李飞飞团队最新论文：基于anchor关键点的类别级物体6D位姿跟踪

6-PACK: Category-level 6D Pose Tracker with Anchor-Based Keypoints

论文地址：https://arxiv.org/abs/1910.10750v1
代码链接：https://sites.google.com/view/6PACKtracking

简介

       作者提出了一种基于RGB-D的深度学习方法6PACK，能够实时的跟踪已知类别物体。通过学习用少量的三维关键点来简洁地表示一个物体，基于这些关键点，通过关键点匹配来估计物体在帧与帧之间的运动。这些关键点使用无监督端到端学习来实现有效的跟踪。实验表明该方法显著优于现有方法，并支持机器人执行简单的基于视觉的闭环操作任务。
​

6-PACK：Category-level 6D Pose Tracker with Anchor-Based Keypoints

问题的提出

       在机器人抓取任务中，实时跟踪物体6D位姿的能力影响抓取任务的实施。现有的6