論文の概要: Pose Estimation of Specular and Symmetrical Objects
- arxiv url: http://arxiv.org/abs/2011.00372v1
- Date: Sat, 31 Oct 2020 22:08:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 05:14:07.622856
- Title: Pose Estimation of Specular and Symmetrical Objects
- Title(参考訳): 特異物体と対称物体のポス推定
- Authors: Jiaming Hu, Hongyi Ling, Priyam Parashar, Aayush Naik and Henrik
Christensen
- Abstract要約: ロボット産業では、眼鏡とテクスチャレスの金属部品がユビキタスである。
リッチテクスチャが欠如しているため, 単眼RGBカメラのみを用いた6次元ポーズ推定は困難である。
そこで本研究では,データ駆動型手法を用いて,対象物の6次元ポーズを推定する手法を提案する。
- 参考スコア(独自算出の注目度): 0.719973338079758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the robotic industry, specular and textureless metallic components are
ubiquitous. The 6D pose estimation of such objects with only a monocular RGB
camera is difficult because of the absence of rich texture features.
Furthermore, the appearance of specularity heavily depends on the camera
viewpoint and environmental light conditions making traditional methods, like
template matching, fail. In the last 30 years, pose estimation of the specular
object has been a consistent challenge, and most related works require massive
knowledge modeling effort for light setups, environment, or the object surface.
On the other hand, recent works exhibit the feasibility of 6D pose estimation
on a monocular camera with convolutional neural networks(CNNs) however they
mostly use opaque objects for evaluation. This paper provides a data-driven
solution to estimate the 6D pose of specular objects for grasping them,
proposes a cost function for handling symmetry, and demonstrates experimental
results showing the system's feasibility.
- Abstract(参考訳): ロボット産業では、眼鏡とテクスチャレスの金属部品がユビキタスである。
単眼のrgbカメラのみを有する物体の6次元ポーズ推定は,テクスチャの豊富な特徴がないため困難である。
さらに、スペキュラリティの出現は、カメラの視点と、テンプレートマッチングのような従来の手法が失敗する環境光条件に大きく依存する。
過去30年間、鏡面物体のポーズ推定は一貫した課題であり、最も関連する研究は、光のセットアップ、環境、あるいは物体表面に対する膨大な知識モデリングの努力を必要とする。
一方、近年の研究では、畳み込みニューラルネットワーク(CNN)を持つ単眼カメラで6次元ポーズ推定が可能であるが、そのほとんどは不透明物体を用いて評価されている。
本稿では,鏡面物体の6次元姿勢を推定するデータ駆動解を提案し,対称性を扱うためのコスト関数を提案し,システムの実現可能性を示す実験結果を示す。
関連論文リスト
- Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
本研究は,RGB 6Dポーズ推定における拡散モデルに基づく新規ビュー合成器の有用性を示す。
実験はCO3Dデータセット上で定量的に分析され、ベースライン上での性能向上を示す。
論文 参考訳(メタデータ) (2024-03-21T10:38:18Z) - Fit-NGP: Fitting Object Models to Neural Graphics Primitives [19.513102875891775]
本研究では, 高精度なポーズ推定法として, 最先端の高効率放射場再構成法によって生成された密度場が適していることを示す。
本稿では,手首にカメラを装着したロボットアームを用いた完全自動ポーズ推定システムを提案する。
論文 参考訳(メタデータ) (2024-01-04T16:57:56Z) - Few-View Object Reconstruction with Unknown Categories and Camera Poses [80.0820650171476]
