SSD-6D: Reintroducing RGB-Based 3D Detection and 6DOA Estimation—2017 笔记

SSD-6D: RGB三维检测与六维姿态估计方法

SSD-6D让RGB图像的3D检测和6D姿态估计更出色—2017（笔记）

基于InceptionV4的6D姿态估计方法

通过在单位球面上实施等距采样策略，获取目标的离散6D姿态空间，从而为深度网络的训练提供数据支持。

摘要

1. 我们设计了一种创新性的技术方案，旨在从单张RGB图像中识别3D模型实例，并对其6D姿态进行估计。
2. 在此过程中，我们对广泛使用的SSD框架进行了扩展，使其能够覆盖完整的6D姿态空间，并且仅依赖于合成模型数据完成训练过程。
3. 相较于现有方法，我们的技术在多个具有挑战性的数据集上展现出相当或更优的表现，这些方法通常需要结合RGBD信息进行处理。
4. 此外，在约10Hz的运行频率下即可实现上述效果，相较于其他相关方法具备显著的速度优势。为了确保研究的可复现性，我们已将训练完成的网络模型及检测代码公开共享。

引言

5. 当前多数高性能3D检测算法均采用基于视图的方法论，在该框架下会预先生成一组离散的对象视角，并将其用于后续特征提取过程[31、14]。
6. 在测试阶段，则会对场景中的离散位置进行采样并计算特征值，随后将这些特征与对象数据库相匹配以建立训练视图与场景位置之间的映射关系。
7. 特征可以是对图像属性（如颜色梯