题目:RNNPose: 6-DoF Object Pose Estimation via Recurrent Correspondence Field Estimation and Pose Optimization
RNNPose: 通过递归对应场估计和姿态优化实现6-DoF物体姿态估计
作者:Yan Xu; Kwan-Yee Lin; Guofeng Zhang; Xiaogang Wang; Hongsheng Li
源码链接: https://github.com/Deca Yale/RNNPose
I. 引言
6-DoF(六自由度)物体姿态估计在包括增强现实、机器人操作和自动驾驶在内的各种应用中至关重要。由于不同视点下不同姿态的物体可能因照明变化和遮挡而表现出显著不同的外观,这为从单幅彩色图像中进行6-DoF物体姿态估计带来了巨大挑战。
早期阶段基于学习的通常以一次性方式估计6-DoF姿态。Yu等人[1]提出使用卷积神经网络直接回归物体的中心和距离以及旋转分量。更近的工作[2], [3], [4], [5], [6], [7], [8]提出首先估计观测图像和物体模型之间