この研究は、カメラのポーズやオブジェクトのカテゴリを知らない少数の画像から、一般的な現実世界のオブジェクトを再構築する。
私たちの研究の要点は、形状再構成とポーズ推定という、2つの基本的な3D視覚問題を解決することです。
提案手法は,各ビューから3次元特徴を予測し,それらを入力画像と組み合わせて活用し,クロスビュー対応を確立する。
論文 参考訳(メタデータ) (2022-12-08T18:59:02Z) - Unseen Object 6D Pose Estimation: A Benchmark and Baselines [62.8809734237213]
本稿では,新しい物体の6次元ポーズ推定をアルゴリズムで行えるようにするための新しいタスクを提案する。
実画像と合成画像の両方でデータセットを収集し、テストセットで最大48個の未確認オブジェクトを収集する。
エンド・ツー・エンドの3D対応ネットワークをトレーニングすることにより、未確認物体と部分ビューRGBD画像との対応点を高精度かつ効率的に見つけることができる。
論文 参考訳(メタデータ) (2022-06-23T16:29:53Z) - PhoCaL: A Multi-Modal Dataset for Category-Level Object Pose Estimation
with Photometrically Challenging Objects [45.31344700263873]
我々は、PhoCaLと呼ばれる光度に挑戦するオブジェクトを用いたカテゴリレベルのオブジェクトポーズ推定のためのマルチモーダルデータセットを提案する。
PhoCaLは、高い反射率、透明度、対称度を含む8種類以上の家庭用品の60種類の高品質な3Dモデルで構成されている。
これにより、不透明で光沢のある透明な物体のポーズのサブミリ秒精度が保証され、動きのぼやけも無く、カメラの同期も完璧になる。
論文 参考訳(メタデータ) (2022-05-18T09:21:09Z) - FS6D: Few-Shot 6D Pose Estimation of Novel Objects [116.34922994123973]
6Dオブジェクトポーズ推定ネットワークは、多数のオブジェクトインスタンスにスケールする能力に制限がある。
本研究では,未知の物体の6次元ポーズを,余分な訓練を伴わずにいくつかの支援ビューで推定する。
論文 参考訳(メタデータ) (2022-03-28T10:31:29Z) - VIPose: Real-time Visual-Inertial 6D Object Pose Tracking [3.44942675405441]
本稿では,オブジェクトのポーズ追跡問題にリアルタイムに対処するために,VIPoseと呼ばれる新しいディープニューラルネットワーク(DNN)を提案する。
重要な貢献は、オブジェクトの相対的な6Dポーズを予測するために視覚的および慣性的特徴を融合する新しいDNNアーキテクチャの設計である。
このアプローチでは、最先端技術に匹敵する精度性能を示すが、リアルタイムであることにはさらなるメリットがある。
論文 参考訳(メタデータ) (2021-07-27T06:10:23Z) - Object detection and Autoencoder-based 6D pose estimation for highly
cluttered Bin Picking [14.076644545879939]
そこで本研究では,小物体の散らばったシーンにおけるポーズ推定のためのフレームワークを提案する。
本研究では,オブジェクト検出とポーズ推定のための合成データ生成手法の比較を行う。
本稿では,最も正確な推定ポーズを決定するポーズフィルタリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-06-15T11:01:07Z) - Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。
私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。
実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
論文 参考訳(メタデータ) (2021-01-05T17:18:52Z) - SHREC 2020 track: 6D Object Pose Estimation [26.4781238445338]
6Dのポーズ推定は、拡張現実、仮想現実、ロボット操作、視覚ナビゲーションに不可欠である。
異なるポーズ推定法は特徴表現やシーン内容によって異なる長所と短所を持つ。
データ駆動方式で6Dポーズを推定する既存の3Dデータセットには、視野角と解像度が制限されている。
論文 参考訳(メタデータ) (2020-10-19T09:45:42Z) - CPS++: Improving Class-level 6D Pose and Shape Estimation From Monocular
Images With Self-Supervised Learning [74.53664270194643]
現代のモノクロ6Dポーズ推定手法は、少数のオブジェクトインスタンスにしか対応できない。
そこで本研究では,計量形状検索と組み合わせて,クラスレベルのモノクル6次元ポーズ推定手法を提案する。
1枚のRGB画像から正確な6Dポーズとメートル法形状を抽出できることを実験的に実証した。
論文 参考訳(メタデータ) (2020-03-12T15:28:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。