CVPRMar, 2022

迭代对应几何：融合区域和深度实现无纹理物体高效三维跟踪

PDF
TL;DR本论文提出一种新的概率追踪算法 ICG，可以基于目标物体的区域和深度信息而无需依赖纹理，并采用对应线和点迭代改进姿态，同时增加了鲁棒的遮挡处理，能够在真实场景下实现更高的精度与鲁棒性，实验结果表明，该算法不仅在纹理丰富的物体上表现优异，而且在追踪精度和效率方面远优于现有的技术。
6dof posecomputer visionprobabilistic trackerobject geometryocclusion handling
发现论文，激发创造
  • 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

  • 单核 CPU 上的彩色和深度实时 3D 模型跟踪

    该论文提出了一种新的方法来在彩色和深度数据中跟踪 3D 模型，通过加速区域跟踪的近似来保持相似精度，更好地处理深度数据并提出了新的联合轮廓和 ICP 跟踪能量，最终在单个 CPU core 上取得比现有技术更好的结果且速度更快。

    Nov, 2019

  • SegICP: 深度语义分割与姿态估计

    该研究提出了 SegICP，一种用于实现物体识别和位姿估计的新型解决方案，它采用卷积神经网络和多假设点云注册相结合的方法，实现了强大的像素级语义分割和准确的实时六自由度姿势估计，快速提高了机器人系统的感知速度和稳健性。

    Mar, 2017

  • 立体三维物体跟踪的联合时空优化

    通过深度神经网络强大的目标理解，同时处理精确几何建模的一致轨迹估计，提出了一种基于联合时空优化的立体 3D 对象跟踪方法，在 KITTI 跟踪数据集上取得显著优于先前方法的定量评估结果，并在多个类别和大型数据集（KITTI 原始和 Argoverse 跟踪）上进行了广泛的结果报告以供未来基准测试。

    Apr, 2020

  • 基于关键点几何推理的单目三维物体检测

    本篇研究提出了一种基于关键点的方法，利用单个 RGB 图像进行三维目标检测和定位，该网络基于 2D 关键点检测和几何推理方法，同时估计 2D 特征和全局 3D 姿态，最终在 KITTI 数据集中达到了最好的性能表现。

    May, 2019

  • 一种基于区域的高斯牛顿实时单目多物体跟踪方法

    该研究提出了一种用于实时追踪刚体三维物体 6 自由度位姿的算法，采用单目 RGB 相机，利用一种基于区域的代价函数，并通过 Gauss-Newton 优化得到高度准确和鲁棒的跟踪性能，特别是在有杂乱背景，异质对象和局部遮挡的情况下，该算法表现出色。

    Jul, 2018

  • 基于深度模型的 RGB 图像中的 6D 姿态细化

    本研究提出了一种基于深度神经网络的视觉损失函数，通过对凸形物体外轮廓的对齐来驱动位姿更新进行模型为 6D 姿态精修的处理，方法无需确定外观模型、免除了手动图像分割、同时能够处理遮挡问题和几何不对称性与视觉模糊问题，并且能够在没有深度数据的情况下准确地估算物体位姿。

    Oct, 2018

  • 概率和几何深度：透视中的物体检测

    该文通过构建几何相关图，利用概率表示来解决单目三维检测的问题，从而提高了检测性能并保持实时性的有效性。

    Jul, 2021

  • 基于学习的 ICP 场景重构

    使用深度传感器在房间中捕获对象的 3D 模型，采用基于深度强化学习的学习式 ICP 方法对 CAD 模型进行对齐，优于先前文献中的 ICP 方法，能够在实际场景中实现高质量结果的对象对齐。

    Dec, 2018

  • 利用投影建模学习基于几何引导的深度，实现单目三维物体检测

    本篇研究提出一种基于几何建模的投影模型方法，用于改进单目三维物体检测中的深度估计问题，实验证明该方法使得检测性能得到了显著提升。

    Jul, 2021