Apr, 2024

COBRA -- 基于形状回归分析的置信度评估方法独立的单个图像物体姿态估计质量评估

PDF
TL;DR通过使用多个高斯过程的组合，我们提出了一种用于评分依赖于单幅图像语义分析的姿态估计方法的通用算法。我们的算法利用了轻量级的推准形状表示，从物体的坐标系统中的多个参考点到其表面提供了距离正态分布，从而为评分预测姿态提供了几何评价框架。我们的置信度测量包括将像素反投影到形状模板上方的混合概率的平均值。在报告的实验证明中，我们将我们基于高斯过程的对象表示的准确性与实际几何模型进行了比较，并展示了我们的方法捕捉了与分割和姿态估计方法一起提供的相应内在度量的异常值的影响能力。
发现论文，激发创造
  • 关键点预测下的目标姿态自监督学习

    本文提出了一种基于自监督学习的关键点预测方法来进行相机位姿预测及三维目标物体的在线重建的深度学习网络，并在几个数据集上进行了实验，取得了显著的改进。

    Feb, 2023

  • POCO：带置信度的 3D 姿态和形状估计

    提出了一种新的框架 POCO，用于训练 HPS 回归器，在单个前向传递中估计 3D 人体姿势和置信度，通过引入双重调节策略（DCS）来回归不确定性，从而帮助网络更准确地估计姿势。实验证明，在下游任务中使用置信度估计可以提高准确性，同时通过利用不确定性提高 HPS 训练的精确度。

    Aug, 2023

  • 基于残差边框投影的类别级姿态估计 (RBP-Pose)

    本文提出了一种新颖的几何引导残差边框投影网络 RBP-Pose，它在预测物体姿态和残差向量方面具有较好的性能。

    Jul, 2022

  • 带统计保证的物体位姿估计：依从关键点检测和几何不确定性传播

    本文提出了一个可证明误差界限的姿态估计器，基于两阶段目标姿态估计范例，并注入了两个基本变化，即确定性关键点检测和几何不确定性传播。进行实验展示，PURSE 覆盖了真实姿态和最坏情况下的误差边界提供了正确的不确定性量化

    Mar, 2023

  • SAR-Net：基于形状对齐和恢复的类别级别 6D 物体姿态和尺寸估计网络

    本研究提出了一种基于类别 6D 物体姿态和大小估计（COPSE）模型的方法，能够从目标物体的点云中推断出物体的 3D 旋转、平移和大小，其中主要依赖深度图像中的形状信息，并通过预测对称的点云来实现对于物体的对称对应估计，此方法在物体抓取等任务中已经应用并发挥了良好的效果。

    Jun, 2021

  • 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

  • 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

  • BB8: 一种可扩展、准确、部分遮挡稳健的方法，用于预测具有挑战性的物体的 3D 姿态而无需使用深度

    本研究针对 T-LESS 数据集中具有旋转对称轴的物体进行了 3D 目标检测和姿态估计，通过引入 CNN 等技术，实现了色彩图像的 2D 投影识别和姿态预测方案，并使用限制范围的训练和分类器优化，最终在 LINEMOD 数据集上将正确注册的 RGB 帧从 73.7％提高至 89.3％，并对仅使用彩色图像的 Occlusion 数据集进行了测试。

    Mar, 2017

  • 类别级别度量尺度物体形状和姿态估计

    本文提出了一种框架，该框架可从一张单独的 RGB 图像中联合估计度量尺度形状和姿态，包括度量尺度物体形状分支（MSOS）和归一化物体坐标空间分支（NOCS）等；通过验证方法评估了类别级别的物体姿态和形状。

    Sep, 2021

  • GPV-Pose: 基于几何引导的点级投票的类别级物体姿态估计

    提出了一种基于几何学的、适用于具有严重类内形状变化的物体类别级别姿态估计系统 GPV-Pose，该系统通过引入自信驱动旋转表示法和几何引导的点对点投票模式来提高分类级别姿态敏感特征的学习，并利用不同的输出流来实现几何一致性项的推理，优于公共基准测试的最新竞争对手，同时在 20 FPS 的实时推理速度下几乎达到最佳表现。

    Mar, 2022