AEP$n$P: A Less-constrained EP$n$P Solver for Pose Estimation with Anisotropic Scaling

要約

Perspective-$n$-Point (P$n$P) は、さまざまなアプリケーションにおける姿勢推定のための基本的なアルゴリズムとして機能します。
この論文では、厳密な 3D 座標の必要性を排除し、制約を緩和した P$n$P 問題に対する新しいアプローチを紹介します。これは、対応するオブジェクト モデルが実際には利用できない場合があるオブジェクトの姿勢推定に特に適しています。
古典的な EP$n$P ソルバーに基づいて構築されており、一般的な 6D 変換に加えて未知の異方性スケーリング係数を処理できるため、AEP$n$P と呼ばれます。
いくつかの代数操作と適切に選択された参照フレームを通じて、この新しい問題は、単純な線形ゼロ空間問題と、それに続く点登録ベースの相似変換の識別に要約できます。
シミュレートされたデータセットと実際のデータセットの両方での実験結果は、オブジェクトの姿勢推定に対する柔軟で実用的なソリューションとしての AEP$n$P の有効性を示しています。
コード: https://github.com/goldoak/AEPnP。

要約(オリジナル)

Perspective-$n$-Point (P$n$P) stands as a fundamental algorithm for pose estimation in various applications. In this paper, we present a new approach to the P$n$P problem with relaxed constraints, eliminating the need for precise 3D coordinates, which is especially suitable for object pose estimation where corresponding object models may not be available in practice. Built upon the classical EP$n$P solver, we refer to it as AEP$n$P due to its ability to handle unknown anisotropic scaling factors in addition to the common 6D transformation. Through a few algebraic manipulations and a well-chosen frame of reference, this new problem can be boiled down to a simple linear null-space problem followed by point registration-based identification of a similarity transformation. Experimental results on both simulated and real datasets demonstrate the effectiveness of AEP$n$P as a flexible and practical solution to object pose estimation. Code: https://github.com/goldoak/AEPnP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google