤。

    Sep, 2016