物体的三维识别与6D位姿估计：PPF系列论文介绍(二)——PPF-MEAM

最新推荐文章于 2022-10-19 20:02:55 发布
最新推荐文章于 2022-10-19 20:02:55 发布
阅读量1.6k 收藏 3
点赞数
分类专栏： 3D视觉从入门到精通
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yong_qi2015/article/details/105085764
版权
本文介绍了2018年发表在《Sensors》的PPF-MEAM算法，该算法在3D物体位姿估计中具有代表性。文章详细阐述了算法的框架，包括线下训练和线上匹配阶段，以及边缘点切线方向估计和四维特征构建。通过实验，PPF-MEAM在精度和速度上优于传统PPF方法，适用于机器人拣选任务。
摘要由CSDN通过智能技术生成

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

文章“Point Pair Feature-Based Pose Estimation with Multiple Edge Appearance Models (PPF-MEAM) for Robotic Bin Picking”2018年发表在《Sensors》，是近年来ppf方法的一个代表性的继承与发展。

一、算法主要框架

算法分为线

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3Ｄ视觉工坊
关注
专栏目录
订阅专栏
物体的三维识别与6D位姿估计：PPF系列论文介绍（四）
3D视觉工坊
04-14 1981
文章“3D Pose Estimation of Daily ObjectsUsing an RGB-D Camera”2012发表在IEEE/RSJInternational Con...
清华最新综述！基于深度学习的6D目标位姿估计
最新发布
计算机视觉工坊
05-22 1127
点击下方卡片，关注「计算机视觉工坊」公众号选择星标，干货第一时间送达作者：Jian Liu |编辑：计算机视觉工坊添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程（星球成员免费学习）、最新顶会论文、计算机视觉书籍、优质3D视觉算法源码等。想要入门...
物体抓取位姿估計算法綜述_【视觉】一种散乱堆放物体的位姿估计算法
weixin_35229677的博客
01-10 482
本文摘自于：徐冠宇,董洪伟,钱军浩,许振雷. 基于点对特征的散乱堆放物体的位姿估计算法[J]. 激光与光电子学进展, 2020, 57(18): 181508引言现有的三维物体识别和位姿估计方法无法很好地用于散乱堆放物体的场景,尤其是有严重遮挡和混叠的场景。研究团队使用基于点对特征的点云匹配和位姿估计算法,针对工业环境中乱序物体的特点,进行了一系列改进,如场景点云法线方向一致性调整、抓取...
谷歌X实习生最新开源BundleTrack：无需任何CAD模型的6D物体姿态跟踪算法
阿木寺的博客
10-04 504
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达最近，谷歌X的实习生Bowen Wen新开源了用于6D物体姿态跟踪的代码BundleTrack，在NOCS数据集上效果远...
传统的6d位姿估计fangfa1_6D位姿估计小结
weixin_39601929的博客
11-21 901
6D位姿是什么？给定输入图片，6D位姿估计是估计从物体坐标系O到相机坐标系C的刚性转换，包括3D旋转R和3D平移T。其中，T决定物体在图片中的位置和比例，R根据物体的3D形状和表面纹理信息影响物体外观。6D位姿求解方法分类？根据输入数据的不同，大致分为3类：RGB图像输入；点云(point cloud)输入；RGB + 点云输入。基于RGB图片的6D位姿估计 对于RGB图片的输入，传统方法首先从输...
一种简单的位姿估计（PoseEstimation）计算方法
北一同学
03-21 1万+
位姿估计是计算机视觉领域一个基本问题。若已获得合作标志在摄像机坐标系下的坐标值，一般情况可采用奇异值分解或最小二乘的方法求解位姿信息中的旋转矩阵与平移矩阵，满足 Pci=RcwPwi+t0 P_i^c=R_w^cP_i^w+t_0 R2w=⎡⎣⎢r11r21r31r12r22r32r13r23r33⎤⎦⎥,t0=⎡⎣⎢txtytz⎤⎦⎥ R_w^2= \begin{bmatri
位姿估计
yangwangluoye的博客
11-28 6315
计算机视觉-位姿估计 1. 简述仿射变换和透视变换的基本概念，并用实例说明。 仿射变换： 计算机视觉中的仿射变换一般指：平移，比例缩放，旋转变换都是一种称为仿射变换的特殊情况。 仿射变换的性质： 1.仿射变换有6个自由度（对应变换中的6个系数：空间平移xyz，以及旋转变换三轴）应此仿射变换后互相平行直线仍然为平行直线，三角形映射后仍是三角形。但却不能保证将四边形上的多边形映射为等变数的多边形。 2...
三维物体识别
06-17
二维平面视图可通过普通 CCD 相机获取，数据来源要求不高。基于外观 （Appearance-based）或基于视图（View-based）的三维物体识别算法研究，近来 成为人们研究的热点。基于视图的方法通过视觉相似性来识别物体，使得识别系 统设计相对简单，无需显式计算物体的三维模型。另外一方面，基于局部特征匹 配的方法考虑了视图间的局部相似性，不要求匹配所有视图特征，即使物体被部 分遮挡，也有可能检测到局部特征，并完成识别，对于物体的重叠和背景杂波表 现出较好的稳健性。本文研究了基于二维视图和基于局部特征提取匹配的三维物 体识别，及其在智能视频监控系统中的应用，改进了卡尔曼滤波器多目标跟踪性
单目视觉的位姿估算算法
11-22
