ICCVAug, 2021

ELLIPSDF: 基于双层椭球与带符号距离函数描述的联合物体姿态和形状优化

PDF
TL;DR该论文提出了一种紧凑的联合目标姿态和形状优化模型及其相关算法，从多视角的 RGB-D 相机观测中推断出目标级别的地图，进而让自主系统能够理解其周围环境的语义和几何信息，并安全高效地执行物体级别任务。
发现论文，激发创造
  • 基于类别的三维物体感知的最优姿态和形状估计

    本文提出了一个主要解决物体类别感知问题的非凸优化模型，其中包括针对模型内部变异性的解决方案，将图形学和优化算法相结合，以提高汽车姿态估计等领域的精度和鲁棒性。

    Apr, 2021

  • 基于深度形态先验的不确定性感知三维物体级建图

    提出一个基于学习生成模型和概率不确定性优化框架的方法，用于在没有对象 CAD 模型的情况下进行高质量的未知对象的三维重建和定位，并且通过引入形状和姿态的不确定性，得到了能够准确反映对象地图错误的姿态和形状不确定性。

    Sep, 2023

  • 鲁棒的视觉摄像机重定位的语义对象级建模

    通过自动物体级体素建模方法和相机位姿优化策略，实现了对视觉重定位的改进，提高了对新视点的鲁棒性。

    Feb, 2024

  • DISP6D: 可伸缩 6D 姿态估计的解耦式隐式形状和姿态学习

    该论文旨在使用自动编码器的框架来实现物体的 6D 位姿估计，通过度量学习和旋转检索等方法来提高对象类别的推广能力，最终在两个基准测试中展示了最先进的表现。

    Jul, 2021

  • EM-Fusion：带有概率数据关联的动态目标级 SLAM

    本文提出了一种新颖的基于动态物体级别体积有符号距离函数表示法的 SLAM 方法，将多物体跟踪公式化为 RGB-D 图像与 SDF 表示法的直接对齐，通过概率方法进行数据关联和遮挡处理，实验结果表明该方法在鲁棒性和准确性方面优于现有的最优方法。

    Apr, 2019

  • EPOS：对具有对称性的物体估计 6D 姿态

    通过使用编码器 - 解码器网络以及 PnP-RANSAC 算法，估算单张 3D 模型可得的 RGB 输入图像中刚性对象的 6D 位姿，对具有全局或部分对称性的挑战性物体采用紧凑表面片段进行表示。

    Apr, 2020

  • 基于 RGB 的类别级物体姿态估计与解耦的度量尺度恢复

    本文提出了一种新颖的流程，通过解耦 6D 姿态和尺寸估计，减轻了单目观察带来的尺度不精确对刚性变换的影响，并借助预训练的单目估计器获取局部几何信息，以便搜寻二维 - 三维对应关系，并利用基于类别级统计的独立分支直接恢复物体的度量尺度，最后倡导使用 RANSAC-P$n$P 算法鲁棒求解 6D 物体姿态。在合成和真实数据集上进行了大量实验证明，相对于先前最先进的基于 RGB 的方法，我们的方法在旋转准确性方面表现出更高的性能。

    Sep, 2023

  • 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

  • 训练数据生成网络：通过双层优化实现形状重建

    提出了一种新的三维形状表示方法，用于从单个图像中重建三维形状。通过训练神经网络生成训练集，再利用元学习方法进行双层优化，建立了三维形状分析和少样本学习之间的联系。该方法结合了训练数据生成网络与双层优化算法，可以联合训练，提高了三维形状重建的标准基准上的性能。

    Oct, 2020

  • 类别级别度量尺度物体形状和姿态估计

    本文提出了一种框架，该框架可从一张单独的 RGB 图像中联合估计度量尺度形状和姿态，包括度量尺度物体形状分支（MSOS）和归一化物体坐标空间分支（NOCS）等；通过验证方法评估了类别级别的物体姿态和形状。

    Sep, 2021