SSD-6D: Making RGB-Based 3D Detection and 6D Pose Estimation Great Again—2017（笔记）_ssd-6姿态检测

SSD-6D: Making RGB-Based 3D Detection and 6D Pose Estimation Great Again—2017（笔记）

SSD-6D让RGB图像的3D检测和6D姿态估计更出色—2017（笔记）

文章以单帧RGB图像为输入，基于扩展的SSD范式，采用InceptionV4深度网络，预测目标2D bounding box以及目标种类、离散视点和面内旋转在每个特征图位置的得分，通过射影几何特性构建目标的6D姿态池，最终通过姿态池优化ICP得到精确结果。

通过单位球面等距采样获得目标的离散6D姿态空间，供深度网络完成训练

摘要

1. 我们提出了一种新颖的方法来检测3D模型实例并从单次拍摄中的RGB数据估计其6D姿态。
2. 为此，我们扩展了流行的SSD范例以覆盖整个6D姿态空间，并仅在合成模型数据进行训练。
3. 我们的方法可以与现有的方法相媲美或超越，后者可以在多个具有挑战性的数据集上利用RGBD数据。
4. 此外，我们的方法在10Hz左右产生这些结果，比相关方法快许多倍。为了重现性，我们将经过培训的网络和检测代码公开发布。

引言

5. 大多数性能最好的3D检测器都遵循基于视图的范例，其中会生成一组离散的对象视图，并用于后续的特征计算[31、14]。
6. 在测试过程中，在离散位置对场景进行采样，计算特征，然后将其与对象数据库进行匹配，以在训练视图和场景位置之间建立对应关系。
7. 特征可以是图像属性（颜色渐变，深度值，法线方向）的编码[12、16、18]，也可以是最近的学习结果[4、29、5、6、17]。
8. 无论哪种情况，检测和姿态估计的准确性都取决于三个方面：（1）6D姿态空间在视点和尺度方面的覆盖范围，（2）区分对象和视图的特征的辨别力；（3）匹配对杂波，光照和遮挡的鲁棒性。
9. 基于CNN的类别检测器，例如YOLO [25]或SSD [22]，已在大规模2D数据集上显示了出色的结果。他们的想法是反转采样策略，以使场景采样不再是导致连续输出的一组离散输入点。取而代之的是，输入空间在整个图像上都很密集，而输出空间则离散化为许多形状和大小都不同的重叠边