.png){kind=icon}
返回
Robust multi-view PPF-based method for multi-instance pose estimation
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/adc1ea.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多实例6D位姿估计是处理深度图像和点云数据以应用于工业机器人和自动化的一项基础任务。该任务常受到伪离群点数量多、实例遮挡以及实例与模型之间重叠度低等挑战的阻碍。点对特征（PPF）是解决多实例位姿估计的一个广受认可的概念，其特点在于无需训练、对遮挡具有鲁棒性以及极高的易用性。然而，现有的基于PPF的方法表现相对较差，尤其是在与基于机器学习的方法对比时。本文提出了一种鲁棒的多视图PPF方法，专门针对生成多视图模型和增强模型泛化能力的挑战。此外，我们引入了一个多视图模型的综合应用框架。该框架包括预处理阶段的背景去除和场景分割、基于多视图PPF的主要计算方法，以及后处理阶段的基于多实例空间结构来消除错误结果。在BOP挑战赛提供的ITODD数据集上评估时，我们的方法在传统方法中实现了3D点云数据的SOTA性能，平均召回率达到69.6%。这些结果证明了：(1) 相比领先的传统方法，性能提升了44.7%；(2) 性能与领先的机器学习方法几乎相当。这些结果凸显了该方法在推进工业应用中多实例位姿估计的鲁棒性和有效性。
Keyword:
multi-view PPF
multiple instances
pose estimation
point pair features
PPF
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
机构
引用论文
RANDOM SAMPLE CONSENSUS - A PARADIGM FOR MODEL-FITTING WITH APPLICATIONS TO IMAGE-ANALYSIS AND AUTOMATED CARTOGRAPHY随机样本共识-模型拟合的范例，可应用于图像分析和自动制图
OAAI
OAAI分享收藏A Method for 6D Pose Estimation of Free-Form Rigid Objects Using Point Pair Features on Range Data.png)
Sensors
OAAI
SensorsIF0
OAAI分享收藏GDRNPP: A geometry-guided and fully learning-based object pose estimatorGDRNPP：一种基于几何引导和全学习方式的物体位姿估计器OAAI
IF0
OAAI分享收藏A 6D Pose Estimation for Robotic Bin-Picking Using Point-Pair Features with Curvature (Cur-PPF)基于曲率点对特征(Cur-PPF)的机器人拾取任务6D位姿估计SensorsOAAI
SensorsIF0
OAAI分享收藏
查看更多内容