Improving 6D Object Pose Estimation of metallic Household and Industry Objects

要約

6Dオブジェクトのポーズ推定は、金属オブジェクトに適用すると精度が低下することに苦しんでいます。
私たちは、産業用アプリケーションの反射や鏡面ハイライトなどの課題に対処することにより、最先端の改善に着手しました。
さまざまな照明と背景条件の下で、多様な金属オブジェクト（缶、家庭、および産業用品）のセットを備えた私たちの新しいBOP互換性のあるデータセットは、追加の幾何学的および視覚的な手がかりを提供します。
これらのキューを効果的に活用して、全体的なパフォーマンスを向上させることができることを実証します。
追加機能の有用性を説明するために、空間シーンの理解を深めるために追加のキーポイント予測と材料推定器ヘッドを導入することにより、GDRNPPアルゴリズムを改善します。
新しいデータセットの評価は、金属オブジェクトの精度が向上し、追加の幾何学的および視覚的な合図が学習を改善できるという仮説をサポートしています。

要約(オリジナル)

6D object pose estimation suffers from reduced accuracy when applied to metallic objects. We set out to improve the state-of-the-art by addressing challenges such as reflections and specular highlights in industrial applications. Our novel BOP-compatible dataset, featuring a diverse set of metallic objects (cans, household, and industrial items) under various lighting and background conditions, provides additional geometric and visual cues. We demonstrate that these cues can be effectively leveraged to enhance overall performance. To illustrate the usefulness of the additional features, we improve upon the GDRNPP algorithm by introducing an additional keypoint prediction and material estimator head in order to improve spatial scene understanding. Evaluations on the new dataset show improved accuracy for metallic objects, supporting the hypothesis that additional geometric and visual cues can improve learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google