PoseCNN阅读笔记

这几天在开题，索性把以前看过的，没看过的或者看了之后忘记的论文再看一遍，记录一下。
PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes

1. 摘要

• 通过确定物体在图片中的中心，并且预测距离相机的距离来估计T，通过回归一个四元数来得到R。
• 提出YCB-Video数据集，21个物体，92段视频，133827帧。
• 新颖的损失函数，处理对称物体的
• 网络是输入rgb图的，如果输入depth图优化pose，可以达到SOTA
• 开源地址

2. 简介

PoseCNN干三个工作：

• 预测每个像素的label
• 预测每个物体的在图片中的中心（所有像素投票）
• 预测中心距离相机的距离，在已知相机内参的情况下，可以计算出T
  R的预测是一个四元数。

3. PoseCNN