新审视三维物体姿态估计的模板对新物体的通用性和对遮挡的稳健性

我们提出了一种方法，即使在部分遮挡的情况下，也能识别新物体并估计其在RGB图像中的三维姿势。我们的方法既不需要对这些物体的训练阶段，也不需要描述它们的真实图像，只需要它们的CAD模型。它依靠一小部分训练对象来学习局部的物体表征，这使得我们能够将输入图像与一组 "模板"，即新物体的CAD模型的渲染图像进行局部匹配。与最先进的方法相比，我们的方法所应用的新对象可能与训练对象非常不同。因此，我们首次在LINEMOD和Occlusion-LINEMOD数据集上展示了无需重新训练的通用性。我们对以前基于模板的方法的失败模式的分析进一步证实了局部特征对模板匹配的好处。我们在LINEMOD、Occlusion-LINEMOD和T-LESS数据集上的表现超过了最先进的模板匹配方法。我们的源代码和数据可在https://github.com/nv-nguyen/template-pose。

《Templates for 3D Object Pose Estimation Revisited: Generalization to New Objects and Robustness to Occlusions》

论文地址:http://arxiv.org/abs/2203.17234v1