Uncertainty-Driven 6DPose Estimation of Objects and Scenes from a Single RGB v2016 (笔记)

基于不确定性驱动的方法实现了单帧RGB图像物体与环境的6-DOF姿态估计—2016（笔记）

文章以单帧RGB图像为输入，并采用基于机器学习的算法（即自动上下文随机森林）对目标对象坐标与标签进行联合回归预测。随后系统假设固定预算范围内通过RANSAC方法进行目标姿态的粗略估算，并利用预测结果中的置信度信息对姿态估计值进行细化优化处理。

摘要

1. 通过单一RGB图像能够达成令人信服的视觉效果。
2. 我们提出的关键概念是通过在处理流程的各个阶段建模并有效利用系统的不确定性。
3. 我们提供了三项具体的技术贡献：
   a) 设计并实现了具有正则化约束的自动上下文回归框架。
   b) 提出了在深度信息不足的情况下边缘化对象坐标的高效方法。
   c) 通过分析和利用对象标签上的概率分布信息，在固定计算资源下实现了多个物体同时检测的能力。

引言

4. 文中我们深入探讨了仅依赖RGB信息的情况并证实我们可以将基于机器学习的技术成功案例转移到该情境中

5. 这个想法运用了目标的中间表示称为对象坐标这种表示是一个密集且连续的对象部分标记对输入图像中