DPOD:6D Pose Object Detector and Refiner——自我总结

论文概观:
目标:3D对象的检测以及从RGB图像中恢复6D位姿
方法:DPOD(dense pose object detector)密集对象位姿检测器,在输入图片和已知3D模型中去估计密集的多类2D-3D对应图,基于对应图,利用PnP和RANSAC计算6D位姿
优势:可以同时基于合成数据和真实数据

介绍(说明):
最近估计位姿的一些手段:

名称 简介
SSD6D 合成数据+Manhardt(优化器)+ICP优化+depth,基于细化视点的6D位姿扩展2D对象检测器的想法,缺点:较慢且不精确
AAE(Augmented autocoders) 合成数据
YoLo6D 真实数据,等价于YoLo+BB8,没有优化
poseCNN 真实数据,DeepIM(优化器),估计对象mask,分别估计对象中心T和用四元数回归R进行位姿的估计
PvNet 真实数据,回归像素,基于关键点的假设,再利用PnP算法估计位姿,优势:处理occlusion
iPose 分割,3D坐标回归,位姿估计
BB8 三阶段&#x
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值