物体姿态估计——DeepIM

原文链接：https://blog.csdn.net/u013841196/article/details/82949927

DeepIM: Deep Iterative Matching for 6D Pose Estimation   2018，Yi Li et al. DeepIM

1.引言：
本文，作者提出了一种新的深度神经网络对物体的6D姿态（3D位置和3D方向）进行估计，命名为DeepIM。采用对图像进行直接回归物体姿态的方式，准确率是有限的，通过匹配物体的渲染图像可以进一步提高准确率。即给定初始姿态估计，对合成RGB图像进行渲染来和目标输入图像进行匹配，然后在计算出新的更准的姿态估计。
1）Depth信息局限性： 最新的技术已经使用深度相机（depth cameras）为物体的姿态估计，但这种相机在帧速率、视场、分辨率和深度范围等方面还存在相当大的局限性，一些小的、薄的、透明的或快速移动的物体检测起来还非常困难。
2）RGB信息局限性： 基于RGB的6D物体姿态估计仍然具有挑战性，因为目标图像的表观会受光照、姿态变化、遮挡等影响
此外，鲁棒的6D姿态估计方法还需要能处理有纹理和无纹理的目标。

传统的6D姿态估计：将2D图像中提取的局部特征与待检测物体3D基准模型中的特征相匹配来求解R和T，也就是基于2D-3D对应关系求解PnP问题。但是，这种方法对局部特征依赖太强，不能很好地处理无纹理的目标。
为了处理无纹理目标，目前的文献有两类方法：
1） 学习估计输入图像中的目标关键点或像素的3D模型坐标。
2） 通过离散化姿态空间将6D姿态估计问题转化为姿态分类问题，或转化为姿态回归问题。
这些方法虽然能够处理无纹理目标，但是精度不够高。

2.DeepIM迭代结构：
在这里插入图片描述
DeepIM： 一种基于深度神经网络的迭代6D姿态匹配的新方法。给定测试图像中目标的初始6D姿态估计，DeepIM能够给出相对SE（3）变换符合目标渲染视图与观测图像之间的匹配关系。提高精度后的姿态估计迭代地对目标重新渲染，使得网络的两个输入图像会变得越来越相似，从而网络能够输出越来越精确的姿态估计。上图展示了作者提出网络用于姿态优化的迭代匹配过程。
这项工作主要的贡献有：
1） 将深度网络引入到基于图像的迭代姿态优化问题，而无需任何手工制作的图像特征，其能够自动学习内部优化机制。
2） 提出了一种旋转和平移解耦的SE（3）变换表示方法，能够实现精确的姿态估计，并且能使提出的方法适用于目标不在训练集时的姿态估计问题。
3） 作者在LINEMOD和Occlusion数据集上进行了大量实验，以评估DeepIM的准确性和各种性能。

3.算法流程
如果目标在输入图像上是非常小的，它是困难的去提取有用的特征。如下图所示，作者为了获得足够的信息进行姿态匹配，对观测图像进行放大，并在输入网络前进行渲染。要注意的是，在每次迭代过程中，都会根据上一次得到的姿态估计来重新渲染，这样才能通过迭代来增加姿态估计的准确度。
Zoom in:
在这里插入图片描述

输入观测图像、渲染图像以及对应的掩模。使用FlowNetSimple网络第11个卷积层输出的特征图作为输入，然后连接两个全连接层FC256，最后旋转和平移的估计分别使用两个全连接层FC3和FC4作为输入。（作者也尝试使用VGG16图像分类网络来作为基础网络，但效果很差，直觉：估计光流是有用的对于姿态匹配。）

4.Untangled Transformation Representation
通常使用四元数或欧拉角来表示旋转矩阵R△
R△​和一个向量表示平移t△t△​，因此一个完成的转换矩阵可以写成[R△∣t△][R△​∣t△​]，给予一个原始目标姿态[R△∣tsrc][R△​∣tsrc​]。
通常目标从初始位置到新位置的旋转与平移变换关系如下所示：
 

.....................................................................     没转载完。