A Stochastic-Geometrical Framework for Object Pose Estimation based on Mixture Models Avoiding the Correspondence Problem

要約

背景剛体物体の姿勢推定は、光学計測やコンピュータビジョンにおける実用的な課題である。本論文では、複数の特徴点の観測に基づく物体姿勢推定のための新しい確率幾何モデリングフレームワークを提示する。 方法このフレームワークは、物体空間における特徴点の密度と実測値の解釈に混合モデルを利用する。利点は、個々の特徴点の対応を解決する必要がないことと、多視点アプリケーションにおいて正しい確率的依存性を組み込むことができることである。第一に、一般的なモデリングの枠組みを提示し、第二に、姿勢推定のための一般的なアルゴリズムを導出し、第三に、2つのモデル例（カメラとラテレーションのセットアップ）を提示する。 結果数値実験により、3つの観測システムに対する4つのシミュレーションシナリオを提示することで、計測解像度、物体変形、計測ノイズへの依存性を含め、このモデリングと一般的アルゴリズムの有効性を示す。混合モデルを利用した確率的モデリングは、コレスポンデンス問題を回避しつつ、正確でロバストな姿勢推定の可能性を示す。

要約(オリジナル)

Background: Pose estimation of rigid objects is a practical challenge in optical metrology and computer vision. This paper presents a novel stochastic-geometrical modeling framework for object pose estimation based on observing multiple feature points. Methods: This framework utilizes mixture models for feature point densities in object space and for interpreting real measurements. Advantages are the avoidance to resolve individual feature correspondences and to incorporate correct stochastic dependencies in multi-view applications. First, the general modeling framework is presented, second, a general algorithm for pose estimation is derived, and third, two example models (camera and lateration setup) are presented. Results: Numerical experiments show the effectiveness of this modeling and general algorithm by presenting four simulation scenarios for three observation systems, including the dependence on measurement resolution, object deformations and measurement noise. Probabilistic modeling utilizing mixture models shows the potential for accurate and robust pose estimations while avoiding the correspondence problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL