该文提出了一种基于点对特征（PPF）的改进物体检测与位姿估计算法，结合了模型表示、在线匹配策略和假设验证。通过自相似点对表示三维目标，使用霍夫投票方案进行匹配，并引入分割策略提高检测率和姿态准确性。文中详述了模型的表面特征计算、法线估计、点对特征的全局描述以及在线匹配的投票机制、位姿聚类和假设检验。实验证明该方法在模拟和真实场景中表现优秀，无需ICP即可实现高效准确的位姿估计。
作者：仲夏夜之星
来源：公众号@3D视觉工坊
链接：基于PPF方式改进的物体检测与位姿估计算法
论文标题：Point Pair Features Based Object Detection and Pose Estimation Revisited
下载方式：在公众号「3D视觉工坊」，后台回复「PPF物体检测」，即可直接下载。
摘要：本文基于原始点对特征对于三维目标识别与位姿估计提出了一种改进的通道，该方法采用自相似点对表示三维目标对象，然后在简化的位姿参数空间上使用高效的霍夫投票方案将该模型与三维场景匹配，将目标检测与粗到细的分割相结合，其中每个分割都要进行不相交的姿态估计，在匹配过程中，采用加权霍夫投票和位姿参数插值恢复。最后，对所有生成的假设位姿进行排序，本文认为这种组合通道同时提高了检测率和降低了复杂性，同时提高了结果姿态的准确性，由于这种增强的位姿检索，我们的验证不需要ICP，从而达到更好的速度和准确性。
一 本文方法
本文建模和匹配框架遵循Drost.et al[1],贡献在于一个增强的模式表示，以及引入分割进入投票和快速假设验证。
最低0.47元/天 解锁文章
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
