深度学习在姿态跟踪中的应用 ML + Pose Tracking —— 概述

gogottt

已于 2022-02-28 10:16:16 修改

阅读量1k

点赞数

分类专栏：跟踪 DL 论文文章标签：计算机视觉人工智能

于 2022-02-22 14:19:29 首次发布

本文链接：https://blog.csdn.net/Tang_Zhe/article/details/122702844

版权

4 篇文章 1 订阅

订阅专栏

2 篇文章 0 订阅

订阅专栏

2 篇文章 0 订阅

订阅专栏

总结姿态跟踪基本方法（效果比较好的）。

写在前面：

参考论文

2021年发表

关注点：

我比较关心姿态跟踪的部分。

正文：

问题描述

指明一个（或多个）待跟踪物体，跟踪它的姿态变化。

具体的：

输入：
- 一个RGB/RGBD vedio(a series of RGB/RGBD images)
- 待跟踪物体第一帧的位置掩码(init 6D pose)
- 待跟踪物体CAD模型 —— 即提前给出待跟踪物体的3D模型，也可以不给（目前大多数方法需要已知3D模型）
输出：每一个时刻的位姿 $Pose_{time}$

2D/3D/6D/7D/9D Tracking:

维度		输入数据格式	维度含义	计算物体尺寸	应用场景
2D		RGB	x,y	No	二维平面跟踪定位
3D	6Dof	RGB / RGBD + CAD	x,y,z,pitch,yaw,roll	No	跟踪已知3D模型/尺寸的物体
	7Dof	RGB / RGBD	x,y,z,roll,length,width,height	Yes	自动驾驶，假设车辆不会绕x,y轴旋转
	9Dof	RGB / RGBD	x,y,z,pitch,yaw,roll,length,width,height	Yes	跟踪未知物体（任意物体/已知类别物体）

* 我比较关注的是9Dof的跟踪，即如何跟踪一个未知物体的姿态

关注