Jul, 2023

KVN：具有可微分 RANSAC 的关键点投票网络用于立体姿态估计

PDF
TL;DR本文介绍了一种使用可微分 RANSAC 层和基于不确定性的多视图 PnP 求解器对基于立体图像的物体姿态估计问题进行解决的方法，并在公开数据集上进行了评估，取得了与其他最近方法相比的最新结果。
object pose estimationcomputer visionransacpnp algorithmstereo image-based
发现论文，激发创造
  • PVN3D：一种深度点间 3D 关键点投票网络用于 6DoF 姿态估计

    本文提出了一种基于数据驱动的方法，使用关键点检测和 Hough 投票网络，实现了从单个 RGBD 图像稳健地估算 6DoF 物体姿态，并在多个基准测试中表现出色。

    Nov, 2019

  • 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

  • PVNet: 用于 6DoF 位姿估计的像素级投票网络

    本文提出了一种基于像素准确度的向量回归方法来精确估计单个 RGB 图像中物体的 6 自由度位姿，并使用 RANSAC 通过向量投票来有效地处理遮挡和截断问题，该方法的实验证明在 LINEMOD，Occlusion LINEMOD 和 YCB-Video 数据集上优于现有的方法，并且具有实时检测的高效性。

    Dec, 2018

  • EPro-PnP: 单目物体姿态估计的端到端概率透视 n 点推广

    该论文提出了一种名为 EPro-PnP 的概率 PnP 层，用于在端到端位姿估计中输出 SE (3) 流形上的位姿分布，该原理统一了现有方法并类似于注意力机制， 成功地将 PnP 方法与任务特定的领袖之间的差距缩小，从而提高了 LineMOD 6 自由度位姿估计和 nuScenes 3D 对象检测的性能。

    Mar, 2022

  • EPro-PnP: 单目对象姿态估计的通用端到端概率透视 n 点算法

    本文提出了一种用于 3D 物体检测的 PnP 基于深度学习和概率密度的可微分神经网络层，通过最小化 KL 散度来学习 2D-3D 点匹配权重，实现了端到端的姿态估计和精准的物体定位。

    Mar, 2023

  • 利用鲁棒可微几何优化端到端解决盲视角 N 点问题

    该研究提出了一种基于端到端学习的盲 PnP 求解器，利用最近的优化问题微分研究结果将几何模型拟合集成到学习框架中，包括 Sinkhorn、RANSAC 和 PnP 算法，可有效地实现全局定位和三维场景点的快速估计

    Jul, 2020

  • 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

  • 一种基于一点 RANSAC 的地面物体位姿估计方法

    本研究提出一种基于 1 点 RANSAC 的高效姿态估计方法，利用地面对象假设和 2D 对象边框作为附加观察来实现姿态计算，以实现最快的性能，并采用分层的鲁棒性估计方法来优化估计结果。在合成和实际数据集中的实验表明所提出的方法具有优越性。

    Aug, 2020

  • KGNv2: 基于关键点的 RGB-D 输入 6 自由度抓取综合中的比例和姿态预测分离

    该论文提出了一种基于关键点的新型 6 自由度抓取姿态合成方法，其中关键点检测器减少了对精确关键点估计的依赖，并且在简单的合成对象上进行训练的实验表明，该方法具有模拟到真实的能力。

    Mar, 2023

  • 基于 RGB-D 图像的 6 自由度物体位姿估计的基于残差的密集点对点网络

    利用单个 RGB-D 图像，我们引入了一种新颖的方法来计算物体的 6DoF 姿态。通过密集对应，我们回归每个可见像素的物体坐标，从而有效降低输出空间并取得出色的性能，在 6D 姿态估计中胜过大多数先前的方法，特别是在遮挡场景中具有显著改进的优势。

    May, 2024