基于立体图像的类别级物体检测、姿态估计与重建
原文中文,约400字,阅读约需1分钟。发表于: 。我们研究了对具有不同材质属性(漫反射、镜面、透明和混合)的日常物体进行 3D 物体理解的任务。我们提出了一种名为 CODERS 的一阶方法,用于立体图像的类别级对象检测、姿态估计和重建。我们的方法明显优于所有公共 TOD 数据集中的竞争方法。此外,通过在模拟数据上进行训练,CODERS 在真实世界中的机器人操作实验中对未见过的类别级对象实例具有很好的泛化能力。
本文介绍了一种基于实时RGB的管道,用于物体检测和六自由度姿态估计。该方法利用域随机化训练的三维模型的模拟视图和变体的降噪自编码器进行创新性的三维方向估计。该方法不需要真实标注的训练数据,适用于各种测试传感器,并在T-LESS和LineMOD数据集上取得了最新成果。