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 |