摘要
在视频序列中跟踪物体的六自由度（6D）姿态对于机器人操作至关重要。然而，大多数先前的研究通常假设目标物体的计算机辅助设计（CAD）模型至少在类别级别上可用于离线训练或在线模板匹配。本研究提出了一种名为BundleTrack的通用框架，用于跟踪新型物体的6D姿态，该框架不依赖于实例级或类别级的3D模型。它利用了近期深度学习在分割和鲁棒特征提取方面的互补属性，以及基于记忆增强的姿态图优化方法来实现时空一致性。这使得该框架能够在各种具有挑战性的场景下进行长时间、低漂移的跟踪，包括显著遮挡和物体运动。通过两个公开基准数据集进行的全面实验表明，所提出的 方法显著优于现有的类别级别6D跟踪或动态同步定位与建图（SLAM）方法。即使与依赖于物体实例CAD模型的最先进方法相比，所提出的方法也能达到相当的性能水平，尽管其所需的信息较少。通过CUDA的有效实现，整个框架可实现实时10赫兹（Hz）的性能。代码可在以下地址获取：https://github.com/wenbowen123/BundleTrack