CVPRMar, 2022

3D 物体姿态估计模板再审：对新对象的泛化和遮挡稳健性

PDF
TL;DR本研究提出了一种基于 CAD 模型的局部特征匹配方法，无需对新物体进行训练即可实现新物体的识别和三维位姿估计，实验证明该方法能够实现对不同于训练集的新物体的泛化，明显优于其他基于模板匹配的方法。
object recognition3d pose estimationtemplate matchingcad modelslocal features
发现论文，激发创造
  • 学习本地 RGB-CAD 对应关系用于物体姿态估计

    本文介绍了一种用于三维目标姿态估计的新方法，将 RGB 图像与 CAD 模型匹配以实现目标姿态估计，通过学习选择关键点并保持视角和模态不变性的目标，消除了对昂贵的三维姿态注释的需求，并通过大量实验证明了该方法能够可靠地估计 RGB 图像中的目标姿态以及推广到训练期间未看到的目标实例。

    Nov, 2018

  • 利用本地表面嵌入技术在彩色图像中实现未知物体的三维目标检测和姿态估计

    该研究提出了一种结合了深度学习和三维几何的方法，利用未带纹理的 CAD 模型和不需要针对新对象进行训练的方法，检测和估计图像中物体的 3D 姿态，并利用 Mask-RCNN 实现无需重新训练的对象检测，从而限制可能的对应关系数量。实验结果表明，该方法与之前的方法相当或更好。

    Oct, 2020

  • BB8: 一种可扩展、准确、部分遮挡稳健的方法，用于预测具有挑战性的物体的 3D 姿态而无需使用深度

    本研究针对 T-LESS 数据集中具有旋转对称轴的物体进行了 3D 目标检测和姿态估计，通过引入 CNN 等技术，实现了色彩图像的 2D 投影识别和姿态预测方案，并使用限制范围的训练和分类器优化，最终在 LINEMOD 数据集上将正确注册的 RGB 帧从 73.7％提高至 89.3％，并对仅使用彩色图像的 Occlusion 数据集进行了测试。

    Mar, 2017

  • GigaPose：通过一对应关系进行快速且鲁棒的新对象姿态估计

    GigaPose 是一种快速、稳健、准确的基于 CAD 的 RGB 图像中新颖物体姿态估计方法，通过利用 CAD 模型的渲染图像来恢复平面外旋转，然后使用补丁对应关系估计其他四个参数。

    Nov, 2023

  • OnePose：无 CAD 模型一次性物体姿态估计

    本文提出了一种名为 OnePose 的新方法，可以在没有 CAD 模型的情况下对任意类别的物体进行物体姿态估计，利用视觉定位和图形注意力网络结合进行 2D 和 3D 特征匹配，结合基于特征的姿势跟踪器，可以实现对日常家用物品 6D 姿态的实时稳定检测和跟踪。

    May, 2022

  • 针对三维物体姿态估计，使深度热图对于部分遮挡具有鲁棒性

    本研究提出了一种新的方法用于从单个彩色图像中准确地估算有大遮挡的三维物体姿态，即首先预测与目标物体相关的 3D 点的 2D 投影，然后使用几何方法从这些对应关系中计算 3D 姿态，方法是从多个小补丁独立地预测热图，然后积累结果以获得准确和稳健的预测。

    Apr, 2018

  • CorNet：通用的 3D 角点用于 6D 姿态估计新物品而无需重新训练

    本文提出一种基于物体几何特征，无需新数据或训练阶段即可快速、准确地检测和定位 3D 物体的方法，包括几何学习、RANSAC 算法等，特别适用于工业场景。

    Aug, 2019

  • MFOS: 无模型且一次性物体姿态估计

    提出了一种基于 Transformer 架构的新颖方法，用于在训练期从最少的输入中估计从未在训练中见过的物体的姿态，并在困难的 LINEMOD 基准测试中实现了最新的一次性表现。

    Oct, 2023

  • 融合局部相似性实现对未知物体的基于检索的三维方向估计

    本文提出了一种基于检索的策略来估计之前从未见过的对象的三维方向，并通过计算查询图像与合成参考图像之间的多尺度局部相似性，并引入自适应融合模块将局部相似性稳健地聚合成成对图像的全局相似度得分，达到比之前的工作更好地推广未见过的对象的效果。

    Mar, 2022

  • OSOP: 多阶段一次拍摄物体姿态估计框架

    提出一种新颖的对象检测和 6 自由度姿态估计一次性方法，无需对目标对象进行训练，通过 2D-3D 对应估计物体姿态

    Mar, 2022