Iterative Korrespondierende Geometrie: Fusion von Region und Tiefe für eine hoch effiziente 3D-Verfolgung von texturfreien Objekten

Die Verfolgung von Objekten im dreidimensionalen Raum und die Vorhersage ihrer 6DOF-Pose ist eine wesentliche Aufgabe in der Computer Vision. Moderne Ansätze setzen häufig auf die Textur der Objekte, um dieses Problem zu lösen. Obwohl sie beeindruckende Ergebnisse erzielen, enthalten viele Objekte nicht genügend Textur, was die grundlegende Annahme verletzt. Im Folgenden schlagen wir daher ICG vor, einen neuen probabilistischen Tracker, der Regionen- und Tiefeninformationen fusioniert und nur die Objektgeometrie erfordert. Unsere Methode verwendet Korrespondenzlinien und -punkte, um die Pose iterativ zu verfeinern. Wir implementieren zudem eine robuste Verdeckungsbehandlung, um die Leistung in realen Szenarien zu verbessern. Experimente mit den Datensätzen YCB-Video, OPT und Choi zeigen, dass unser Ansatz selbst für texturierte Objekte hinsichtlich Genauigkeit und Robustheit den aktuellen Stand der Technik übertrifft. Gleichzeitig zeichnet sich ICG durch schnelle Konvergenz und herausragende Effizienz aus, da es nur 1,3 ms pro Frame auf einem einzelnen CPU-Kern benötigt. Schließlich analysieren wir den Einfluss einzelner Komponenten und diskutieren unsere Leistung im Vergleich zu tiefen Lernalgorithmen basierenden Methoden. Der Quellcode unseres Trackers ist öffentlich zugänglich.