论文阅读笔记:动态目标6D位估计【Estimating Metric Poses of Dynamic Objects Using Monocular Visual-Inertial Fusion】
这篇文章是为了解决动态目标6D位姿跟踪与估计问题,估计物体在世界坐标的位姿,使用slam算法,附有视频。
特点:
单目摄像头(不含深度)+IMU+动态目标
简介:
1、传统的SLAM方法只关注静态环境,忽略了环境中的动态目标,静态环境+动态目标才是完整的全感知系统。
2、6D位姿估计的挑战来源于公制尺度或者是真实深度,不能直接从单个摄像头获取。
3、 OptiTrack和Vicon可以跟踪动态目标,但是需要安装反射标记物。
相关工作:
1、商业中通过特定标志物主动跟踪位姿,被动跟踪系统(体育运动分析、交通监测)通常不是合作目标。基于地面固定相机跟踪UAV的轨迹的系统被提出(也是沈邵劼团队工作)。
2、ARUCO tag被用于跟踪3D动态目标,然后通过检测tag来估计位姿;另外还有通过传统特征BRISK等匹配,但这些都需要预先建模
3、第一次用单目相机估计6D位姿方法:通过卷积网络和预先定义语义关键点。G. Pavlakos, X. Zhou, A. Chan, K. G. Derpanis, and K. Daniilidis,“6-dof object pose from semantic keypoints,” arXiv preprint arXiv:1703.04670, 2017.
4、基于学习的方法不足:系统无法辨识真实汽车和汽车模型。<
论文阅读:动态目标6D位估计【Estimating Metric Poses of Dynamic Objects Using Monocular Visual-Inertial Fusion】
最新推荐文章于 2023-05-03 23:41:41 发布