Sep, 2023

对 6DoF 物体位姿跟踪的更全面评估

PDF
TL;DR本论文提出了一个统一的基准测试用于解决之前在 6 自由度物体位姿跟踪领域发展中出现的问题，并通过多视角多物体全局位姿细化方法改进了 YCBV 数据集的标注，从而使得方法之间能够公平比较。实验证实了所提出的全局位姿细化方法的精确性和可靠性，并呈现了统一的基准测试结果，同时发现了之前研究中未曾发现的一些结果。
6dof object pose trackingevaluation protocolsycbv datasetmulti-view multi-object global pose refinement methodunified benchmark
发现论文，激发创造
  • YCB-M: 用于物体识别和六自由度姿态估计的多相机 RGB-D 数据集

    本研究介绍了一个包含来自 7 种不同 3D 相机拍摄的 32 个场景的数据集，可用于评估相机特性对位姿估计算法的敏感性，开发更稳健的算法以及进行多种不同相机和深度感测技术之间的数据比较和算法评估。该数据集包含来自 YCB 目标和模型集的 20 个不同对象，提供每个对象的完整基准数据，并对每个对象的遮挡程度进行了测量。在该数据集上使用最先进的目标识别和位姿估计系统对相机进行了初步评估。

    Apr, 2020

  • 扩展用于立体视觉的 6D 物体姿态估计器

    使用稠密特征从 RGB 图像中直接回归物体的 6D 姿态是一个困难的任务，但最近的方法通过利用稠密特征在直接回归姿态方面取得了最先进的结果。使用立体视觉可以减少姿态的模糊性和遮挡，并且可以直接推断物体的距离。为了扩展立体的 6D 物体姿态估计到最新技术，我们创建了与 YCB-V 数据集兼容的立体版本。我们的方法利用立体视觉优于最先进的 6D 姿态估计算法，并且可以容易地用于其他基于稠密特征的算法。

    Feb, 2024

  • YCB-Ev：用于 6DoF 物体姿态估计的事件视觉数据集

    我们的研究引入了 YCB-Ev 数据集，该数据集包含了同步的 RGB-D 帧和事件数据，可以评估使用这些模态的六自由度物体姿态估计算法。

    Sep, 2023

  • CosyPose：一致的多视角多目标 6D 姿态估计

    该论文提出了一种称为 CosyPose 的方法，能够从一组待定相机视图的场景中，准确地恢复多个已知对象的 6D 姿态，并且能够处理对象的对称性，不需要深度测量，还能自动还原场景中的物体数量，并解决了通过解决对象级捆绑调整问题实现对全局场景的细化。

    Aug, 2020

  • 多视角多类别物体姿态估计的统一框架

    本文介绍了一种基于深度卷积神经网络的方法，能够通过对特定对象类的分类和姿态回归，从单个或多视图中准确地推断大量对象类的六自由度姿态，并通过 SE（3）的均匀镶嵌提高了鲁棒性。作者还提出了一种适用于单视角存在歧义的高效多视图框架，并在 YCB-Video、JHUScene-50 和 ObjectNet-3D 三个大规模基准测试中取得了优异的表现，与目前现有技术相比表现优秀。

    Mar, 2018

  • BOP: 6D 物体姿态估计基准测试

    提出适用于单个 RGB-D 输入图像的刚体物体 6D 姿态估计基准，并通过姿态误差函数对姿态歧义进行处理，在 15 种不同方法的全面评估中发现，基于点对特征的方法目前表现最佳。

    Aug, 2018

  • MoreFusion: 基于体素融合的多目标推理技术在 6D 位姿估计中的应用

    提出了一种基于多视角视野的实时视觉系统，可以从单个 RGB-D 视角提出三维物体姿态建议，并且根据多个视角的姿态估计和非参数占用信息积累这些姿态估计，从而对接触的多个已知对象进行一致的、不相交的姿态估计。应用于实时机器人应用程序中，只使用机载 RGB-D 视觉，机械臂可以精确而有序地拆卸复杂的物体堆放，展示了其准确性和鲁棒性。

    Apr, 2020

  • 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

  • 评估 6-DOF 物体跟踪器的框架

    使用商用运动捕捉系统获取真实物体的高度准确地面真实姿态，并通过三个不同的场景评估了具有稳定性和抗干扰能力的 6-DOF 追踪器的性能，通过深度学习构建的跟踪器的性能对比先前的方法具有较大的优势。

    Mar, 2018

  • 通过学习 RGB-D 特征实现鲁棒的 6D 物体姿态估计

    本文提出了一种离散连续的旋转回归公式来解决对称物体旋转不确定性问题，并通过点聚集向量来检测物体位置，并在 LINEMOD 和 YCB-Video 基准测试中得到比现有方法更好的表现。

    Feb, 2020