論文の概要: Robust 6-DoF Object Pose Tracking with Built-In Recovery under Occlusions and Rapid Object Motions
- arxiv url: http://arxiv.org/abs/2607.23468v1
- Date: Sun, 26 Jul 2026 05:39:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.110729
- Title: Robust 6-DoF Object Pose Tracking with Built-In Recovery under Occlusions and Rapid Object Motions
- Title（参考訳）: 閉塞と高速物体運動によるロバスト6-DoF物体追跡
- Authors: Balázs Opra, Léo Ghafari, Thomas Stewart, Cyrill Stachniss,
- Abstract要約: リアルタイム6-DoFオブジェクトのポーズトラッキングは多くのロボティクスアプリケーションに必須である。
本稿では,RGB-Dデータからの未確認物体のロバストモデルに基づく6-DoF追跡の問題に対処する。
本稿では,効率的な学習に基づくキーポイントマッチングと最適化に基づくアライメントを組み合わせた新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 15.479745132993566
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time 6-DoF object pose tracking is essential for many robotics applications, and several approaches exist. Yet even today's approaches remain unreliable under temporary full occlusions and rapid object motions. Once tracking is lost, most methods struggle to detect the failure and recover automatically, often requiring manual re-initialization. In this paper, we address the problem of robust model-based 6-DoF tracking of unseen objects from RGB-D data, especially in scenarios with occlusion and fast motion. We propose a novel method that combines efficient learning-based keypoint matching with optimization-based alignment and introduces a novel failure detection and recovery module. Our system monitors pose reliability, detects tracking divergence or occlusions, and performs a global re-detection and pose estimation step that robustly verifies recovery candidates before resuming tracking. Our evaluation on standard tracking benchmarks and on a new dataset of occluded and fast-moving scenes shows that our method matches state-of-the-art accuracy on easy tracking sequences, maintains high tracking speed at 57.6 frames per second, and provides the most robust tracking performance under challenging conditions. Thus, we believe that our approach is a relevant step forward in robust 6-DoF object tracking from RGB-D data.
- Abstract（参考訳）: リアルタイム6-DoFオブジェクトのポーズトラッキングは多くのロボティクスアプリケーションに必須であり、いくつかのアプローチが存在する。
しかし、今日のアプローチでさえ、一時的な完全な閉塞と迅速な物体の動きの下では信頼性が低いままである。
トラッキングが失われると、ほとんどのメソッドは障害を検出し、自動的に回復するのに苦労する。
本稿では,RGB-Dデータから見えない物体のロバストモデルに基づく6-DoF追跡の問題,特に閉塞や高速な動きのシナリオに対処する。
本稿では,効率的な学習に基づくキーポイントマッチングと最適化に基づくアライメントを組み合わせた新しい手法を提案する。
本システムでは, 信頼度を計測し, 分岐や閉塞の追跡を検知し, 追跡を再開する前に, 回復候補を確実に検証するグローバルな再検出とポーズ推定を行う。
標準追尾ベンチマークと高速移動シーンの新しいデータセットによる評価により,本手法は追跡の容易なシーケンス上での最先端の精度と一致し,57.6フレーム/秒での高速追尾速度を維持し,困難条件下で最も堅牢な追尾性能を提供する。
したがって,本手法はRGB-Dデータからのロバストな6-DoFオブジェクト追跡において重要なステップであると考えられる。
関連論文リスト
- RRTrack: Robust and Recoverable Object 6D Pose Tracking for Dynamic Scenes [55.15267980622371]
RRTrackは効率的で復元可能なオブジェクト6Dポーズトラッカーである。
高速な動きと目標の消光によるロバストな追跡を可能にする。
実験の結果、RRTrackはADD-S ARを66.3%改善し、ADD-S AUCを65.7%改善した。
論文 参考訳（メタデータ） (2026-07-26T14:05:46Z) - Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。
本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。
本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
論文 参考訳（メタデータ） (2026-02-13T14:57:15Z) - Color-Pair Guided Robust Zero-Shot 6D Pose Estimation and Tracking of Cluttered Objects on Edge Devices [4.261261166281339]
本稿では,エッジデバイス上での効率的な実行を目的とした統合フレームワークを提案する。
当社のアプローチの鍵は、ライトと不変なカラーペアの特徴表現の共有です。
最初の見積のために、この機能はライブRGB-Dビューとオブジェクトの3Dメッシュの間の堅牢な登録を容易にする。
追跡に関しては、同じ特徴論理が時間的対応を検証し、軽量モデルが物体の動きを確実に回帰させることができる。
論文 参考訳（メタデータ） (2025-09-28T05:07:49Z) - SuperPose: Improved 6D Pose Estimation with Robust Tracking and Mask-Free Initialization [5.298176595324931]
我々は,FoundationPose,SAM2,LightGlueを統合することで,産業アプリケーションにおけるリアルタイム6Dオブジェクト検出のための堅牢なソリューションを開発した。
アルゴリズムはターゲットオブジェクトのCADモデルのみを必要とし、ユーザは初期設定中にライブフィードの場所をクリックします。
YCBデータセットと漂白機やギアなどの産業用部品でテストされ、アルゴリズムは信頼性の高い6D検出と追跡を実証した。
論文 参考訳（メタデータ） (2024-09-30T06:26:49Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - TrackAgent: 6D Object Tracking via Reinforcement Learning [24.621588217873395]
我々は、オブジェクト追跡を強化されたポイントクラウド(深部のみ)アライメントタスクに単純化することを提案する。
これにより、スクラッチからスクラッチからスパース3Dポイントクラウドをトレーニングすることができます。
また、RLエージェントの不確かさとレンダリングベースのマスク伝搬が効果的な再起動トリガであることを示す。
論文 参考訳（メタデータ） (2023-07-28T17:03:00Z) - Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
目標を追尾し続けるために、逸脱物を追跡することを提案します。
視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。
我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
論文 参考訳（メタデータ） (2021-03-30T17:58:02Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳（メタデータ） (2020-12-15T16:54:45Z)
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。