基于模型的训练、检测与姿态估计 Texture-Less 3D Objects _notes_ (year=2012)

高杂乱场景下实现基于模型的无纹理3D目标训练、监测和姿态估计（笔记）——2012

Model-Based Training, Detection and Pose Estimation of Textureless 3D Objects

摘要

该方案采用Kinect深度传感器技术（RGBD sensors），构建了一个针对三维目标自动建模、实时识别与追踪的整体架构。其中的目标识别阶段主要采用了基于模板匹配的方法，在改进后的Linemod算法基础上实现了更高的13%检测准确率提升。结合深度信息进行多角度下的模板匹配机制设计，在支持在线动态更新三维模型的能力下实现了粗略的姿态估计功能模块。该系统不仅能够处理复杂的环境场景中的大量干扰数据，在中度遮挡情况下仍能稳定运行；同时具备同时识别多个物体的能力

引言

1. 视觉应用中引入深度信息以增强稳定性

2. 采用LINEMOD法结合深度与色彩数据进行多角度模板匹配，并实现姿态初步识别

3. 原始LINEMOD法存在以下三方面缺陷：（待优化）
   （1）在线学习过程中难以有效管理模板且覆盖视角不够全面
   （2）仅能进行粗略的姿态估计
   （3）存在误报现象

4. 主要贡献：
   （1）构建了易于使用的、具有高可靠性并支持实时响应的架构体系
   （2）开发了一个包含经过精心配准的15组多