論文の概要: Rotational Symmetry based Object Pose Estimation from Point Clouds in the Absence of Known 3D Models

• arxiv url: http://arxiv.org/abs/2606.16593v1
• Date: Mon, 15 Jun 2026 11:41:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.489226
• Title: Rotational Symmetry based Object Pose Estimation from Point Clouds in the Absence of Known 3D Models
• Title（参考訳）: 回転対称性に基づく3次元モデルの存在下での点雲からの物体電位推定
• Authors: Weichen Dai, Ruixun Yu, Yangjie Tang, Yifan Du, Yiyang Zhang, Donglei Sun, Hua Zhang,
• Abstract要約: 提案手法は, 既知の3次元モデルを用いずに, ポイントクラウド用に特別に作成したデータセットを用いて評価する。 実験結果から,提案手法は既知の3次元モデルに依存する手法に匹敵する性能を示す。
• 参考スコア（独自算出の注目度）: 11.936800943644641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object pose estimation is crucial to many industrial applications, with one example being automated spray painting using a robot. However, confidentiality concerns often limit access to high-quality 3D models, posing a significant challenge for point-cloud-based pose estimation. In such scenarios, rotational symmetry, a readily accessible characteristic of many industrial objects, can provide valuable prior information to facilitate pose estimation.In this paper, we propose a method that leverages the rotational symmetry commonly found in industrial objects to address the challenge caused by the absence of 3D models. The object pose is jointly estimated with point cloud refinement through an iterative optimization process. This optimization relies on a rotational symmetry constraint loss. To construct this loss, each 3D point is rotated according to the currently estimated pose, and multiple correspondences are identified using nearest-neighbor search by exploiting the rotational symmetry property. These correspondences are then used to compute the rotational symmetry constraint loss, which iteratively refines both the pose and the point cloud.By explicitly incorporating rotational symmetry into the optimization process, the proposed method achieves robust pose estimation and generalizes well across diverse object types. The proposed method is evaluated on a dataset specifically created for point clouds without known 3D models, consisting of four categories of synthetic objects and one real wheel hub collected from a production line. Experimental results demonstrate that the proposed method achieves performance comparable to methods that rely on known 3D models.
• Abstract（参考訳）: オブジェクトのポーズ推定は多くの産業用途において重要であり、その一例がロボットを用いた自動スプレー塗装である。 しかし、機密性に関する懸念は高品質な3Dモデルへのアクセスを制限することも多く、ポイントクラウドベースのポーズ推定では大きな課題となっている。 そこで本研究では, 産業用物体によく見られる回転対称性を利用して, 3次元モデルが存在しないことによる課題に対処する手法を提案する。 オブジェクトのポーズは、反復最適化プロセスを通じて点雲の洗練と共同で推定される。 この最適化は回転対称性の制約損失に依存する。 この損失を構成するために、現在推定されているポーズに従って各3次元点を回転させ、回転対称性特性を利用して近接探索を用いて複数の対応を同定する。 これらの対応は, 姿勢と点雲の両方を反復的に洗練する回転対称性制約損失の計算に用いられ, 最適化プロセスに回転対称性を明示的に組み込むことで, 頑健なポーズ推定を実現し, 多様な対象タイプにまたがってよく一般化する。 提案手法は, 合成対象の4つのカテゴリと, 生産ラインから収集した1つの実輪ハブからなる, 既知の3次元モデルを持たない点群を対象としたデータセットを用いて評価した。 実験結果から,提案手法は既知の3次元モデルに依存する手法に匹敵する性能を示す。

関連論文リスト

• HORT: Monocular Hand-held Objects Reconstruction with Transformers [61.36376511119355]
  モノクロ画像から手持ちの物体を3Dで再構成することは、コンピュータビジョンにおいて重要な課題である。 ハンドヘルドオブジェクトの高密度な3次元点群を効率的に再構成するトランスフォーマーモデルを提案する。 提案手法は,高速な推測速度で最先端の精度を達成し,画像の幅を最適化する。
  論文  参考訳（メタデータ） (2025-03-27T09:45:09Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• DVMNet++: Rethinking Relative Pose Estimation for Unseen Objects [59.51874686414509]
  既存のアプローチでは、通常、接地構造オブジェクト境界ボックスと、多数の離散仮説を持つ近似3次元回転を用いて3次元翻訳を予測している。 本稿では,1回のパスで相対オブジェクトのポーズを計算するDeep Voxel Matching Network (DVMNet++)を提案する。 提案手法は,最先端手法と比較して計算コストの低い新しいオブジェクトに対して,より正確な相対的ポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
  本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。 本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:55:02Z)
• RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust Correspondence Field Estimation and Pose Optimization [46.144194562841435]
  本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。 この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。 各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
  論文  参考訳（メタデータ） (2022-03-24T06:24:55Z)
• Learning Stereopsis from Geometric Synthesis for 6D Object Pose Estimation [11.999630902627864]
  現在のモノクラーベース6Dオブジェクトポーズ推定法は、一般的にRGBDベースの手法よりも競争力の低い結果が得られる。 本稿では,短いベースライン2ビュー設定による3次元幾何体積に基づくポーズ推定手法を提案する。 実験により,本手法は最先端の単分子法よりも優れ,異なる物体やシーンにおいて堅牢であることが示された。
  論文  参考訳（メタデータ） (2021-09-25T02:55:05Z)
• Robust Extrinsic Symmetry Estimation in 3D Point Clouds [4.416484585765027]
  3次元点雲で表される物体の反射対称性面を検出することは、3次元コンピュータビジョンと幾何学処理の基本的な問題である。 本稿では,外乱や欠落部分に対して頑健な反射対称性の平面に対する統計的推定器に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-21T03:09:51Z)
• Recurrently Estimating Reflective Symmetry Planes from Partial Pointclouds [5.098175145801009]
  代わりに、高さ次元に沿ってデータをスライスし、2次元畳み込み再帰回帰スキームに順次渡す新しい符号化法を提案する。 提案手法は,全合成対象の平面反射対称性推定作業における最先端技術に匹敵する精度を有することを示す。
  論文  参考訳（メタデータ） (2021-06-30T15:26:15Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。