6D 位姿估计 位姿测量 常用方法总结 (适用于单目标场景)
在机器人的应用中,往往会涉及到基于视觉的 6D 位姿估计或者位姿测量的问题,现在 Pose Estimation 的论文现在非常多,也有很大的创新,不过目前SOTA的工作一般面向几个特定的数据集,比如 LineMod,YCB,T-Less等等,主要面向复杂多目标场景。而在很多应用场景中,其实只涉及对单目标物体进行位姿测量,对于这种相对简单的场景,总结一下常用的基于视觉的方法:
1. 只用RGB: 目标上贴二维码ArUco Marker,结合相机内参求目标表面二维码的 6D 位姿 (2D - 3D)
2. 只用RGB: 检测目标上的特定关键点,结合目标CAD基准模型上面对应关键点的位置,利用PnP求解目标相对基准模型的 6D 位姿 (2D - 3D)
3. RGB+Depth:在RGB图像上检测目标的特定关键点,在深度图像中读取对应关键点的深度,结合相机内参,生成目标每个关键点的 3D 位置,进而解算目标整体 6D 位姿 (3D - 3D)
4. RGB+Depth:在RGB图像分割目标区域,在深度图像中根据分割结果提取对应深度区域,结合相机内参,得到目标点云,利用CAD基准模型点云与目标点云进行ICP配准,得到目标的 6D 位姿 (3D - 3D)
5. 只用Depth:在深度图像上检测目标的特定关键点,并根据深度,结合相机内参,生成目标每个关键点的 3D 位置,进而解算目标整体 6D 位姿 (3D - 3D)
6. 只用Depth:利用深度图像生成场景的点云,对目标区域进行分割得到目标点云,利用CAD基准模型点云与目标点云进行ICP配准,得到目标的 6D 位姿 (3D - 3D)
基于关键点检测的方法 2,3,5难度在于关键点检测的准确率;基于点云配准的方法 4, 6 问题主要在于目标区域分割精度以及配准算法的时间效率;基于二维码的方法1,效率和精度都较高,而且OpenCV就有现成实现,但是问题在于这个属于接触式测量,因为需要人工贴标。
对于精度、实时性要求特别高的,非接触式的方法很难实现,因为RGB-D或者双目这种视觉传感器精度有限,而高精度的三维扫描仪的点云处理起来又会很慢,接触式的方法,比如激光跟踪仪或者动捕镜头结合对应的专用标志点,是可以实现的。
6D 位姿估计 位姿测量 常用方法总结 (适用于单目标场景)相关推荐
- 亚马逊采摘挑战赛APC:6D姿态估计的多视图自我监督深度学习6D Pose Estimation in the Amazon Picking Challenge—2017(笔记)
Multi-view Self-supervised Deep Learning for 6D Pose Estimation in the Amazon Picking Challenge-2017 ...
- multi-mono-sf:自监督多帧单目场景流估计
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 标题:Self-Supervised Multi-Frame Monocular Scene Flow ...
- 传统的6d位姿估计fangfa1_基于改进的点对特征的6D位姿估计
来源:公众号|计算机视觉工坊(系投稿) 作者:仲夏夜之星 「3D视觉工坊」技术交流群已经成立,目前大约有12000人,方向主要涉及3D视觉.CV&深度学习.SLAM.三维重建.点云后处理.自动 ...
- 物体的三维识别与6D位姿估计:PPF系列论文介绍(四)
文章"3D Pose Estimation of Daily ObjectsUsing an RGB-D Camera"2012发表在IEEE/RSJInternational C ...
- 物体的三维识别与6D位姿估计:PPF系列论文介绍(三)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 文章"A Method for 6D Pose Estimation of Free-For ...
- 6D位姿估计Point Pair Feature (PPF)算法详解
作者丨丁洪凯@知乎 来源丨https://zhuanlan.zhihu.com/p/94952276 编辑丨3D视觉工坊 一.论文解读 论文: Drost et al. Model Globally, ...
- 基于改进的点对特征的6D位姿估计
论文题目:6D Pose Estimation using an Improved Method based on Point Pair Features 作者:Joel Vidal, Chyi-Ye ...
- ECCV 2020 论文大盘点-6D 位姿估计篇
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 来源丨我爱计算机视觉 本文盘点ECCV 2020 中所有与物体6D位姿估计(6D Object Pos ...
- 物体抓取位姿估計算法綜述_大盘点|6D姿态估计算法汇总(上)
1.DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion (CVPR2019) 原文链接:https://arxiv.org ...
最新文章
- R语言unlist函数将复杂数据(list列表、dataframe、字符串String)对象处理成简单向量vector形式:将包含dataframe和字符串的向量列表转换为单个向量(删除数据名称)
- Windows 8.1之系统镜像备份功能(1)
- oracle11g中SQL优化(SQL TUNING)新特性之Adaptive Cursor Sharing (ACS)
- CodeSmith连接mysql
- 画直线_在鸡的面前画直线,鸡为什么会晕呢,西瓜视频带你揭秘
- 维护工厂的装运点确认
- [js] 举例说明js中什么是尾调用优化
- ServerSocketChannel API用法
- RN做的Android应用反编译,macOS Catalina配置Android反编译三件套 apktool/dex2jar/enjarify/jd-gui...
- 2022年最新google drive 谷歌云盘下载文件限额解决方法
- 江苏省徐州市谷歌高清卫星地图下载(百度网盘离线包下载)
- C2000浮点运算注意事项——CPU和CLA的差异及误差处理技巧
- Spark基础(五)SparkSteaming
- 论hr面试问题:离职原因
- ARM7(LPC2xxx)芯片的小总结
- 信息化时代,,生产制造管理系统该具备哪些功能?
- JAVA算法:李白遇花喝酒游戏JAVA DFS 算法设计
- Android学习之省份城市县区选择+向上一级活动返回数据
- Java项目自动生成接口文档
- 研究生学人工智能有未来吗?点击快速了解就业前景