論文の概要: Keypoint-based Dynamic Object 6-DoF Pose Tracking via Event Camera

• arxiv url: http://arxiv.org/abs/2604.23387v1
• Date: Sat, 25 Apr 2026 17:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.310372
• Title: Keypoint-based Dynamic Object 6-DoF Pose Tracking via Event Camera
• Title（参考訳）: イベントカメラによるキーポイント型動的オブジェクト6-DoF追跡
• Authors: Zhe Wang, Qijin Song, Zihao Li, Jingyu Xiao, Weibang Bai,
• Abstract要約: 動的オブジェクト推定のためのキーポイントに基づく追跡・追跡手法を提案する。 提案手法は,精度とロバスト性の両方の観点から,イベントベース最先端手法よりも優れている。
• 参考スコア（独自算出の注目度）: 9.746253227494448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate 6-DoF pose estimation of objects is critical for robots to perform precise manipulation tasks. However, for dynamic object pose estimation, conventional camera-based approaches face several major challenges, such as motion blur, sensor noise, and low-light limitation. To address these issues, we employ event cameras, whose high dynamic range and low latency offer a promising solution. Furthermore, we propose a keypoint-based detection and tracking approach for dynamic object pose estimation. Firstly, a keypoint detection network is constructed to extract keypoints from the time surface generated by the event stream. Subsequently, the polarity and spatial coordinates of the events are leveraged, and the event density in the vicinity of each keypoint is utilized to achieve continuous keypoint tracking. Finally, a hash mapping is established between the 2D keypoints and the 3D model keypoints, and the EPnP algorithm is employed to estimate the 6-DoF pose. Experimental results demonstrate that, whether in simulated or real event environments, the proposed method outperforms the event-based state-of-the-art methods in terms of both accuracy and robustness.
• Abstract（参考訳）: ロボットにとって、正確な6-DoFポーズ推定は、精密な操作作業を行う上で非常に重要である。 しかし、動的オブジェクトポーズ推定では、従来のカメラベースのアプローチでは、動きのぼやけ、センサノイズ、低照度制限など、いくつかの大きな課題に直面している。 これらの問題に対処するために、高ダイナミックレンジと低レイテンシが有望なソリューションを提供するイベントカメラを使用します。 さらに,動的オブジェクトポーズ推定のためのキーポイントに基づく検出と追跡手法を提案する。 まず、キーポイント検出ネットワークを構築し、イベントストリームによって生成された時間面からキーポイントを抽出する。 その後、事象の極性と空間座標を利用し、各キーポイント近傍の事象密度を利用して連続的なキーポイント追跡を行う。 最後に、2Dキーポイントと3Dモデルキーポイントの間にハッシュマッピングを確立し、EPnPアルゴリズムを用いて6-DoFのポーズを推定する。 実験結果から, シミュレーションや実イベント環境において, 提案手法は, 精度とロバスト性の両方の観点から, イベントベース最先端手法よりも優れていることがわかった。

関連論文リスト

• Event6D: Event-based Novel Object 6D Pose Tracking [67.12156260053027]
  イベントカメラはマイクロ秒のレイテンシを提供し、高速でダイナミックなシーンでの6Dオブジェクトのポーズトラッキングに適している。 EventTrack6Dは、オブジェクト固有のトレーニングなしで新しいオブジェクトに一般化するイベント深度追跡フレームワークである。 提案手法とデータセットは,新しい物体のイベントベース6次元ポーズトラッキングにおけるイベントカメラの有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-30T05:11:57Z)
• Optical Flow-Guided 6DoF Object Pose Tracking with an Event Camera [18.13747114612191]
  イベントカメラを用いた光学式フロー誘導型6DoFオブジェクトポーズトラッキング手法を提案する。 提案手法は,精度とロバスト性の両方の観点から,イベントベース最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-24T08:40:57Z)
• Line-based 6-DoF Object Pose Estimation and Tracking With an Event Camera [19.204896246140155]
  イベントカメラは、高いダイナミックレンジ、低レイテンシ、動きのぼけに対するレジリエンスといった顕著な特性を持っている。 イベントカメラを用いた平面オブジェクトや非平面オブジェクトに対するラインベースロバストポーズ推定と追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-08-06T14:36:43Z)
• Rigidity-Aware Detection for 6D Object Pose Estimation [60.88857851869196]
  最近の6Dオブジェクトのポーズ推定方法は、最初にオブジェクト検出を使用して2Dバウンディングボックスを取得し、実際にポーズを回帰する。 本研究では,6次元ポーズ推定において対象物体が剛性であるという事実を利用した剛性認識検出手法を提案する。 このアプローチの成功の鍵となるのは可視性マップであり、これは境界ボックス内の各ピクセルとボックス境界の間の最小障壁距離を用いて構築することを提案する。
  論文  参考訳（メタデータ） (2023-03-22T09:02:54Z)
• Rethinking Keypoint Representations: Modeling Keypoints and Poses as Objects for Multi-Person Human Pose Estimation [79.78017059539526]
  本研究では,個々のキーポイントと空間的関連キーポイント(ポーズ)の集合を,密集した単一ステージアンカーベース検出フレームワーク内のオブジェクトとしてモデル化する,新しいヒートマップフリーなキーポイント推定手法を提案する。 実験では, KAPAOは従来手法よりもはるかに高速かつ高精度であり, 熱マップ後処理に悩まされていた。 我々の大規模モデルであるKAPAO-Lは、テスト時間拡張なしでMicrosoft COCO Keypoints検証セット上で70.6のAPを達成する。
  論文  参考訳（メタデータ） (2021-11-16T15:36:44Z)
• 6D Object Pose Estimation using Keypoints and Part Affinity Fields [24.126513851779936]
  RGB画像からの6Dオブジェクトのポーズ推定のタスクは、自律型サービスロボットが現実世界と対話できるための重要な要件である。 既知物体の6自由度変換と配向を推定するための2段階パイプラインを提案する。
  論文  参考訳（メタデータ） (2021-07-05T14:41:19Z)
• Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for Event-based Object Tracking [87.0297771292994]
  本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。 この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。 提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
  論文  参考訳（メタデータ） (2020-02-13T15:58:31Z)

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。