Mar, 2024

可见性感知的 6 自由度物体姿态估计关键点定位

PDF
TL;DR本研究使用可见性信息解决在二维图像中无法可靠定位不可见关键点的问题，并通过 PageRank 算法从可见性标签中生成实值可见性感知重要性，结合最先进的位姿估计算法和位置编码，构建了 VAPO（可见性感知位姿估计器），实验证明它在关键点对应和最终位姿估计方面都有显著的提高，达到了最先进水平。
3d keypoints2d imagevisibilitypose estimationobject-level annotations
发现论文，激发创造
  • 姿态引导的可见部位匹配用于遮挡人员识别

    该论文提出一种基于姿态引导可见部分匹配 (PVPM) 方法，该方法在端到端框架中通过姿态引导注意力和自我挖掘部分可视性来共同学习判别特征以识别受遮挡的人物。实验结果表明，该方法在三个报道的受遮挡基准测试中达到了与最先进方法相媲美的性能。

    Apr, 2020

  • KeyPose：透明物体多视图三维标注与关键点估计

    该论文提出了一种基于双目视觉输入的深度神经网络，称为 KeyPose，并使用该网络从 RGB 相机标记的三维关键点预测物体姿势，即使在透明物体的情况下也能取得比现有方法更好的 3D 姿态估计表现。

    Dec, 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

  • 带姿态监督的显著稀疏视觉里程计

    该论文提出了一种新的混合视觉里程计（VO）框架，利用仅姿态监督来平衡鲁棒性和对大量标注的需求，并采用自我监督的同态学习和随机基于补丁的显著点检测策略，提高系统在各种具有挑战性的环境中的泛化能力。该方法在标准数据集上具有竞争力的性能，并在极端和未知场景中表现出更高的鲁棒性和泛化能力，甚至超过基于密集光流监督的最先进方法。

    Apr, 2024

  • 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

  • 所见即所得：利用可视性进行 3D 物体检测

    通过在基于体素的网络中添加可见性输入流，结合虚拟物体的合成数据增强和多个时间帧上的 LiDAR 扫描的时间聚合，我们在 NuScenes 3D 检测基准测试中展示了一个状态良好的 3D 检测器整体精度的显着提高。

    Dec, 2019

  • 学习更好的多物体六自由度姿态估计关键点

    通过训练图网络选择一组分散但具有相似分布投票的关键点，从而提高姿势估计的准确性和效率。通过回归网络学习关键点算法，所学习的投票可以与之前的启发式算法相比更准确地回归关键点位置。实验结果表明，KeyGNet 选择的关键点在所有七个数据集上的所有评估指标都提高了准确性，特别是在具有挑战性的 Occlusion LINEMOD 数据集上。当使用 KeyGNet 的关键点进行单物体到多物体的训练时，性能明显提高，从而消除了 SISO-MIMO 差距。

    Aug, 2023

  • 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

  • 视点和关键点

    本文利用卷积神经网络解决一个目标在确定视角的情况下，同时识别和估计姿态的问题，并对姿态估计的错误模式和目标特征对性能的影响进行分析。

    Nov, 2014

  • 通用相对物体姿态估计的三维感知假设与验证

    通过单个参考视图与查询图像之间的相对物体姿态估计，我们提出了一种基于假设和验证框架的新方法，并引入了一种 3D 感知验证，以衡量可靠性，证明了我们方法在相对姿态估计和处理未见过的物体时的鲁棒性。

    Oct, 2023