机构名称：
¥ 1.0
摘要 - 人类寿命中有铰接的物体。当前类别级别的关节姿势估计（CAPE）方法是在单个现实设置下使用每个类别的固定运动结构的。考虑到这些局限性，我们旨在研究估计单个RGB-D图像中具有未知运动学结构的多个铰接式对象的零件级别6D姿势的问题，并改革此问题设置为现实世界环境，并建议Cape-real（Caper-Real）（CAPER）任务设置。此设置允许语义类别中的各种运动结构，以及在对现实世界的观察中共存的多个实例。为了支持这项任务，我们构建了一个明确的模型存储库RAINT-48，并呈现有效的数据集生成管道，其中包含快速发音的对象建模（FAOM）和半实体的混合现实现实技术（Samert）。伴随管道，我们构建了一个大规模的混合现实数据集后Tmix和一个现实世界数据集后TVAL。伴随着刺山柑问题和数据集，我们提出了一个有效的框架，该框架利用RGB-D输入来估算单个正向通行中多个实例的零件级姿势。在我们的方法中，我们从RGB-D输入中介绍对象检测，以处理多个实体问题，并将每个实例分为几个部分。为了解决未知的运动学结构问题，我们提出了一个解析网络，以分析检测实例的结构，并构建一个对伪造姿势估计模块，以估算第6D姿势以及连接零件对的联合属性。广泛的实验表明，所提出的方法可以在开普敦，斗篷和实例级机器人组姿势估计问题上实现良好的性能。我们认为，它可以作为对刺山柑任务的未来研究的强大基准。我们工作中的数据集和代码将公开可用。
朝着现实世界类别级别的姿势姿势估计
主要关键词
相关文件推荐
