点云配准求物体的6D姿态（转）

点云配准其实也是求点云到点云的变换，也就是一组R和T

1.输入为完整点云：
有了完整点云之后，可以使用ICP类方法得到精确位姿，就不需要CNN了，但这类方法受到初始位姿影响，初始位姿好，ICP结果就好；
CNN估计的结果可以用ICP再refine；CNN类方法可能速度更快，或者对噪声的鲁棒性更强
2.输入为单面点云（如单幅RGBD计算得出的）：
1）直接使用ICP效果不会太好，因为ICP适用于两片点云重合区域较大，而且初始位姿比较好的情况；
2）将部分点云和完整模型匹配的话，可以随机从多个姿态下和模型ICP匹配（RANSAC），选择平均误差最小的结果；
3）也可以部分点云上提取特征点，完整模型上提取特征点，进行对应，计算得到粗位姿，再使用ICP细配准；（基于对应点的方法）
4）也可以从多个角度拍摄部分点云，融合得到大片点云，再与完整模型配准，这时重合区域大，直接使用ICP效果也还行；
5）也可以将完整模型朝几个特定方向投影得到多个单片点云，再和当前的单片点云使用ICP配准，选择误差最小的那个

输入为3D点云：
1）使用模板匹配的方法耗时
2）使用3D描述符的方法（基于对应点方法）
需要提取特征点和计算特征描述符，这一步的耗时得具体看；
另外依赖点云的具体几何结构，如果特征点丰富且区分度高，很快匹配到大致位置；
如果点云的区分度不高，就需要很强的特征描述，进行准确的匹配；
粗匹配后使用ICP一般很快就收敛

点云配准求物体的6D姿态（转）相关推荐

鲁棒，抗遮挡的对柔性手抓取的物体6D姿态估计
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达标题:Robust, Occlusion-aware Pose Estimation for Obje ...
物体抓取位姿估計算法綜述_大盘点|6D姿态估计算法汇总(上)
1.DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion (CVPR2019) 原文链接:https://arxiv.org ...
经典＜6D姿态估计算法＞汇总
参考链接:机械臂抓取---(1)概述 - PeterPeng7997 - 博客园 (cnblogs.com) 17篇6D姿态估计算法汇总(含论文,代码及解读) 6D位姿估计(开源包含视频测试) 1.D ...
BundleTrack：无需实例或类级别3D模型的6D姿态跟踪算法（IROS2021）
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨paopaoslam 来源丨泡泡机器人SLAM 标题:BundleTrack: 6D Pose ...
重磅直播 | PointDSC：基于特征匹配的点云配准方法（CVPR2021）
大家好,本公众号现已开启线上视频公开课,主讲人通过B站直播间,对3D视觉领域相关知识点进行讲解,并在微信群内完成答疑. 本期由香港科技大学计算机系白旭阳博士分享,分享的主题为<基于特征匹配的鲁棒 ...
如何理解物体的6D位姿估计任务？
关键词:三维位置.三维朝向.物体坐标系.世界坐标系.相机坐标系.成像坐标系.像素坐标系.三维模型.3D坐标值.2D像素点.投影点.物体中心点.关键点.旋转R.平移t.PnP 如何"感性&qu ...
干货 | 三维点云配准：ICP 算法原理及推导
编者荐语点云配准可以分为粗配准(Coarse Registration)和精配准(Fine Registration)两步.粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准,目的主 ...
6D姿态估计算法汇总
文章目录标题 6D姿态估计的算法 1.GDR-Net: Geometry-Guided Direct Regression Network for Monocular 6D Object Pose ...
亚马逊采摘挑战赛APC:6D姿态估计的多视图自我监督深度学习6D Pose Estimation in the Amazon Picking Challenge—2017（笔记）
Multi-view Self-supervised Deep Learning for 6D Pose Estimation in the Amazon Picking Challenge-2017 ...

点云配准求物体的6D姿态（转）

点云配准其实也是求点云到点云的变换，也就是一组R和T

点云配准求物体的6D姿态（转）相关推荐

最新文章

热门文章