当前位置:   article > 正文

传统的6d位姿估计fangfa1_3D目标检测&6D姿态估计之SSD-6D算法--by leona

基于目标检测信息的6d姿态估计

最近的研究主要以6D检测为主,本篇介绍基于2D检测器SSD的3D检测器SSD-6D。

2)介绍:

许多3D检测器都是基于视角的(view based),生成一系列离散的目标视角用于后续视频序列的特征计算。在测试过程中,从不同的离散视角对场景进行采样,然后计算特征,并与目标数据库匹配来建立训练视角和场景位置的对应。此处的特征可指编码后的图像特征(颜色梯度,深度值,方向),或者学习得到的结果。但无论是哪种情况,检测和姿态估计的精度都受一下三个方面影响: 1. 在对应的视角和尺度上,6D姿态空间的收敛性;2. 特征区别目标和视角的辨别能力;3. 在场景混乱,光照变化,出现遮挡时的鲁棒性。

YOLO和SSD等2D检测器的思想:改变采样策略,使场景采样不再是得到连续输出的离散的输入点。输入空间在整个图片上是稠密的,输出空间被离散为不同形状和尺寸的边界框。

本文贡献:1. 使用动态3D模型信息的训练阶段; 2. 分解模型姿态空间, 便于对称的训练和处理; 3. 扩展SSD, 产生2D检测并推断合适的6D位姿。(当正确使用颜色信息的时候,过度依赖3D实例检测的深度信息使不合理的)。

3)相关工作:

对于所有的3D检测,场景采样都至关重要。如果太粗糙,小尺寸的目标容易被漏检;细粒度采样会增加计算量且常常导致更多的假阳性检测。

其他基于SSD的位姿估计算法:

A. Mousavian, D. Anguelov, J. Flynn, and J. Kosecka. 3D Bounding Box Estimation Using Deep Learning and

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/知新_RL/article/detail/658060
推荐阅读
相关标签
  

闽ICP备14008679号