SA6D：自适应少样本 6D 姿态估计器用于新颖且遮挡物体

Aug, 2023

SA6D：自适应少样本 6D 姿态估计器用于新颖且遮挡物体

SA6D: Self-Adaptive Few-Shot 6D Pose Estimator for Novel and Occluded Objects

Ning Gao, Ngo Anh Vien, Hanna Ziesche, Gerhard Neumann

TL;DR通过使用自适应分割模块并仅使用少量混乱的参考图像，我们提出了一种少样本姿态估计（FSPE）方法 SA6D，它能够对新的目标对象进行准确预测并构建目标对象的点云模型。与现有方法不同，SA6D 不需要以物体为中心的参考图像或任何其他物体信息，使其成为一个更具通用性和可伸缩性的解决方案，并在真实世界的台面物体数据集上进行了评估，证明了在带有遮挡的混乱环境中，SA6D 优于现有的 FSPE 方法，并且所需的参考图像较少。

Abstract

To enable meaningful robotic manipulation of objects in the real-world, 6D pose estimation is one of the critical aspects. Most existing approaches have difficulties to extend predictions to scenarios where novel object instances are continuously introduced, especially with heavy occlusions. In this work, we propose a →

6d pose estimation few-shot pose estimation sa6d segmentation module cluttered reference images

发现论文，激发创造

FS6D: 对新物体进行少样本 6D 姿态估计

本文探讨了一种新的开放式少样本目标 6D 姿态估计问题，并提出了一种密集的 RGBD 原型匹配框架，加上深度外观和几何相关性的先验，以及一种在线纹理融合方法，为解决这个问题建立了基准。

Mar, 2022

SAM-6D：分割全能模型满足零射 6D 物体姿态估计

通过实例分割和姿态估计两个步骤，SAM-6D 是一个新的框架，用于在杂乱的 RGB-D 图像中实现零样本 6D 物体姿态估计的任务，并在 BOP 基准的七个核心数据集上超越现有方法。

Nov, 2023

利用 RGB 图像进行少样本泛化学习，估计 6DoF 位姿

本研究提出一种名为 Cas6D 的级联框架，该框架对六自由度物体姿态进行少样本学习的估计，使用自监督预训练 ViT 积累鲁棒特征、用特征金字塔进一步精炼姿态和借助离散化姿态搜索范围和渐进式缩小姿态搜索范围的特性克服了 6DoF 姿态估计中的一些常见失败模式。该研究表明，相较于 OnePose ++ 和 Gen6D，在 32-shot 设定下，Cas6D 在 LINEMOD 和 GenMOP 数据集上的定位精度分别提高了 9.2％和 3.8％（Proj-5）。

Jun, 2023

Self6D: 自监督单目 6D 物体姿态估计

使用无监督学习的方法进行单眼 RGB 数据下的 6D 物体位姿估计，作者训练了一个神经网络模型，通过真实 RGB-D 数据的自监督模式来提高模型的性能表现，并证明了该方法能够显著地优化模型的性能，超过了其他使用合成数据或领域适应技术的方法。

Apr, 2020

SO-Pose：利用自遮挡进行直接 6D 姿态估计

本文提出了一种名为 SO-Pose 的框架，通过自遮挡推理和建立一个两层的 3D 物体表示，增强了端到端 6D 位姿估计的精度，该框架以单个 RGB 图像作为输入并同时生成 2D-3D 对应和自遮挡信息，融合这两个信息直接回归 6DoF 姿态参数，通过跨层次的一致性对齐对应、自遮挡和 6D 姿态，进一步提高了准确性和鲁棒性，在各种具有挑战性的数据集上超过或与所有其他最先进的方法相媲美。

Aug, 2021

单帧 6D 物体姿态估计

本文介绍了一种新的基于深度图像的单镜头 6D 物体姿态估计方法，使用全卷积神经网络实现，通过将三维输入数据在空间上离散化，将姿态估计视为一个回归任务来处理，在所得到的体元上局部求解。该方法是端对端优化的，不需要手动标注 6D 姿态的真实世界数据，依靠完全使用合成数据进行训练的方式得到了良好的性能。实验验证了该方法在公共基准数据集上的优异表现。

Apr, 2020

ZS6D: 使用视觉变换器进行零样本 6D 物体姿态估计

通过使用预训练的 Vision Transformers（ViT）提取的视觉描述符，我们引入了 ZS6D 方法，用于零样本新目标 6D 姿态估计，该方法在众多最新的姿态估计方法上表现卓越，无需进行特定任务的微调。我们在 LMO、YCBV 和 TLESS 等三个数据集上进行了实验，并与两种方法进行了比较，结果在所有三个数据集上相较于其中一种方法有显著提升，在两个数据集上相较于另一种方法有提升。

Sep, 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

在人群中恢复 6D 物体姿态并预测最佳视角

本文提出一种基于 Hough Forests 的单个快速检测器和 6D 对象位姿估计算法，利用非监督深度不变 Patch 学习无需手动设计特征，以实现在复杂场景中的目标检测和 6D 位姿估计，并在多个领域超过最先进的方法。

Dec, 2015

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