单目视觉的位姿估算算法 matlab代码 基于位姿估算正交迭代的算法，有test程序和主程序，test中可以比对估算的精度
面向点云的三维物体识别方法综述
09-26
随着三维扫描技术的快速发展，获取各类场景的点云数据已经非常简单快捷;加之点云数据具备不受光照、 阴影、纹理的影响等优势，基于点云的三维物体识别已成为计算机视觉领域的研究热点。首先，对近年来面向点云数 据的三维物体识别方法进行归纳和总结;然后，对已有方法的优势及缺点进行分析;最后，指出点云物体识别中所面临 的挑战及进一步的研究方向。
三种强大的物体识别算法介绍
01-15
一个介绍物体识别算法的介绍，SIFTSURF、haar特征、广义hough变换的特性对比分析。
相机位姿估计1：根据四个特征点估计相机姿态 随文Demo
11-20
相机位姿估计1：根据四个特征点估计相机姿态 随文Demo 使用opencv基于特征点估计位姿
位姿估计之PnP算法
热门推荐
feng_float的博客
01-27 2万+
最近实验室学习安排是了解Pnp问题解法，于是就在网上找了各种文章学习，在此进行总结，给我卷！！！ 1.什么是PnP问题？ ​​​​​​PnP(全称Perspective-n-Points)，指3D到2D点对的物体运动定位问题，即已知物体在世界坐标系下的坐标，以及物体在相机的图像平面的像素坐标，求解相机的位姿（六个自由度，位置坐标和三个方向角）。 2.PnP问题的可解性 知道了PnP问题后，就要讨论n在不同取值下的可解性了。 case1： ...
从零实现无序抓取（五）利用两阶段的算法估计多目标场景中物体位姿
PromiseChen0的博客
05-09 3999
前言 在之前的文章中，我们基于模版匹配的方法估计了单个目标的位姿，但是这种方法只适用于场景中只有一个目标，一旦场景中有多个目标，算法很容易失效。一方面，一个完整的抓取场景往往范围比较大（相对于单个零件而言），采集到的常见点云数量会很多，尤其如果使用的一些高精度的工业级点云传感器，可以生成数百万的点。如果是只选取这大量点中的少量的关键点计算特征向量，可能会导致无法匹配，选的太多速度又太慢。另一方面，采集整个场景肯定会采集到背景，对背景进行点云特征向量计算也会对算力的浪费。 针对上述的问题，采用两阶段的算法往往
【自动驾驶】常见位姿估计算法的比较： 三角测量、PNP、ICP、
u011754972的博客
10-19 4333
PnP问题 (2D-3D) DLT(直接线性变换算法) 相机标定工程用到的是DLT(直接线性变换算法)，它是一类PnP问题 (2D-3D)。请参考【位姿估计 | 视觉SLAM | 笔记】常见位姿估计算法的比较 PnP（Perspective-n-Point）是根据图像中 1.特征点的二维像素坐标 2.特征点的三维空间坐标 来估计相机在参考坐标系中位姿。 PnP是一类问题，针对不同的情况有不同的解法，常见的算法有：P3P、DLT、EPnP、UPnP等。 ICP算法 imu两时刻的姿态变化，反应了车辆的姿
cvpr 深度估计_物体的三维识别与6D位姿估计：PPF系列论文介绍（一）
weixin_33660045的博客
12-24 786
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...
Attentional 2D-Human Pose Estimation
05-04
Attentional 2D-Human Pose Estimation refers to a technique used in computer vision and deep learning to estimate the pose of a human body in an image or a video. The technique involves the use of a neural network that has an attention mechanism. This mechanism enables the network to focus on specific regions of the image that are relevant to the pose estimation task. In the case of 2D-Human Pose Estimation, the neural network takes an input image and predicts the 2D coordinates of the joints of the human body. The attention mechanism allows the network to focus on the body parts that are most important for the pose estimation task, such as the head, shoulders, elbows, wrists, hips, knees, and ankles. The attentional 2D-Human Pose Estimation technique has shown promising results in various applications, including activity recognition, emotion recognition, and human-computer interaction. It has the potential to be used in fields such as sports analysis, healthcare, and robotics.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

3Ｄ视觉工坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值