摘要
在计算机视觉中，跟踪三维空间中的物体并预测其六自由度（6DoF）姿态是一项基本任务。现有的先进方法通常依赖于物体纹理来解决这一问题。然而，尽管这些方法取得了令人印象深刻的结果，许多物体并不具备足够的纹理，从而违背了其主要的基本假设。因此，我们提出了一种新颖的概率跟踪器ICG，该跟踪器融合了区域和深度信息，并且仅需物体几何形状即可工作。我们的方法通过对应线和点迭代地优化姿态。此外，我们还实现了稳健的遮挡处理机制，以提高在实际场景中的性能。在YCB-Video、OPT和Choi数据集上的实验表明，即使对于具有纹理的物体，我们的方法在准确性和鲁棒性方面也优于当前最先进的技术。同时，ICG展示了快速收敛和卓越的效率，在单个CPU核心上每帧仅需1.3毫秒。最后，我们分析了各个组件的影响，并讨论了与基于深度学习的方法相比的性能表现。我们的跟踪器源代码已公开提供。