6D Object Pose Estimation from Approximate 3D Models for Orbital Robotics

要約

タイトル：軌道ロボティクスのための近似3Dモデルからの6Dオブジェクト姿勢推定
要約：
– 3Dモデルが正確でない場合に、単一の画像からオブジェクトの6Dポーズを推定する新しい技術を紹介する。
– 密な2D-to-3D対応予測器を使用して、各ピクセルの3Dモデル座標を回帰し、オブジェクトの複数の6Dポーズ仮説を生成する。その際、ピクセルごとの座標誤差も推定して、誤っている可能性が高い対応を破棄する。
– 生成された複数の6Dポーズ仮説を、高効率な領域ベースのアプローチを用いて反復的に修正する。
– ピクセルごとの事後確率の新しい形式を導入し、各仮説の確率を推定し、最も可能性が高いものを選択することができる。
– 高コントラストや低信号対雑音比など、極端な視覚条件にも対応できることを実験で示し、軌道上のロボティックアプリケーションでの転回衛星の姿勢推定のような特に厳しいタスクに有効である。
– SPEED +データセットでの最先端のパフォーマンスを達成し、SPEC2021ポストモーテム競技会で優勝した。

要約(オリジナル)

We present a novel technique to estimate the 6D pose of objects from single images where the 3D geometry of the object is only given approximately and not as a precise 3D model. To achieve this, we employ a dense 2D-to-3D correspondence predictor that regresses 3D model coordinates for every pixel. In addition to the 3D coordinates, our model also estimates the pixel-wise coordinate error to discard correspondences that are likely wrong. This allows us to generate multiple 6D pose hypotheses of the object, which we then refine iteratively using a highly efficient region-based approach. We also introduce a novel pixel-wise posterior formulation by which we can estimate the probability for each hypothesis and select the most likely one. As we show in experiments, our approach is capable of dealing with extreme visual conditions including overexposure, high contrast, or low signal-to-noise ratio. This makes it a powerful technique for the particularly challenging task of estimating the pose of tumbling satellites for in-orbit robotic applications. Our method achieves state-of-the-art performance on the SPEED+ dataset and has won the SPEC2021 post-mortem competition.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI