面向工业环境中多视角单目相机系统的物体姿态估计标注流水线

Oct, 2023

面向工业环境中多视角单目相机系统的物体姿态估计标注流水线

Object Pose Estimation Annotation Pipeline for Multi-view Monocular Camera Systems in Industrial Settings

Hazem Youssef, Frederik Polachowski, Jérôme Rutinowski, Moritz Roidl, Christopher Reining

TL;DR在大型工业空间中，物体定位尤其是物体姿态估计对于物料流动操作至关重要。本文提供了一种在大型单目图像数据集上进行标注而无需人工劳动的方法，通过定位空间中的摄像头、将它们的位置与动作捕捉系统统一，以及使用一组线性映射将感兴趣物体的三维模型投影到其真实位置。在工业环境中的自定义数据集上测试，我们的方法能够以人工标注者所需时间的一小部分为数据集中的 26,482 个物体实例提供一致的高质量标注。

Abstract

object localization, and more specifically object pose estimation, in large industrial spaces such as warehouses and production facilities, is essential for material flow operations. Traditional approaches rely o

object localization object pose estimation large datasets deep learning annotation

发现论文，激发创造

从多视角图像学习单目三维人体姿态估计

本文提出了一种通过多视角的训练，使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法，并提出了一种联合估计相机姿态及人体姿态的方法，在 3D 人体姿态估计方面取得了良好的表现。

Mar, 2018

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

利用室内定位系统标定的自动多模态数据标注

通过融合 LiDAR 和相机数据的学习目标检测方法需要带有标签的训练样本，然而某些特定应用（如仓储机器人或自动化基础设施）需要在现有数据集中没有的语义类别。因此，为了促进快速创建多模态目标检测数据集并减轻人工标注的负担，我们提出了一种新颖的自动标注流程。我们的方法使用室内定位系统（IPS）为点云和图像生成准确的检测标签，完全消除了手动标注的需求。在一项实验中，该系统比与人类基准相比，快速标注感兴趣的物体的速度提高了 261.8 倍，并将端到端数据集创建速度加快了 61.5%。

Dec, 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

基于单目摄像机和单线激光雷达的大规模场景弱监督三维多人姿态估计

本文提出了一种基于单目摄像头和单个 LiDAR 的方法，用于大规模场景下的 3D 多人姿态估计。通过设计一种有效的多模态融合策略，并充分利用时间信息来指导网络学习自然和连贯的人类运动，以点云的固有几何约束为自我监督，用图像上的 2D 特征点进行弱监督，无需依赖于任何 3D 姿态注释。实验结果表明了该方法的优越性和泛化能力。

Nov, 2022

MetaPose: 无需 3D 监督，快速从多视图中获得 3D 姿态

本文介绍如何使用神经网络模型进行多摄像头人体姿势估计，在考虑多角度遮挡及联合位置不确定性情况下，使用 2D 关键点数据进行训练。相比于经典捆绑调整与弱监督单目 3D 基线方法，我们的模型在 Human3.6M 和 Ski-Pose PTZ 数据集上表现更好。

Aug, 2021

单目视觉下联合目标检测和姿态估计综述

本研究全面调查了使用单眼视觉的联合物体检测和姿态估计方法的景象，包括描述符或模型以及各种估计方法和对相关数据集的特征研究，比较了基于纯深度学习的单步和多步方法和各种准确度度量。

Nov, 2018

基于 3D 模型的零样本姿态估计流水线

本文介绍一个新的零样本视角估计管道，主要基于 3D 模型的零样本实例分割和零样本姿态估计。实验结果表明，该方法在速度和计算成本方面优于当前零样本状态的最佳方法。

May, 2023

多人无标记数据 3D 姿势估计

本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模 3D 数据集的依赖。

Dec, 2022

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