PoseCNN: A convolutional neural network for 6d pose estimation in complex scenes (2017)

PoseCNN：用卷积神经网络估计杂乱场景中目标6D姿态—2017（笔记）

PoseCNN网络与对称目标姿态估计

摘要

1. PoseCNN是一种新型的卷积神经网络，专门用于实现6D目标姿态估计。该网络通过识别图像中目标的中心位置，并预测其与相机之间的距离，从而推算出目标的3D平移参数。而目标的3D旋转参数则通过回归至四元数形式进行估算。
2. 我们还提出了一种创新的损失函数，该函数能够使PoseCNN有效应对具有对称性的目标。
3. 此外，我们构建了一个用于6D目标姿态估计的大规模视频数据集，命名为YCB-Video数据集。该数据集包含了从YCB数据集中选取的21个物体，在92个视频片段中记录了共计133,827帧图像，并提供了这些物体精确的6D姿态信息。
4. 我们在YCBVideo数据集和OccludedLINEMOD数据集上进行了大量实验，以验证PoseCNN在面对遮挡时具备良好的鲁棒性，并能够处理对称目标。同时，仅依靠彩色图像作为输入即可实现高精度的姿态估计。当进一步结合深度信息优化姿态时，我们的方法在OccludedLINEMOD这一具有挑战性的数据集上取得了当前最优的结果。相关代码及数据集已上传至https://rse-lab.cs.washington.edu/projects/posec