【6Dof位姿估计】DPVL:6DoF Object Pose Estimation via Differentiable Proxy Voting Loss论文理解

作者：小小林熬夜学编程 | 2024-06-01 14:28:09

踩

6dof object pose estimation via differentiable proxy voting loss

论文链接：arxiv

解决什么问题

6Dof估计，优化了投票

提出了一个新的loss，可以将距离因素也考虑进去，根据投票方向、像素和被投票关键点的距离一起来优化结果，收敛还很快

投票方法在遮挡和视角改变上都有鲁棒性，所以也是基于投票来做的

在这里插入图片描述
不需要微调，先投票2D关键点，关键点用了两种loss：一是方向，二是距离；然后pnp解出pose

作者的预测使用了很大的感受野，覆盖了物体的大部分，这样即使有些关键点看不见了，也能从可视部分推导出来

那不知点云是否有效

mask和投票向量的表达和PVN3D是一样的，方向向量用smooth L-1 loss来回归：
$L_{vf} = \sum_{k\in K}\sum_{p\in M} l_1 (||u_k( p) - v_k(p)||_1)$

其中 $v_k(p)$ 是估计的方向向量，

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/658087