Coordinates-Based Disentangled Pose Network for Real-Time RGB-Based 6-DoF Object Pose Estimation笔记

首先这篇文章是一个使用RGB图片进行6d姿态估计的一个方法。

1. 摘要

现有的方法：

• 使用深度网络，直接回归rotation和translation
• 建立2D-3D之间的关系，然后使用PnP解决（需要三维模型，在三维模型上预定义一些点或者其他信息）
  作者认为rotation和translation有着显著区别，所以应该差别对待。所以提出了CDPN，来分开预测rotation和translation，可以很好的处理缺乏纹理以及遮挡物体。

2. Introduction

贡献：

• 第一个将间接的通过PnP-based方法预测rotation和使用直接回归的方法估计object pose的方法。
• Dynamic Zoo In
• 为了达到实时的要求，在rotation估计上提出了2阶段 object-level 坐标估计，并提出了MCC损失
• 提出了SITE来估计 translation。
• 在LINEMOD数据集上得到了很好的效果，并且达到了30ms per image，可以做到实时。

3. 方法

3.1 框架

rotation

作者采用coord-based的方法来估计rotation，因为这种 dense correspondence 在面对 遮挡和clutter的时候鲁棒。为了建立2d和3d的关系，首先需要提取exact object region，就是进行目标检测，得到被检测物体所在的大致位置。
其实这个网络作者并没有说明是什么网络，原因是因为，作者不想受特定检测网络的限制，所以想出了一个方法来确保这一点（具体方法请看后面的部分），网络只需要满足：

• 足够快，轻量