iCaps: Iterative Category-level Object Pose and Shape Estimation この論文では、カテゴリレベルの6Dオブジェクトのポーズと形状の推定アプローチiCapsを提案します。これにより、カテゴリ内の見えないオブジェクトの6Dポーズを追跡し、それらの3D形状を推定できます。深度画像を入力として使用するカテゴリレベルのオートエンコーダネットワークを開発します。オートエンコーダからの特徴の埋め込みにより、カテゴリ内のオブジェクトのポーズがエンコードされます。オートエンコーダは、粒子フィルタフレームワークで使用して、カテゴリ内のオブジェクトの6Dポーズを推定および追跡できます。符号付き距離関数に基づく暗黙的な形状表現を利用することにより、LatentNetを構築して、オブジェクトの推定ポーズが与えられた場合の3D形状の潜在表現を推定します。次
ROFT: Real-Time Optical Flow-Aided 6D Object Pose and Velocity Tracking 6Dオブジェクトのポーズ追跡は、ロボット工学およびコンピュータビジョンのコミュニティで広く研究されています。ディープニューラルネットワークおよび/またはフィルタリングと最適化を活用する最も有望なソリューションは、標準ベンチマークで顕著なパフォーマンスを示します。ただし、私たちの知る限り、これらは高速のオブジェクトの動きに対して徹底的にテストされていません。このシナリオでの追跡パフォーマンスは、特にリアルタイムのパフォーマンスを達成せず、無視できない遅延をもたらすメソッドの場合、大幅に低下します。この作業では、RGB-D画像のストリームからの6Dオブジェクトのポーズと速度の追跡のためのカルマンフィルター手法であるROFTを紹介します。 ROFTは、リ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く