YCBInEOAT Dataset

跟踪视频序列中物体的 6D 姿态对于机器人操作很重要。然而，这项任务带来了多重挑战：（i）机器人操作涉及严重的遮挡； (ii) 6D 姿势的数据和注释很麻烦且难以收集，这使机器学习解决方案复杂化，并且 (iii) 增量误差漂移通常在长期跟踪中累积，需要重新初始化对象的姿势。这项工作提出了一种用于长期 6D 姿势跟踪的数据驱动优化方法。它的目的是在给定当前 RGB-D 观察和基于先前最佳估计和对象模型的合成图像的情况下识别最佳相对姿势。在这方面的关键贡献是一种新颖的神经网络架构，它适当地解开特征编码以帮助减少域偏移，以及通过李代数有效的 3D 方向表示。因此，即使仅使用合成数据训练网络也可以在真实图像上有效地工作。对基准的综合实验——现有的以及具有与对象操作相关的显着遮挡的新数据集——表明，即使它们已经用真实图像进行了训练，所提出的方法也能实现一致的稳健估计并优于替代方法。该方法也是替代方法中计算效率最高的方法，并实现了 90.9Hz 的跟踪频率。