本文综述了物体抓取中3D位姿估计的关键技术，重点介绍了基于点对特征（PPF）的传统方法，包括PPF的起源、改进及在RGB-D数据上的应用。通过引入颜色信息、边缘检测和学习框架，这些方法提高了识别和位姿计算的效率和准确性。此外，还提及了一种改进的pipeline，通过避免ICP优化实现了速度与精度的平衡。
作者：袁野
Date：2020-03-22
来源：物体的三维识别与6D位姿估计：PPF系列论文介绍（一）
一、前言
近年来随着消费级深度设备的普及，深度相机引导机械臂完成抓取成为热点话题。其中，物体识别与位姿估计是械臂完成抓取的关键。关于物体识别与位姿估计可以分为传统手工提取特征方法和基于深度学习的方法。下面主要介绍传统经典方法——基于点对特征的（PPF）系列方法。
2019年ICCV在韩国举行的"6D Object Pose Estimation Challenge" 中，基于PPF的方法丝毫不输当今火热的深度学习类方法。下图是Leaderboard，其中Drost和Vidal的方法都是基于PPF。
二、PPF系列论文介绍
1. “Model globally, match locally: Efficient and robust 3D object recognition”
这篇文章是PPF的鼻祖，发表在2010年CVPR。其构建两点及其法向量之间的几何关系形成的四维特征作为点对特征（Point Pair Features）。线下建立哈希表存储模型的所有四维特征作为模型的整体描述。线上匹配阶段，借用全局坐标系简化刚体变换自由度，使得位姿计算变得简单。同时借助广义霍夫变换的投票思想&#
最低0.47元/天 解锁文章
扫一扫
1684
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
