マッチノルム:実世界における6Dオブジェクト姿勢推定のための学習ベースポイントクラウドレジストレーション【JST・京大機械翻訳】

Dang Zheng; Wang Lizhou; Guo Yu; Salzmann Mathieu

プレプリント

J-GLOBAL ID：202202220677450244 整理番号：22P0311959

マッチノルム:実世界における6Dオブジェクト姿勢推定のための学習ベースポイントクラウドレジストレーション【JST・京大機械翻訳】

MatchNorm: Learning-based Point Cloud Registration for 6D Object Pose Estimation in the Real World

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年08月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,点雲データから物体の6D姿勢を推定するタスクに取り組んだ。このタスクに対処する最近の学習ベース手法は,合成データセット上で大きな成功を示しているが,実世界データの存在下で失敗することを観察した。そこで,これらの故障の原因を解析し,ソースとターゲットポイントクラウドの特徴分布と,2つのポイントクラウド間の回転範囲に対する広く使用されたSVDベース損失関数の感度の差を追跡した。著者らは,点対応の負の対数尤度に基づく損失関数の利用を通して,新しい正規化戦略,Match正規化,および2番目を導入することによって,最初の課題に取り組んだ。著者らの2つの貢献は一般的であり,多くの既存の学習ベースの3Dオブジェクト登録フレームワークに適用でき,それらの2つ,DCPとIDAMの実装によって例証した。実センTUD-L,LINEMODおよびOcludd-LINEMODデータセットに関する著者らの実験は,著者らの戦略の利点を証明した。それらは,実世界データに関する意味のある結果を達成するために,初めて学習ベースの3Dオブジェクト登録方法を可能にする。したがって,ポイントクラウド登録方法の将来の開発への鍵であることが期待される。【JST・京大機械翻訳】

, , , , , , ,
, 【Automatic Indexing@JST】

地形データの処理 , 写真測量,空中写真 , パターン認識 , 人工知能

, , , ,

前のページに戻る