![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习相关论文
是蓝天白云也是希望
未来不可知,但坚持有它的道理
展开
-
Segment-driven 6D Object Pose Estimation——自我总结
Segment-driven 6D Objecy Pose Estimation目标:实时估计刚体的6D位姿手段:分割驱动的6D位姿估计框架(理由:全局匹配会使算法对于大面积遮挡比较敏感),具体为每个可见的区域对它所属的对象进行一个位姿估计以预定义的3D模型的2D投影的方式,进行3D-2D匹配,无需后端优化数据集:Occluded-LINEMOD && YCB-Video...原创 2019-10-23 20:51:03 · 1122 阅读 · 1 评论 -
PoseCNN——自我总结
目的:6D位姿估计使用网络:CNN应用场景:杂乱无章传统方法:通过匹配特征点,再求位姿(要求:图片有丰富的纹理)发展:深度相机出现后,通过回归像素到3D对象坐标建立2D-3D关联(不能处理对称的对象)related work:方式一:基于模板,通过渲染相应的3D模型来的获得模板(能够处理少纹理对象,不能处理闭合)方式二:基于特征,提取局部特征进行2D-3D匹配(处理闭合,但需要足够的...原创 2019-09-06 20:22:06 · 5501 阅读 · 7 评论 -
pvnet——自我总结
第一阶段:(检测2D关键点)pvnet:利用卷积网络对图片中像素进行分类,生成语义标签,假设关键点,计算指向关键点的向量场,根据向量进行比较投票分数确定确定关键点。使用FPS(farhest point sampling)选出八点作为估计匹配的关键点。执行细节:网络中使用的优化器:Adam单独对象模型网络都是使用resnet_18网络一对一训练,所有模型是使用resnet_50训练cr...原创 2019-09-11 21:09:20 · 5787 阅读 · 10 评论 -
DPOD:6D Pose Object Detector and Refiner——自我总结
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+Man...原创 2019-09-23 20:56:20 · 2696 阅读 · 3 评论 -
6DoF Object Pose from Semantic KeyPoints——自我理解
**目的:**从RGB图片中估计6d位姿**方法:**首先利用图片集训练网络对图片纹理的感知,将可变模型(基于外观的概率或统计模型)和由卷积网络预测的语义关键点结合,然后利用语义关键点推测类内的形状变量,相机位姿是由弱透视或全方位的相机模型模型化,通过最大化参数化可变模型和2d语义关键点的几何一致性进而估计6d位姿。贡献:第一,上面的方法;第二,无需任何位姿初始化就能在混乱场景中精确定位6d位...原创 2019-09-25 21:46:39 · 735 阅读 · 0 评论