带统计保证的物体位姿估计：依从关键点检测和几何不确定性传播

CVPRMar, 2023

带统计保证的物体位姿估计：依从关键点检测和几何不确定性传播

Object Pose Estimation with Statistical Guarantees: Conformal Keypoint Detection and Geometric Uncertainty Propagation

Heng Yang, Marco Pavone

TL;DR本文提出了一个可证明误差界限的姿态估计器，基于两阶段目标姿态估计范例，并注入了两个基本变化，即确定性关键点检测和几何不确定性传播。进行实验展示，PURSE 覆盖了真实姿态和最坏情况下的误差边界提供了正确的不确定性量化

Abstract

The two-stage object pose estimation paradigm first detects semantic keypoints on the image and then estimates the 6D pose by minimizing reprojection errors. Despite performing well on standard benchmarks, existing techniques offer no provable guarantees on the quality and uncertainty

object pose estimation conformal keypoint detection geometric uncertainty propagation pose uncertainty set worst-case error bounds

发现论文，激发创造

基于概率松弛的两阶段物体姿态估计范式

提出了一种无匹配点的概率公式，可以同时优化视觉对应和几何对齐步骤，能够更优雅地处理几何感知场景，如纹理不清晰、对称和 / 或遮挡物体和场景等存在多个可能的正确姿势解决方案的情况。

Jun, 2023

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

Ki-Pode: 基于关键点的刚性物体隐式姿态分布估计

本文提出一种旨在处理 6D 姿态估计中的姿态歧义问题的新方法，通过构建一个对象关键点的中介表示来实现概率分布的隐式形式推导，并对 YCB-V 和 T-LESS 数据集中的旋转分布估计任务进行评估。

Sep, 2022

面向对称性和不确定性的 6 自由度物体位姿估计 SLAM

提出了基于关键点的对象级 SLAM 框架，能够为对称和非对称对象提供全局一致的 6DoF 姿态估计。通过利用来自 SLAM 的相机姿态信息，提供对对称对象上跟踪关键点的先验知识 -- 确保新的测量结果与当前 3D 场景一致。实验表明，该方法在 6DoF 对象姿态估计方面具有竞争性能，并以实时速度运行。

May, 2022

基于混合模型的避免对应问题的目标姿态估计的随机几何框架

基于多个特征点的随机几何建模框架用于刚体物体位姿估计，并提供一种避免解决单个特征对应和在多视角应用中引入正确随机依赖性的方法。通过数值实验验证了该模型的有效性和对不同观测系统的适用性，包括测量分辨率、物体变形和测量噪声的影响。可以得出结论，基于混合模型的概率建模可以实现准确和鲁棒的位姿估计。

Nov, 2023

单阶段 6D 物体位姿估计

本文介绍了一种基于深度学习的 6D 姿态估计架构，能够直接从对应点回归 6D 姿态，并提出了单阶段 6D 姿态估计框架，能够在准确性和速度方面显著优于现有的双阶段框架。

Nov, 2019

基于语义关键点的六自由度物体位姿估计

本文提出了一种新的方法，使用卷积网络 (ConvNet) 预测语义关键点结合可变形形状模型，从单张 RGB 图像中估计物体的连续六自由度 (6-DoF) 姿态 (三维平移和旋转)，可以应用于基于实例和类别的姿态恢复，且无论是纹理还是无纹理对象均可。实验结果表明，该方法可在杂乱背景下准确地恢复实例和类别物体的 6-DoF 姿态，并在大规模 PASCAL3D+ 数据集上显示出最先进的精度。

Mar, 2017

实例自适应和几何感知关键点学习用于类别级 6D 物体姿态估计

提出了一种新颖的 Instance-Adaptive 和 Geometric-Aware Keypoint Learning 方法，用于类别级别的 6D 物体位姿估计。实验结果表明，该方法在没有类别特定形状先验知识的情况下，明显优于现有的方法。

Mar, 2024

使用多视角关键点对应估计单目图像中的物体姿态

利用物体分类内部几何规律的数据驱动姿态估计方法。首先，从 2D RGB 图像学习物体部分的姿态不变局部描述符。将这些描述符与来自固定３D 模板的关键点结合使用，生成给定单眼实际图像的关键点对应图。最后，使用这些关键点对应图，预测物体的３D 姿态。该方法在多个真实环境的视角估计数据集，如 Pascal3D + 与 ObjectNet3D 上的表现达到最佳水平，并且我们公开了所使用方法的代码以鼓励再生研究。

Sep, 2018

单幅 RGB 帧的基于语义关键点的姿态估算

该论文提出了一种从单个 RGB 图像中估计物体连续 6-DoF 姿态的方法，该方法结合了经卷积网络预测的语义关键点和可变形的形状模型，同时采用了半自动数据生成技术来训练可学习组件，在实验中该方法达到了与现有技术相当的结果。

Apr, 2022